一种基于编码-解码的无人机飞行数据自适应异常检测方法技术

本发明专利技术涉及无人机异常检测技术领域，公开了一种基于编码‑解码的无人机飞行数据自适应异常检测方法，包括数据重建和自适应异常检测；数据重建包括模型架构建立和模型训练；模型架构建立采用一维CNN‑BiLSTM作为特征提取器，捕捉时间特征和局部特征的基本特征数据，并引入注意力机制选择和加权基本特征数据；模型架构建立包括编码和解码；自适应异常检测包括对残差序列进行建模，并以此匹配SVR模型输入，对SVR模型进行评估测试。本发明专利技术通过一维CNN和BiLSTM，并结合注意力机制，使模型能够更好地理解数据的特征，实现更精确的数据表示，以此建立精准的数据重构模型。同时，采用自适应阈值，更好满足数据动态变化条件下的自适应异常检测。

【技术实现步骤摘要】

本专利技术涉及无人机异常检测，具体涉及一种基于编码-解码的无人机飞行数据自适应异常检测方法。

技术介绍

1、在无人机（uav）健康管理中，异常检测对于确保无人飞行器的飞行安全至关重要。尽管目前针对无人机飞行数据的数据驱动型异常检测方法取得了长足进步，但异常检测还是会存在较大偏差，导致异常检测结果不够精准，影响无人机的飞行安全。其关键在于对模型的特征提取能力不足和动态条件下异常检测适应性较差，导致模型误检率高。

2、现有技术中常需要对数据进行标注，但由于无人机传感器数据中异常事件发生的概率较低，异常数据数量较少，使得对异常数据进行标注十分困难。同时，即使获取了异常数据，异常样本在整个数据集中所占的比例也很低，导致标签数据的可用性极低。

3、其次，由于无人机运行环境的复杂性，飞行数据包含有随机噪声，导致数据中出现大量峰值，影响数据模型的精准性。现有技术中，主要采用统计方法来计算阈值，基于统计阈值的方法假定数据服从正态分布，但当分布偏离正态时，其适用性就会受到限制。导致异常检测模型精准度降低，影响异常检测的准确性和有效性。

...

【技术保护点】

1.一种基于编码-解码的无人机飞行数据自适应异常检测方法，其特征在于，包括数据重建和自适应异常检测；

2.根据权利要求1所述的一种基于编码-解码的无人机飞行数据自适应异常检测方法，其特征在于：所述编码阶段包括用设定的滑动窗口对基本特征数据进行分割，创建多个时间窗口；将t时间窗口内的数据经过卷积层操作后，输入注意力层中，表示为：

3.根据权利要求2所述的一种基于编码-解码的无人机飞行数据自适应异常检测方法，其特征在于：所述编码阶段还包括在注意力层为计算注意力分数并加权，用作BiLSTM层的输入，得到输出向量。

4.根据权利要求2所述的一种基于编码-解码的...

【技术特征摘要】

1.一种基于编码-解码的无人机飞行数据自适应异常检测方法，其特征在于，包括数据重建和自适应异常检测；

2.根据权利要求1所述的一种基于编码-解码的无人机飞行数据自适应异常检测方法，其特征在于：所述编码阶段包括用设定的滑动窗口对基本特征数据进行分割，创建多个时间窗口；将t时间窗口内的数据经过卷积层操作后，输入注意力层中，表示为：

3.根据权利要求2所述的一种基于编码-解码的无人机飞行数据自适应异常检测方法，其特征在于：所述编码阶段还包括在注意力层为计算注意力分数并加权，用作bilstm层的输入，得到输出向量。

4.根据权利要求2所述的一种基于编码-解码的无人机飞行数据自适应异常检测方法，其特征在于：所述编码阶段还包括在编码阶段增加随机丢弃层，通过随机丢弃上一层的神经元引入随机性，其表达式为：

5.根据权利要求4所述的一种基于编码-解...

【专利技术属性】
技术研发人员：李少波，杨磊，朱才朝，张仪宗，廖子豪，
申请(专利权)人：贵州大学，
类型：发明
国别省市：