基于图神经网络的飞参数据检测方法、系统、设备及介质技术方案

本发明专利技术提供了一种基于图神经网络的飞参数据检测方法、系统、设备及介质，方法包括构建传感器组的基础图结构；按照时间轴对基础图结构分割得到多个子结构图，提取每个子结构图中每个传感器中每个时间片段对应的一维时序特征；采用时序图神经网络GDN，依据共享权重和注意力系数，加权计算得到每个子结构图中每个传感器在下一时刻的一维时序特征；对每个传感器在下一时刻的一维时序特征进行解码，得到传感器在下一时刻的预测值；计算采集的飞参数据中每个传感器的真实数据与预测值的差值，根据差值对传感器正常或异常判断。本发明专利技术可以解决现有技术中利用多维时序数据进行飞参数据异常检测时存在的缺少异常标签数据和传感器间相关性复杂的问题。

【技术实现步骤摘要】

本专利技术属于航空电子领域，技术飞参数据检测技术，具体涉及一种基于图神经网络的飞参数据检测方法、系统、设备及介质。

技术介绍

1、随着越来越多新型的飞机列装部队，且由于飞机复杂程度和信息化程度不断提高，对机务维修保障提出了更新更高的要求，其中飞参数据是一种多维时序数据，包括各传感器、设备状态等数据。

2、目前，面临着数据量大、数据复杂性高、高噪声等诸多挑战，传统的飞参数据异常检测方法往往难以有效应对。并且，由于飞机上各个参数之间存在复杂的相关性，在正常情况下某一时刻的参数数值不会发生突变，而是会受到其历史数据的影响，因此近年来利用多维时序数据的相关性进行异常检测逐渐成为研究的热点之一。该方法通过分析数据之间的相关性，挖掘不同维度之间的关联规律，实现对异常的检测和诊断。另外大部分飞参数据均为正常数据，仅少量异常数据，而传统的分类器面对飞参数据的异常检测时会面临类别分布不均衡的问题。

技术实现思路

1、为解决现有技术中利用多维时序数据进行飞参数据异常检测时存在的缺少异常标签数据和传感器间相关性复杂的问本文档来自技高网...

【技术保护点】

1.一种基于图神经网络的飞参数据检测方法，其特征在于，包括：

2.根据权利要求1所述的基于图神经网络的飞参数据检测方法，其特征在于，所述基于传感器组的相似性矩阵，构建传感器组的基础图结构，包括：

3.根据权利要求1所述的基于图神经网络的飞参数据检测方法，其特征在于，所述依据给定的时间窗口，按照时间轴对所述基础图结构分割，得到多个子结构图，包括：

4.根据权利要求1所述的基于图神经网络的飞参数据检测方法，其特征在于，所述采用时序图神经网络GDN，依据给定的共享权重和每个所述传感器与其连接的所述传感器间的注意力系数，进行加权计算得到每个所述子结构图中每个所...

【技术特征摘要】

1.一种基于图神经网络的飞参数据检测方法，其特征在于，包括：

2.根据权利要求1所述的基于图神经网络的飞参数据检测方法，其特征在于，所述基于传感器组的相似性矩阵，构建传感器组的基础图结构，包括：

3.根据权利要求1所述的基于图神经网络的飞参数据检测方法，其特征在于，所述依据给定的时间窗口，按照时间轴对所述基础图结构分割，得到多个子结构图，包括：

4.根据权利要求1所述的基于图神经网络的飞参数据检测方法，其特征在于，所述采用时序图神经网络gdn，依据给定的共享权重和每个所述传感器与其连接的所述传感器...

【专利技术属性】
技术研发人员：刘朝辉，廖鹏程，李昂，刘华磊，常志祯，李宏波，
申请(专利权)人：陕西千山航空电子有限责任公司，
类型：发明
国别省市：