[发明专利]一种基于LSTM的无人机飞行数据异常检测方法

摘要

一种基于LSTM的无人机飞行数据异常检测方法，涉及无人机异常检测和系统健康管理领域。本发明是为了解决在无人机飞行数据异常检测中，无人机系统工作过程中产生的函数较为复杂，其逼近能力并不能满足较高拟合精度需求的问题。本发明重构无人机遥测数据相空间，获得输入向量和输出向量，获得训练样本集和测试样本集，采用TensorFlow深度学习开源框架搭建LSTM基本预测模型并进行参数进行寻优，获得最优LSTM模型进而计算LSTM预测结果；之后分别进行异常点检测和异常序列检测，最终完成无人机飞行数据异常检测。

主权项

1.一种基于LSTM的无人机飞行数据异常检测方法，其特征在于，包括异常点检测方法和异常序列检测方法：异常点检测方法具体为：步骤一：重构无人机遥测数据相空间，获得输入向量和输出向量，构建LSTM基本预测模型的训练样本集和测试样本集，并基于训练样本集和测试样本集搭建LSTM基本预测模型；步骤二：利用网格搜索法对LSTM基本预测模型的参数进行寻优，并将寻优后的参数代入LSTM基本预测模型中获得最优LSTM模型；步骤三：将测试样本集中的样本输入到最优LSTM模型中，获得LSTM预测结果；步骤四：计算训练样本集中样本的实际值与LSTM预测结果的残差，将训练样本集中样本的残差平均值作为正态分布中心μ＝mean(etraining)，将训练样本集中样本残差的标准差作为正态分布方差σ＝std(etraining)，etraining表示训练样本集中样本的残差，当置信概率P＝99％时，获得置信区间：[μ‑2.6·σ,μ+2.6·σ]；步骤五：判断待检测无人机飞行数据是否属于置信区间，是则该待检测无人机飞行数据为正常点，否则该待检测无人机飞行数据为异常点；异常序列检测方法具体为：步骤六：将所有待检测无人机飞行数据按照时间顺序划分为多个时间序列，每个时间序列含有n个数据，6≤n≤15；步骤七：当置信概率大于99％时，判断每个时间序列中异常点的个数Q是否属于[n‑4,n]，是则该时间序列为异常时间序列，否则该时间序列为正常时间序列。