[发明专利]无人机配置模块范围规范错误检测方法、系统及存储介质

权利要求书

1.一种无人机配置模块范围规范错误检测方法，其特征在于，包括：

通过执行无人机飞行任务生成日志文件；

将日志文件中的数据划分为两部分，其中一部分数据用于提取特征并利用所提取到的特征生成状态变化预测器，另一部分数据进行聚类，并从每个聚类中选择代表样本；

使用每个代表样本找出相应的错误配置发送给搜索器；

迭代地改变配置并使用搜索器与状态变化预测器评估配置适应度；

满足迭代停止条件时，合并每个代表样本的搜索结果，生成一个潜在不正确的配置集；

对潜在不正确的配置集中的配置进行模拟验证；

根据模拟验证结果，利用多目标优化为每个配置生成一个有效参数范围。

2.根据权利要求1所述的无人机配置模块范围规范错误检测方法，其特征在于，所述日志文件中的每个日志包含飞行状态、传感器数据、配置和时间戳。

3.根据权利要求1所述的无人机配置模块范围规范错误检测方法，其特征在于，所述状态变化预测器采用机器学习预测器模拟非线性输入至输出控制过程，生成状态变化预测器的过程中，一个特征由带有时间戳的状态单元a、传感器数据单元s和配置单元x组成，将特定状态单元和传感器数据单元的组合作为上下文c＝{a，s}，一个特征归一化为特征向量v{c，x}；

所述状态变化预测器采用长短期记忆预测下一个参考状态，具体的：

对于一个带有时间戳为t的预处理特征向量v_i＝{c_t，x_i}，将t之前h个带有时间戳的连续向量V{v_t-h-1，...，v_t-1，v_t}作为输入，并返回下一个参考状态单元a_t+1′的最大条件概率预测。

4.根据权利要求3所述的无人机配置模块范围规范错误检测方法，其特征在于，使用均方误差损失对所述状态变化预测器进行训练；所述状态变化预测器在训练过程中，通过迭代更新权重，使预测的参考状态a_t+1′与真实状态a_t+1的相似程度达到设定阈值范围。

5.根据权利要求3所述的无人机配置模块范围规范错误检测方法，其特征在于，首先将日志文件中的数据分成以下多个片段C_i＝{c_i，c_i+1，...，c_i+h}，i mod(h+1)＝0，其中，i是数据的数量，对以上数据片段进行聚类并从每个聚类中随机抽取代表样本m用于后续搜索；

在所述使用每个代表样本找出相应的错误配置发送给搜索器的步骤中：对于每个代表样本m，进行遗传算法搜索，通过迭代变异、交叉和选择找出相应的错误配置发送给搜索器。

6.根据权利要求5所述的无人机配置模块范围规范错误检测方法，其特征在于，所述进行遗传算法搜索的过程中采用适应度来量化给定配置会导致多少偏差，由适应度评估函数返回配置的偏差概率；具体地，假设当前搜索针对的是上下文片段C{c₁，...c_h，c_h+1}，通过适应度评估函数选择C′{c₁，c₂，...c_h}作为状态变化预测器的输入，并选择c_h+1的a_h+1用作计算偏差的基本事实；在评估配置x{x₁，...，x_D}时，D是参数的数量，适应度评估函数将其与段合并以创建特征V{{c₁，x}，...，{c_h，x}}，然后将这些特征输入给状态变化预测器，返回一个预测的参考状态a′_h+1；配置适应度的评估依据预测状态和真实状态之间的L1距离||a_h+1-a′_h+1|，搜索的目标是找到不正确的配置，这些配置被预测为最大化适应度，得到最大化导致不稳定状态的概率。