[发明专利]一种直升机飞行数据瞬时异常检测方法

权利要求书

1.一种直升机飞行数据瞬时异常检测方法，其特征在于，包括以下步骤：

S1、对直升机飞行数据进行数据去噪和特征分析得到待检测的飞行数据；

S2、选择多种异常检测算法，利用有标签的数据进行异常检测，得到异常分数；再将异常分数输入全连接层，对神经网络参数进行训练，得到基于异常检测分数训练的全连接神经网络；

S3、将待检测飞行数据输入训练后的全连接神经网络，得到最终的异常检测结果。

2.根据权利要求1所述的直升机飞行数据瞬时异常检测方法，其特征在于，所述步骤S1具体为：

S1.1、针对直升机飞行数据每一维度进行数据去噪，筛选出明显异常的数据并去除该条数据，得到初始数据集D；

S1.2、对步骤S1.1处理后的数据进行分析，提取出对其安全状态有较大影响的物理数据特征作为待异常检测的特征，根据筛选特征得到待异常检测数据集D'。

3.根据权利要求1所述的直升机飞行数据瞬时异常检测方法，其特征在于，所述步骤S2具体为：

S2.1、根据不同的分类选取k个无监督异常检测算法；

S2.2、选取m个有标签的数据集，分别使用所选无监督异常检测算法进行异常检测并得到每个方法对每条数据的异常打分并对于每一方法的分数进行归一化，得到初始打分矩阵S_rt,(r＝1,2,3,···,k,t＝1,2,3,···,m)，S_rt为使用第r种异常检测算法对第t个数据集异常检测的异常分数；

S2.3、构建损失函数为均方误差，以损失函数最小为目标，采用随机梯度下降法分别以m个数据集作为训练集进行权重训练，并得到权重w_t,(t＝1,2,3,···,m)；

S2.4、将每一组权重w_t应用在全部数据集中进行异常检测，并计算该组权重平均auc，选取平均auc最高的权重作为最终异常检测分数的全连接神经网络。

进一步地，所述步骤S2.3中损失函数具体为：

其中，n为所选训练数据集的数据条数，x_i为神经网络计算第i个点为异常点的概率，y_i为第i个点的标签，

进一步地，所述步骤S2.3中所构建的神经网络中前馈函数为：

y＝xA^T+b

其中，y为该层输出，x为该层输入，A为该层权重矩阵，b为偏置参数。

4.根据权利要求1所述的直升机飞行数据瞬时异常检测方法，其特征在于，所述步骤S3具体为：

S3.1、定义异常比例θ，使用S2.1中选择的k个异常检测算法对待异常检测数据集D'进行异常检测并得到异常分数S'_rt；

S3.2、将异常分数输入S2.4选择好的全连接神经网络中，得到最终的异常分数S'_t；

S3.3、将异常分数S'_t由高到底排序，并选取得分最高的前θ比例的点作为异常点。