[发明专利]一种直升机飞行数据瞬时异常检测方法

说明书

本发明公开了一种直升机飞行数据瞬时异常检测方法，首先针对直升机飞行数据进行数据去噪和特征分析得到待异常检测飞行数据；然后选择多种异常检测算法，使用有标签的数据将多种异常检测算法的异常分数输入全连接层，学习参数，得到最终异常检测分数；最后将待检测飞行数据使用多种异常检测算法检测并将异常分数输入训练好的全连接层，得到最终的异常检测结果。本发明能有效且有一定可解释性地检测到直升机飞行中的瞬时异常。

技术领域

本发明属于信息技术领域，具体设计一种直升机飞行数据瞬时异常检测方法。

背景技术

由于直升机结构复杂，在检查时难以做到面面俱到，飞行时可能遇见从未发生的情况，事故发生后的查找分析也十分困难。因此如何才能做到有效确保直升机飞行安全，是研究者们需要深入研究的一项重要课题。

直升机飞行数据具有数据量大、维度高以及没有标签的特征，目前已有的各种超限检测仅仅是规定使用固定的阈值进行逻辑判断，而忽略了大量其余飞行数据所提供的信息，产生数据利用率低的结果。同时，飞行数据中也可能存在多维数据异常，比如某两个参数单独检测都是正常范围内，但组合检测会变为异常的情况。如果仅仅考虑专家经验，这种组合异常很难被检测到。

发明内容

针对现有飞行数据异常检测方法以及飞行数据无标签的特征，本发明提供了一种直升机数据瞬时异常检测的方法，可以进行异常检测并有可解释性。

为了达到上述发明目的，本发明采用的技术方案为：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。

其中，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'。

其中，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，