公开(公告)号：CN108960303A

公开(公告)日：2018-12-07

申请号：CN201810639367.6

申请日：2018-06-20

Applicant: 哈尔滨工业大学

Inventor： 刘大同 ,  彭宇 ,  王泽洋 ,  王本宽 ,  彭喜元

IPC: G06K9/62 ,  G06Q10/00

CPC classification number: G06K9/6256 ,  G06K9/6267 ,  G06Q10/20

Abstract: 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。

公开(公告)号：CN108960303B

公开(公告)日：2021-05-07

申请号：CN201810639367.6

申请日：2018-06-20

Applicant: 哈尔滨工业大学

Inventor： 刘大同 ,  彭宇 ,  王泽洋 ,  王本宽 ,  彭喜元

IPC: G06K9/62 ,  G06Q10/00

Abstract: 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。