【技术实现步骤摘要】
本专利技术涉及飞行数据异常检测方法，尤其是涉及一种基于随机遮盖扰动的飞行数据异常参数定位模型训练方法、异常参数定位方法。
技术介绍
1、飞机已成为人们出行的主要交通工具之一，飞机的安全性能直接影响着乘客和机组人员的生命安全。飞行异常是降低飞行安全、导致飞行事故的重要因素，往往会造成重大经济损失、人员伤亡和不良社会影响。
2、飞行数据实时记录了飞机的运行状态，通过对飞行数据开展异常定位研究，可以在飞机发生异常时及时提出预警，降低飞行事故的发生概率。现有的异常检测方法可分为基于知识的方法、基于模型的方法和数据驱动的方法。基于知识的异常检测方法依靠领域专家利用飞机的设计特点和飞行性能建立异常检测规则。另一方面，基于模型的异常检测方法需要为飞机建立精确的数学模型。利用这些模型来分析模型输出与系统实际输出之间的残差序列，从而识别异常。基于知识的方法和基于模型的方法都具有可解释性强、计算量小的优点。然而，随着飞机结构的日益复杂，这些方法的开发和应用也受到了限制。如今，在飞行数据异常检测领域主要以基于数据驱动的为主。
3、数据驱动方法利用先进的人工智能算法，从大量真实飞行数据中提取低级融合信息，并根据正常飞行模式建立检测器来检测异常。由于异常飞行数据难以获取和海量样本标记困难，飞行数据异常检测方法主要以无监督方法为主。无监督异常检测方法基于飞行参数之间的强耦合关系构建关键飞行参数的预测器，并获取预测值与实际值之间的残差来实现异常检测。然而，目前的飞行数据异常检测方法仅能检测到异常时间点，而无法精确定位到具体异常参数。究
技术实现思路
1、本专利技术的目的是提供一种基于随机遮盖扰动的飞行数据异常参数模型训练方法及异常参数定位方法，通过在正常数据样本中执行随机遮盖操作，来获取海量异常样本。并且为了保证异常样本的真实性和有效性，根据飞行参数中常见的异常数据类型（点异常、偏置异常、静态异常、漂移异常）设计了两种随机遮盖方法，即随机噪声遮盖和常值遮盖，以对模型进行训练。
2、本申请第一方面提供一种基于随机遮盖扰动的飞行数据异常参数定位模型训练方法，采用如下方法获取训练样本：
3、获取原始训练样本dtrain，，将所述原始训练样本中的样本从时间上打乱，并以batch形式组织；xt为第t个原始输入样本，其值为t时刻之前一个滑窗范围的飞行参数集合；yt为第t个原始输出样本，其值为t时刻的飞行参数集合；每一个飞行参数集合中含有n个飞行参数；
4、选取遮盖参数集合m1：随机选取第一比例，，为均匀分布；从n个飞行参数中随机抽取个飞行参数组成遮盖参数集合m1；
5、注入随机噪声以及进行常值遮盖：选择第二比例，；从集合m1中选择个飞行参数组成m2，m1中的剩余参数组成m3；将m2中的每个飞行参数的值加上一个对应的随机噪声ε，形成集合m2’；将m3中的每一个飞行参数都替换为一个对应的常值，所述常值为该飞行参数在正常范围内的随机值，形成集合m3’；则集合m1经处理后形成集合m1’；
6、将原始训练样本中每个飞行参数集合的m1替换为m1’组成训练样本。
7、将经过上述处理的训练样本用于进行预测模型训练，将训练好的模型用于进行飞行数据异常参数定位。
8、本申请另一方面提供一种基于随机遮盖扰动的飞行数据异常参数定位方法：
9、获取含有n个飞行参数的飞行数据；
10、将飞行数据输入到训练好的预测模型中，得到预测模型的输出值；
11、计算预测模型的输出值与采集到的真实值之间的残差集合，判断每一个残差是否在对应飞行参数残差的正常取值范围内；
12、若否，则对应的飞行参数异常。
13、作为优选，获取的飞行数据含时间标签，则异常飞行参数根据时间标签定位到异常时间点。
14、采用本申请的基于随机遮盖扰动的飞行数据异常参数定位模型训练方法、异常参数定位方法，相比于现有技术，具有如下有益效果：
15、本申请通过对历史数据执行随机遮盖，获得大量的异常数据作为训练样本对预测模型进行训练，既解决了本领域有标签的异常参数样本少的问题，又能保证异常样本的真实性和有效性，基于这些经处理的样本可以训练得到更精确的预测模型；
16、根据飞行参数中常见的异常数据类型：点异常、偏置异常、静态异常、漂移异常，设计了两种随机遮盖方法。对于点异常、偏置异常和漂移异常情况设计了随机噪声遮盖，对于静态异常设计了常值遮盖，采用这两种随机遮盖方法可以对训练样本植入最常见的异常数据，使得用于训练的训练样本参数更真实，且训练的预测模型更适用于实际情况；
17、本申请经过训练的预测模型可以精确定位到异常参数类型，并且在参数含时间标签时，还可以精确定位到异常时间点，极大地减少了排除故障的时间。
本文档来自技高网...【技术保护点】
1.一种基于随机遮盖扰动的飞行数据异常参数定位模型训练方法，其特征在于，采用如下方法获取训练样本：
2.根据权利要求1所述的一种基于随机遮盖扰动的飞行数据异常参数定位模型训练方法，其特征在于，、的值四舍五入取整。
3.根据权利要求1或2所述的一种基于随机遮盖扰动的飞行数据异常参数定位模型训练方法，其特征在于，
4.根据权利要求3所述的一种基于随机遮盖扰动的飞行数据异常参数定位模型训练方法，其特征在于，所述预测模型包括卷积神经网络、循环神经网络、全连接神经网络、Transformer。
5.根据权利要求3所述的一种基于随机遮盖扰动的飞行数据异常参数定位模型训练方法，其特征在于，在模型训练过程中，每次对模型参数进行更新后，均要重新选择第一比例和第二比例值。
6.根据权利要求3所述的一种基于随机遮盖扰动的飞行数据异常参数定位模型训练方法，其特征在于，模型训练过程中，模型优化的目标函数为：
7.一种基于随机遮盖扰动的飞行数据异常参数定位方法，其特征在于，
8.根据权利要求7所述的一种基于随机遮盖扰动的飞行
9.根据权利要求7或8所述的一种基于随机遮盖扰动的飞行数据异常参数定位方法，其特征在于，获取的飞行数据含时间标签，则异常飞行参数根据时间标签定位到异常时间点。
...【技术特征摘要】
1.一种基于随机遮盖扰动的飞行数据异常参数定位模型训练方法，其特征在于，采用如下方法获取训练样本：
2.根据权利要求1所述的一种基于随机遮盖扰动的飞行数据异常参数定位模型训练方法，其特征在于，、的值四舍五入取整。
3.根据权利要求1或2所述的一种基于随机遮盖扰动的飞行数据异常参数定位模型训练方法，其特征在于，
4.根据权利要求3所述的一种基于随机遮盖扰动的飞行数据异常参数定位模型训练方法，其特征在于，所述预测模型包括卷积神经网络、循环神经网络、全连接神经网络、transformer。
5.根据权利要求3所述的一种基于随机遮盖扰动的飞行数据异常参数定位模型训练方法，其特征在于...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。