买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉贵州大学申请的专利一种无人机飞行数据高精度异常检测和数据恢复方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119475198B 。

龙图腾网通过国家知识产权局官网在2025-07-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510053041.5，技术领域涉及：G06F18/2433；该发明授权一种无人机飞行数据高精度异常检测和数据恢复方法是由杨磊;李少波;朱才朝;张安思;刘健设计研发完成，并于2025-01-14向国家知识产权局提交的专利申请。

本一种无人机飞行数据高精度异常检测和数据恢复方法在说明书摘要公布了：本发明涉及无人机检测技术领域，具体涉及了一种无人机飞行数据高精度异常检测和数据恢复方法。包括以下步骤：S1、构建基于TCN‑KANs的多元回归模型，所述TCN‑KANs模型包括输入层、三个残差块以及一个KAN层，其中残差块通过卷积层以及残差连接提取特征，并对输入特征进行非线性变化，提取潜在模式并生成最终输出，KAN层作为TCN‑KANs最终的输出层；S2、最小化预测值和真实值之间的误差；S3、根据模型的预测结果计算残差，对残差进行平滑处理后，通过对残差的统计特性进行分析确定异常阈值；S4、无人机的飞行实时监控以及操作控制时，通过模型在检测到异常后生成恢复值进行数据恢复。

本发明授权一种无人机飞行数据高精度异常检测和数据恢复方法在权利要求书中公布了：1.一种无人机飞行数据高精度异常检测和数据恢复方法，其特征在于：包括以下步骤： S1、构建基于TCN-KANs的多元回归模型，所述TCN-KANs模型包括输入层、三个残差块以及一个KAN层，将KANs作为TCN-KANs最终的输出层，残差块通过卷积层以及残差连接提取特征，并对输入特征进行非线性变化，提取潜在模式并生成最终输出； S2、最小化预测值和真实值之间的误差； S3、根据模型的预测结果计算残差，对残差进行平滑处理后，通过对残差的统计特性进行分析确定异常阈值； S4、无人机的飞行实时监控以及操作控制时，通过模型在检测到异常后生成恢复值进行数据恢复； 所述S1包括以下步骤： S11、设置第一个残差块包括两个扩展因果卷积层，内核大小为3，扩展因子为1，过滤器数量为16，在第二个残差块，内核大小为3，扩展因子为2，并且过滤器数量为32，第三个残差块中，内核大小为3，扩展因子为4，过滤器数量为64； 经过三个残差块的输出表示如下： 其中，和分别表示第一个、第二个和第三个残差块的输出，表示经过映射函数TCN⋅处理后的输出特征； S12、将通过KAN层进行变换，对输入特征进行的非线性变换，提取潜在模式并生成最终输出，如下式所示： 其中表示最终的预测结果，表示映射函数； 所述S3包括以下步骤： S31、根据模型的预测结果计算残差，向模型分别输入训练集和测试集，得到： 其中，和分别为和的预测值，为映射函数； S32、训练残差和测试残差： 其中和分别为目标变量的训练集和测试集； S33、引入了指数加权平均方法EWMA方法对和进行平滑处理： 其中，是第个残差的平滑值，是可调节的权重参数，是原始残差，且； S34、基于极值理论的流峰值超过阈值SPOT方法来获取动态阈值，将超过阈值部分表示为： 其中，为最初阈值由进行初始化，γ和σ分别为形状参数和尺度参数； S35、使用似然函数最大化的方法来估计γ和σ参数： 其中是大于的峰值的样本数据总和； 和是通过最大似然估计方法得到的更新参数，q表示预定义的极值点分位数，是样本总数，是最终阈值和的差异值，； S36、根据S35得到： S37、根据S33和S36，进行异常检测： 其中是平滑后的测试残差的第个样本，是的阈值，1表示异常，0表示正常。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人贵州大学，其通讯地址为：550004 贵州省贵阳市花溪区甲秀南路贵州大学西校区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。