贵州大学张安思获国家专利权
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基于CNN-KFU多元回归模型的无人机飞控系统数据异常检测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:CN120316693B 。
龙图腾网通过国家知识产权局官网在2025-10-10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:202510802514.7,技术领域涉及:G06F18/2433;该发明授权基于CNN-KFU多元回归模型的无人机飞控系统数据异常检测方法是由张安思;武杰;张仪宗;王小华;朱芮佳设计研发完成,并于2025-06-16向国家知识产权局提交的专利申请。
本基于CNN-KFU多元回归模型的无人机飞控系统数据异常检测方法在说明书摘要公布了:本申请涉及无人机传感器异常检测方法技术领域,具体公开了一种基于CNN‑KFU多元回归模型的无人机飞控系统数据异常检测方法。在无人机飞行数据中,数据间往往存在不同程度的相关性,首先,利用相关性的分析方法,选取出与目标数据具有较高相关性的数据集合;其次,基于1DCNN和KFU设计了一种细粒度时空相关性分析的多元回归神经网络模型,即CNN‑KFU,利用CNN‑KFU作为数据的特征提取器,充分学习飞控数据在时间维度和空间维度上的相关性,使模型更好地理解数据特征。最终通过计算测试数据回归残差与阈值的偏差实现异常判定。本专利的目的在于解决现有技术存在参数选择缺乏有效性,且时空关系知识学习不充分问题,从而导致复杂飞行场景下异常检测能力低下的问题。
本发明授权基于CNN-KFU多元回归模型的无人机飞控系统数据异常检测方法在权利要求书中公布了:1.一种基于CNN-KFU多元回归模型的无人机飞控系统数据异常检测方法,其特征在于:所述方法包括如下步骤: S1:通过相关性分析方法分析飞控数据间的相关性,在众多参数中选取出与目标参数具有较高相关性的多个参数,所述众多参数为无人机飞控系统采集的导航东向速度、GPS高度、GPS纬度、GPS北向速度、GPS东向速度、GPS下降速度,选取的目标参数为导航东向速度; S2:构建CNN-KFU多元回归模型,通过一层卷积神经网络对无人机飞控系统数据进行初步的特征提取,将提取的特征作为双向长短期记忆网络层的输入,且双向长短期记忆网络层包括两个并行且参数不共享的BiLSTM结构,定义为F-BiLSTM和T-BiLSTM;并将F-BiLSTM和T-BiLSTM的输出分别经过自适应知识权重矩阵加权后进行融合; 所述步骤S2中CNN-KFU多元回归模型构建的具体步骤如下; S21:通过一层卷积神经网络对无人机飞控系统数据进行初步的特征提取,计算公式如下所示: 其中,表示数据进过第j层卷积核的输出,表示偏置向量,表示激活函数; S22:将提取后的特征作为双向长短期记忆网络层的输入,在BiLSTM层中,包括了两个并行且参数不共享的BiLSTM结构定义为F-BiLSTM和T-BiLSTM;并将F-BiLSTM和T-BiLSTM的输出分别经过自适应知识权重矩阵加权;其中自适应知识权重矩阵由可学习的参数组成,初始值设置为1,通过反向传播自动的进行更新;在BiLSTM层隐藏状态与自适应权重矩阵计算过程,将BiLSTM层中,F-BiLSTM最终隐藏层的输出经过知识权重矩阵的加权后得到,T-BiLSTM最终隐藏层的输出经过知识权重矩阵的加权后得到,表示BiLSTM层最终隐藏层输出的特征数,计算过程如下: 其中,表示细粒度自适应的知识权重矩阵,包含了两组可自动学习的参数和,能够通过反向传播,自动的将参数更新到最优;表示与中对应位置的元素相乘,和中对应位置的元素相乘; S23:将经过自适应权重矩阵计算过的两个BiLSTM层隐藏层相加,计算公式如下: 表示用于预测的输入特征,表示与中对应位置的元素相加; S3:根据CNN-KFU多元回归模型定义损失函数; S4:根据步骤S1中选取的无人机飞控参数,获取对应参数的真实无人机飞行数据集;对飞行数据进行预处理,并将飞行数据集以8:2拆分为训练集和测试集; S5:将训练集用于训练CNN-KFU模型,并根据损失函数对模型进行训练,得到训练好的CNN-KFU模型; S6:对测试集注入不同程度的常见异常,并将带有不同异常程度的测试数据输入CNN-KFU模型,得到测试数据的预测结果;将模型预测结果与数据的真实值进行运算得到测试集的待测残差; S7:将训练集数据输入CNN-KFU模型,得到训练集上的残差,用于对异常数据判断的异常阈值的初始化;将测试集的待测残差与异常阈值进行比较,完成异常判断。
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”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励