摘要
本发明涉及一种多维飞行数据的智能异常检测方法,属于航空飞行数据分析技术领域。本发明包括三个阶段:1)数据预处理阶段;2)正常数据模型训练阶段;3)智能异常检测阶段。本发明基于航空飞行器多维历史飞行数据,数据预处理后构建多维飞行数据的相似度特征矩阵,设计了由特征编码网络和特征解码网络组成的深度学习算法,根据输入特征矩阵和解码重建特征矩阵的残差矩阵,不断调整优化网络,建立多维飞行数据的正常数据模型。将待检测的多维飞行数据输入到构建好的深度学习网络模型,根据残差数据是否超过设定阈值,智能识别多维飞行数据中的异常数据,有效提高多维飞行数据异常检测的智能化水平。
技术关键词
异常检测方法
数据归一化方法
解码网络
多层卷积网络
残差矩阵
航空飞行器
多层注意力机制
深度学习网络模型
异常数据
递归神经网络
双曲正切函数
数据分析技术
前馈神经网络
编码
深度学习算法
残差数据
系统为您推荐了相关专利信息
货架
异常检测方法
图像识别技术
特征点集合
拉普拉斯金字塔
面部图像数据
矩阵
深度卷积神经网络
分裂算法
光流估计算法
线控底盘系统
车辆状态参数
道路附着系数
整车动力学模型
质心侧偏角
电池单体
综合评价指标
残差矩阵
电池组
主成分分析法