基于改进生成对抗网络的飞参数据异常检测方法
Flight parameter data anomaly detection method based on improved generative adversarial network作者机构：中国民航大学工程技术训练中心天津300300 中国民航大学电子信息与自动化学院天津300300
出 版 物：《浙江大学学报（工学版）》 (Journal of Zhejiang University：Engineering Science)
年 卷 期：2022年第56卷第10期
页 面：1967-1976,1986页
核心收录：
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金-民航联合基金资助项目(U1733201)
主 题：异常检测 生成对抗网络 飞参数据 机器学习 无监督学习
摘 要：针对民用飞行器安全性、可靠性要求严苛,实际民航运营中飞行参数的异常样本稀少,整体样本不平衡且缺少标注的问题,研究深度学习与生成对抗网络技术,提出基于改进生成对抗网络的飞参数据飞行级异常检测方法.该方法不依赖样本数量与标签,实现无监督学习的检测方法.针对飞参数据,输入正常数据样本,应用易收敛的WGAN-GP改进型生成对抗网络模型,模拟生成正常数据样本,计算输入数据与模拟正常数据的巴氏距离,实现对异常数据的检测.通过美国国家航空航天局模拟飞参数据的人工合成数据集以及真实运营环境下采集的快速存取记录器数据构建的飞参数据集,开展试验验证.结果表明,与常用无监督模型相比,提出方法在部分异常检测性能指标上有显著提升.
维普期刊数据库
同方期刊数据库