基于LSTM-GAN的无人机飞行数据异常检测算法

作者：王凤芹; 高龙; 徐廷学; 王丽娜

来源：中国惯性技术学报, 2022, 30(02): 264-271.

DOI：10.13695/j.cnki.12-1222/o3.2022.02.019

• 无人机飞行数据分析
• 异常检测
• 无监督学习
• 生成对抗网络
• 长短时记忆网络

飞行数据的异常检测是保障无人机飞行安全的关键。为了提升异常检测的准确率，以更好地构建无人机飞行数据正常样本的数据模式，提出了一种基于长短时记忆网络（LSTM）和生成对抗网络（GAN）的异常检测算法。设计了由生成网络、判别网络和重构网络组成的循环学习网络，同时为了避免网络学习产生梯度爆炸的风险，设计了一种由两个判别损失函数与一个重构损失函数相结合的目标损失函数。实验结果表明，LSTM-GAN异常检测算法均优于K-means、单类支持向量机、LSTM和Auto-Encoder算法的异常检测性能。LSTM-GAN比LSTM异常检测的准确率提高2.2%。