基于生成对抗网络的航天异常事件检测方法

作者：张克明; 蔡远文; 任元^*

来源：北京航空航天大学学报, 2019, 45(07): 1329-1336.

DOI：10.13700/j.bh.1001-5965.2018.0682

• 生成对抗网络(GAN)
• 异常检测
• 学习算法
• 深度学习
• 航天应用

航天环境复杂,技术难度大,风险高,安全可靠性要求苛刻。航天异常事件样本少,且难以获取,有针对性地开展异常事件检测(AED)很有必要。为预防航天事故,尽早发现可能导致故障的异常事件,深入研究了最新人工智能和生成对抗网络(GAN)技术,提出了一种基于生成对抗网络的航天异常事件检测方法。使用正生成对抗网络模拟生成正常事件样本,训练反生成对抗网络模拟生成异常事件样本,设计合理算法训练测试,计算输入事件与正生成对抗网络生成的模拟正常事件欧氏距离,以及输入事件与反生成对抗网络生成的模拟异常事件的欧氏距离差,实现对异常事件的精确检测。通过在美国国家标准与技术研究所数据库(MNIST)数据集全部使用正常数据训练,并对异常事件检测性能进行了试验验证,试验结果表明:在MNIST数据集下,精确率和召回率综合评价指标(F1)及精确率和召回率曲线下面积(PRC)等关键技术指标比变分自动编码器(VAE)方法相应指标性能至少分别提升了31%和11%。在真实环境下采集的模拟航天音频数据试验,异常事件检测性能良好,进一步证实了所提方法真实可用。

• 单位
  中国人民解放军装备学院