基于时空关联的飞控传感器数据异常检测

飞控传感器数据的异常检测对保证飞行器安全稳定运行有重要意义。然而,现有的异常检测方法大多仅从传感器数据之间的关联性或不同传感器间数据的相关性变化角度出发,当飞行器运行工况动态变化时,可能会由于对传感器数据的特征提取不充分而导致异常检测结果的准确率偏低且虚警率偏高。对此,本文提出一种基于时空关联的飞控传感器数据异常检测方法,实现对传感器数据时间与空间2个维度变化规律的融合建模。首先,同时构建时序演化与空间相关性特征提取模块来对传感器数据进行时间与空间两个维度特征的并行提取。其次,对2个模块的预测输出进行时空关联融合,得到时空关联的预测飞控传感器数据。最后,基于预测数据与实际数据残差的统计量进行阈值选取并对传感器数据进行异常检测。在无人机惯性测量单元仿真与实测数据集上对本文方法进行验证,结果表明相较于相关向量机等典型的异常检测方法,本文方法的异常检测准确率至少提高0.4%且虚警率至少降低1.8%。

基于L1趋势滤波的飞控传感器降噪方法

针对飞行控制传感器中普遍存在的噪声信号,提出了一种基于L1趋势滤波技术的在线降噪方法。首先简要介绍了L1趋势滤波技术,引入了滑动窗口对算法进行改进以满足实时在线应用需求。以气压计所采集的信号为例,采用原始飞参数据,利用该方法进行降噪处理,并与文献中常用的小波降噪方法进行初步比较,基于Matlab的仿真结果验证了该方法的可行性。

A330 F/CTL SENSOR FAULT保留程序分析和总结

就A330飞机F/CTL SENSOR FAULT警告信息在最低设备清单里的条款要求进行说明,通过多角度分析并结合实际工作给出执行建议,并对容易误解之处做出详细说明。