[发明专利]基于LSTM和近邻信任机制的蜂群无人机故障检测方法

权利要求书

1.一种基于LSTM和近邻信任机制的蜂群无人机故障检测方法，其特征在于，所述方法包括对于蜂群无人机中的任意无人机i：

无人机i的各个邻居无人机j分别获取无人机i在检测时刻t的状态观测值；

各个邻居无人机j根据无人机i在检测时刻t之前预定时长内的历史状态数据、利用预测模型得到邻居无人机j在检测时刻t针对无人机i的状态预测值，所述预测模型基于LSTM网络训练得到；

每个邻居无人机j根据获取到的状态观测值以及得到的状态预测值产生检测时刻t对无人机i的近邻检测结果，所述近邻检测结果用于指示所述邻居无人机j判断无人机i处于故障状态或处于正常状态；

按照各个邻居无人机j相对于无人机i的信任度权重对各个邻居无人机j在检测时刻t的近邻检测结果加权计算，得到无人机i在检测时刻t的最终故障检测结果，所述最终故障检测结果用于指示无人机i处于故障状态或处于正常状态；

其中，每个邻居无人机j相对于无人机i的信任度权重与所述邻居无人机j的网络中心性和/或邻居无人机j与无人机i之间的通信可靠性相关；网络中心性越高的邻居无人机j在产生指示无人机i处于故障状态的近邻检测结果时的信任度权重越高、在产生指示无人机i处于正常状态的近邻检测结果时的信任度权重越低；与无人机i之间的通信可靠性越高的邻居无人机j的信任度权重越大；

每个邻居无人机j在检测时刻t相对于无人机i的信任度权重为：

其中，α₁、α₂均为加权权重，α₁∈[0,1]、α₂∈[0,1]、α₁+α₂＝1；表示邻居无人机j产生的对无人机i的近邻检测结果，当时指示所述邻居无人机j判断无人机i处于正常状态，当时指示所述邻居无人机j判断无人机i处于故障状态；ME'_j(t)是对邻居无人机j在检测时刻t的网络中心性进行归一化处理得到的参数，邻居无人机j的网络中心性越高、ME'_j(t)越大；表示基于邻居无人机j与无人机i之间在检测时刻t的通信可靠性确定的归一化参数；

邻居无人机j的网络中心性ME_j为：

其中，DC_j是邻居无人机j的标准化度中心性且蜂群无人机共包括N架无人机，d_j是邻居无人机j的度表示其与蜂群无人机中其他N-1架无人机的直接联系总数；邻居无人机j共有M个邻居无人机，邻居无人机j的任意第m个邻居无人机的标准化度中心性为DC_m；

邻居无人机j与无人机i之间的通信可靠性基于邻居无人机j与无人机i之间的通信能耗来表示，是对邻居无人机j与无人机i之间的通信能耗进行归一化处理得到的参数；通信能耗越低、邻居无人机j与无人机i之间的通信可靠性越高；邻居无人机j与无人机i之间的通信能耗为：

其中，邻居无人机j与无人机i之间的距离为d、传输的数据量为kbit，表示在距离为d的通信链路中传输kbit数据的能耗，表示功率放大器在多径衰落模型中的能耗；E_elec是无人机通信电路感知1bit数据的能耗，ε_fs是自由空间衰落模型中功率放大器处理kbit数据的能耗，r为无线信道常数。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

每个邻居无人机j根据所述邻居无人机j的网络中心性和/或邻居无人机j与无人机i之间的通信可靠性，在各个检测时刻更新所述邻居无人机j相对于无人机i的信任度权重。

3.根据权利要求1所述的方法，其特征在于，所述预测模型包括若干级依次级联的LSTM网络，且相邻两个级联的LSTM网络之间设置有Droupout层。

4.根据权利要求1所述的方法，其特征在于，每个邻居无人机j得到无人机i的状态预测值的方法包括：

邻居无人机j将无人机i在检测时刻t之前预定时长内的历史状态数据输入预测模型中，所述历史状态数据包括无人机i在三维运动方向的位置时间序列和在三维运动方向的速度时间序列，将所述预测模型输出的无人机i在检测时刻t三维运动方向的预测位置作为无人机i的状态预测值。

5.根据权利要求1所述的方法，其特征在于，每个邻居无人机j产生检测时刻t对无人机i的近邻检测结果的方法包括：

邻居无人机j计算检测时刻t对无人机i的状态观测值和状态预测值的残差结果，若残差结果超过预设阈值，则产生指示无人机i处于故障状态的近邻检测结果；若残差结果未超过预设阈值，则产生指示无人机i处于正常状态的近邻检测结果。