[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

说明书

本申请公开了一种基于LSTM和近邻信任机制的蜂群无人机故障检测方法，涉及故障检测技术领域，该方法基于LSTM网络构建预测模型，近邻无人机根据传感器历史数据可以实时预测下一时刻的传感器输出值得到状态预测值，结合状态观测值可以得到近邻检测结果，并加入近邻信任机制综合近邻检测结果和信任度权重得出最终故障检测结果，该方法无需进行复杂的蜂群无人机动力学模型线性化，可以有效、快速地检测蜂群无人机是否发生传感器故障，有效避免由传感器故障对整个集群带来的危害，非常适用于蜂群无人机动力学模型线性化难且具有多参量耦合的场景，为有效避免传感器故障对蜂群无人机产生的危害提供理论依据。

技术领域

本申请涉及故障检测技术领域，尤其是一种基于LSTM和近邻信任机制的蜂群无人机故障检测方法。

背景技术

无人机(Unmanned Aerial Vehicle)指可以通过远程控制或自主操控的方式实现飞行控制而无需人为驾驶控制、不载人的空中智能体，主要分为固定翼无人机和旋翼无人机两类。固定翼无人机续航长、抗风性好。旋翼无人机成本低、运动灵活、可定点悬停。无人机凭借其优势广泛应用于各个行业，特别在军事任务应用场景，固定翼无人机凭借其长距离飞行的特性，在执行战场侦察，通信中继，信息对抗等任务有出色的表现。

由于单架无人机功能的有限性，难以完成更复杂的任务，自然界中存在诸多生物种群能够通过个体之间的相互交流与合作，呈现某种群体行为。人们从中得到启发，提出利用无线通信网络连接单架无人机，构成智能无人机集群。通过无人机在集群中的信息交互实现相互协作，大幅提升完成复杂任务的成功率。蜂群无人机就是基于蜂拥控制策略下的智能无人机集群。蜂群无人机具有成本低、易于部署、集群多样性等优点，在军事和民用领域都得到了应用。中电科研制的陆空协同固定翼蜂群无人机系统，通过无人机灵活的空中切换队形，通过多轮打击实现打击效果最大化。

无人机传感器通常是较为精密的机械装置，工作环境相对较差，而且为了提高结构集成度、降低成本。目前许多无人机采取无冗余或低冗余设计，传感器成为了飞控系统的薄弱环节，故障发生率高。相比单架无人机发生传感器故障，蜂群无人机的故障个体会通过通信网络将故障的影响传播到邻居无人机，影响整个集群的飞行。因此，准确快速地实现蜂群无人机传感器故障检测是保证蜂群无人机飞行可靠性的关键。

目前对于无人机传感器故障检测方法主要有基于模型的检测方法以及基于信号处理的检测方法：

(1)基于模型的检测方法常用分布式观测器、滑模观测器。但是基于模型的检测方法依赖精确的数学模型，不适用于复杂系统。而且由于蜂群无人机系统没有固定的队形，无人机只与通信范围内的邻居无人机进行信息交互，无法建立蜂群无人机系统确切的数学模型，因此难以采用模型的方式对蜂群无人机进行故障分析。

(2)基于信号处理的检测方法常用小波变换、模态分解等方法挖掘数据中的故障特征。但是基于信号处理的方法只对单一变量时域或频域信息进行分析，忽略了多变量之间的耦合关系，故障分析的准确性较低，难以满足蜂群无人机这种多参量耦合的场景。

因此现有的基于模型的检测方法以及基于信号处理的检测方法都很难准确有效的实现无人机传感器故障检测。

发明内容

本申请人针对上述问题及技术需求，提出了一种基于LSTM和近邻信任机制的蜂群无人机故障检测方法，本申请的技术方案如下：

一种基于LSTM和近邻信任机制的蜂群无人机故障检测方法，该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，预测模型基于LSTM网络训练得到；