基于生成对抗网络的航天异常事件检测方法

• 作者: 任元 张克明 蔡远文
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 生成对抗网络(GAN) 异常检测 学习算法 深度学习 航天应用
• 年，卷（期）: 2019,（7）
• 页码范围: 1329-1336
• 页数: 8页
• 分类号: TP391.4
• 字数: 6818字
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2018.0682

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡远文	航天工程大学研究生院	6	8	2.0	2.0
2	任元	航天工程大学宇航科学与技术系	14	11	2.0	2.0
3	张克明	航天工程大学研究生院	1	1	1.0	1.0