基于HMM和DT的无人机异常检测方法

• 作者: 张洪海 周锦伦 于文娟 刘皞 钟罡
• 来源期刊: 中国安全生产科学技术
• 学科: 工学
• 关键词: 无人机 异常检测 隐马尔可夫模型 监督学习 决策树
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 职业安全卫生管理与技术|Occupational Safety and Health Management and Technology
• 页码范围: 193-198
• 页数: 6页
• 分类号: X949
• 语种: 中文
• DOI: 10.11731/j.issn.1673-193x.2022.03.029

摘要

为了实时检测无人机异常状态,提出基于隐马尔可夫模型(Hidden Markov Model,HMM)和决策树(Decision Tree,DT)的无人机异常检测方法(HMMDT).首先根据异常致因将无人机异常分为干扰异常和硬件异常;然后结合HMM和DT建立无人机异常检测模型,定义无人机异常度衡量异常状态的严重程度,确定其阈值作为异常分类标准;最后用经纬600pro型无人机进行实操验证,该方法异常检测召回率达92.9％,准确率达97.2％;对硬件异常的识别准确率达88.2％.结果表明:与传统异常检测方法相比,该方法在可以满足无人机实时异常检测需要的同时,具有较高的检测准确率和较小的时间复杂度.