买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉贵州大学申请的专利一种基于重构模型的多变量飞行数据异常检测和定位方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119885038B 。

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510352273.0，技术领域涉及：G06F18/2433；该发明授权一种基于重构模型的多变量飞行数据异常检测和定位方法是由杨磊;李少波;朱才朝;张仪宗;张安思设计研发完成，并于2025-03-25向国家知识产权局提交的专利申请。

本一种基于重构模型的多变量飞行数据异常检测和定位方法在说明书摘要公布了：一种基于重构模型的多变量飞行数据异常检测和定位方法，包括以下步骤：数据预处理步骤：收集无人机飞行数据，将原始输入数据按预设比例划分为训练集和测试集，对数据进行归一化处理；模型构建步骤：构建基于DCANNs的神经网络重构模型；自动编码器模块通过编码器将输入数据压缩为潜在变量再由解码器将z解码回原始数据空间获得重建数据；自适应异常检测步骤：利用训练集重构残差计算异常阈值，通过比较测试集的异常分数与阈值实现异常检测；异常定位步骤：通过计算和分析残差的统计特征定位异常参数；本发明的目的解决了传统深度学习模型特征提取不充分、固定统计阈值无法适应飞行数据动态变化以及异常参数具体来源无法定位的问题。

本发明授权一种基于重构模型的多变量飞行数据异常检测和定位方法在权利要求书中公布了：1.一种基于重构模型的多变量飞行数据异常检测和定位方法，其特征在于，包括以下步骤： S01数据处理阶段：收集无人机飞行数据，对原始数据进行归一化预处理；按比例将原始数据划分为训练集和测试集，训练集仅含正常数据，测试集通过向正常数据注入偏差异常、漂移异常和卡死异常生成异常数据； S02模型构建与训练阶段：构建DCANNs重构模型，该模型包括基于一维卷积的局部特征提取模块、基于注意力机制的关键特征学习模块、基于自动编码器的数据表示模块；使用训练集数据训练模型，使自动编码器的重建误差最小化； 所述S02中，基于一维卷积的局部特征提取模块中，对于输入数据，经Conv1D运算后输出，的第个元素为，为卷积核且，K为卷积核长度，是的第个元素，是卷积核的第个元素； 所述S02中，基于注意力机制的关键特征学习模块中，给定输入数据和查询向量q，的权重为 式中是打分函数，soft是用于将转换为概率分布的softmax函数，是的权重，然后，将和进行加权求和得到模型重点关注的信息，表示为Atten，如下式所示： ； 所述S02中，所述基于自动编码器的数据表示模块中，自动编码器AE的编码器将输入数据D压缩为潜在变量z，其中是编码器的权重，是编码器的偏置，是激活函数，解码器将z解码为重构数据，其中是解码器的权重，是解码器的偏置，AE的训练目标是使D和之间的重建误差尽可能小，损失函数定义如下： ； S03异常检测阶段：计算训练集和测试集的重构残差，以训练集重构残差初始化基于极值理论的方法的初始阈值；通过最大化似然函数估计广义帕累托分布的形状参数和尺度参数，得到最终异常阈值；将测试集数据的异常分数与阈值比较，判断数据是否异常； S04异常定位阶段：根据测试集残差，计算每个变量的残差和，以残差和作为变量的异常程度得分，通过比较异常程度得分定位异常参数； 所述S04中，对于测试集中v个变量的第c个残差定义为 式中、和分别是中第v个变量的第c个测试残差、原始值和重建值，第v个变量的残差和 作为该变量的异常程度得分，越高，变量v越有可能是异常参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人贵州大学，其通讯地址为：550000 贵州省贵阳市花溪区甲秀南路贵州大学西校区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。