基于深度学习的风洞天平测力试验数据异常检测方法研究

摘要：

风洞天平测力试验数据异常检测有助于分析试验异常原因、排查设备故障、改进试验方案,为解决目前人工检测时间成本高、效率低的问题,提出一种基于深度学习的异常检测框架.首先针对异常零样本问题,对风洞试验常见的异常类型及规律进行总结;然后为解决不同车次数据维度不同的问题,提出基于统计特征的标准化特征表示方案;最后利用神经网络学习异常特征,完成异常检测.试验结果表明:基于深度学习的异常检测方法对风洞异常数据检测的准确率和检出率分别达到了81.7％和72.6％,能够较好地识别孤立跳点异常和多点异常.

关键词：风洞试验、天平测力、异常检测、异常规则、深度学习

所属期刊栏目：36

分类号：V211.74;TP391(基础理论及试验)

资助基金：中央高校基本科研业务费专项2022JBQY007

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：67-73