基于改进LSTM的多维QAR数据异常检测

快速存储记录器QAR(quick access recorder)数据保留了飞行器大量的飞行参数,使得研究飞行器飞行安全、保障飞行品质成为可能.针对多维QAR数据的安全检测要求,本文提出一种基于卷积VAE和多头自注意力-LSTM模型,用于有效且可解释的多维时间序列异常检测.该模型能够捕获多个时间序列数据通道之间的空间信息和时间信息,对序列模式进行可解释的重建从而检测所有类型的异常.实验部分在真实的QAR数据集上与iForest、LSTM、VAE、LSTM-VAE和USAD等已有方法进行对比.结果表明,该模型在3个不同阶段的异常检测中,F,分数分别达到0.891 2、0.942 4、0.953 7,均优于对比模型,能够准确检测出多维QAR数据中存在的异常.