快速存取记录器(QAR)记录了表征飞机系统状态以及飞行状态的参数,QAR数据异常检测对飞机状态监控、飞行品质评估和保障飞行安全等具有重大意义。基于QAR数据的时间相关性,采用滑窗与聚类相结合的方法实现了单维参数的异常检测;基于QAR数据的空间相关性,采用多元线性回归方法实现了多维参数的异常分析。以某一航班的QAR数据为例进行仿真分析,结果表明,所采用的算法可以有效检测出异常数据,并能确定异常产生的原因,为QAR数据在飞行品质评估与飞机状态监控中的应用奠定了理论基础。

异常数据检测是保障无线传感器网络节点数据准确性和可靠性的重要步骤。针对无线传感器网络节点异常数据检测问题,提出一种基于卷积神经网络的异常数据检测方法。该方法是对正常数据和注入故障后生成的异常数据进行归一化处理后映射成的灰度图片作为卷积神经网络的输入数据,并且基于LeNet-5卷积神经网络设计了合适的卷积层特征面及全连接层的参数,构造了3种新的卷积神经网络模型。该模型通过卷积层自主学习数据特征,解决了传统检测算法的性能容易受到相关阈值影响的问题。通过网络公开数据集进行模型测试,结果表明该方法具有很好的检测性能和较高的可靠性。