【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第11期 88-91页,共5页

【作 者】： 张轶辉 ; 吕勇 ; 张贵

【摘 要】 无人机在飞行的过程中,采集的故障信号数据会随着飞行环境的随机性变化而改变,造成异常信号数据关联性降低。利用传统算法进行异常信号数据挖掘的过程中,建立的关联规则过于复杂,加入过多约束条件分析环境特征,导致挖掘过程耗时较长。为解决上述问题,提出基于知识本体提纯的无人机采集实时数据挖掘方法。针对无人机异常信号数据知识本体表示方法进行了详细阐述。利用贝叶斯概率方法计算当前状态信号属于某类别异常信号的最大概率,从而为异常信号的提纯提供了准确依据。针对相似度较高的两个异常信号进行提纯处理,在提纯过程中充分考虑到信号采集时间间隔和时延,从而保证了实时性要求。实验结果表明,利用改进算法进行无人机异常信号挖掘,能够提高异常信号挖掘的及时性和准确性。