ALFA：一种用于无人机故障与异常检测的数据集
系统与控制
2021-12-09 v2 机器人学
系统与控制
摘要
我们提出一个包含固定翼无人机(UAV)操纵面多种故障类型的数据集，用于故障检测与隔离(FDI)及异常检测(AD)研究。目前，该数据集包含 47 次自主飞行的处理数据，其中有 23 个突发全发动机失效场景和 24 个其他七类突发操纵面(执行器)故障场景，总计 66 分钟正常飞行和 13 分钟故障后飞行时间。其还包含数小时全自主、自动驾驶仪辅助和手动飞行的原始数据，含数十个故障场景。每个场景均提供故障时间与类型的真值，以便使用该数据集评估方法。我们还提供了多种编程语言下的辅助工具来加载和处理数据，并助力使用数据集对检测方法进行评估。提出了一组指标以帮助利用该数据集比较不同方法。当前大多数故障检测方法在仿真中评估，据我们所知，该数据集是唯一以如此规模提供含故障真实飞行数据的数据集。我们希望其能推动自主飞行器与移动机器人的异常检测或 FDI 研究的前沿，进一步提升自主与远程飞行操作的安全性。数据集及所提供的工具可从 https://doi.org/10.1184/R1/12707963 获取。
引用
@article{arxiv.1907.06268,
title = {ALFA: A Dataset for UAV Fault and Anomaly Detection},
author = {Azarakhsh Keipour and Mohammadreza Mousaei and Sebastian Scherer},
journal= {arXiv preprint arXiv:1907.06268},
year = {2021}
}
备注
Published in the International Journal of Robotics Research. The dataset and the provided tools can be accessed from http://theairlab.org/alfa-dataset