由大规模部署数据集验证的水下滑翔机通用异常检测
机器人学
2023-11-06 v3 机器学习
摘要
水下滑翔机已广泛应用于海洋学的多种场景。然而，鲨鱼撞击或鮣鱼附着等不可预测事件可能导致滑翔机行为异常甚至仪器丢失。本文采用异常检测算法评估真实海洋环境中水下滑翔机的运行状态。一旦检测到异常，立即向滑翔机驾驶员发出警报，以便其接管滑翔机以防止进一步损害。该检测算法应用于由佐治亚大学 Skidaway 海洋研究所 (SkIO) 和南佛罗里达大学 (USF) 牵头的水下滑翔机实际部署所收集的多个数据集。为证明算法的通用性，实验评估应用于四个滑翔机部署数据集，每个数据集突出了不同场景中发生的各类异常。具体而言，我们利用仅能在回收后获得的高分辨率数据集对异常进行详细分析，并与驾驶员日志进行比较。此外，我们基于滑翔机在浮出水面事件中传输的实时数据子集模拟在线检测。尽管实时数据可能不如回收后数据包含丰富信息，在线检测仍十分重要，因为它使滑翔机驾驶员能够实时监控潜在的异常情况。
引用
@article{arxiv.2308.00180,
title = {General Anomaly Detection of Underwater Gliders Validated by Large-scale Deployment Datasets},
author = {Ruochu Yang and Chad Lembke and Fumin Zhang and Catherine Edwards},
journal= {arXiv preprint arXiv:2308.00180},
year = {2023}
}
备注
Accepted in IEEE/MTS OCEANS Gulf Coast 2023