異常分析方法

本節針對 UAV 正常飛行特徵做分析，試圖提出區分正常與異常事件之分析 方法，藉此實驗評估並建立異常偵測模型。本節首先提出已知衛星導航正常特徵，

進而提出飛行紀錄分析方法與其偵測異常事件之可行性。接著探討已知 UAV 機 械正常特徵，提出分析方法與可行性並詳細說明分析方法計算步驟。

(1) 衛星導航異常分析方法

UAV 正常飛行情況下，航點方位在各航點間飛行呈穩定狀態，其穩定於合 理角度範圍內浮動，反觀當衛星導航異常時無法穩定飛行，因此本研究希 望利用此特徵區別正常與異常飛行紀錄。本研究利用正常飛行資料建立常 態分佈模式，下圖十三圖形化各步驟資料處理過程，並詳細說明如下。

圖十三：衛星導航常態分佈模式計算步驟

29

 步驟一：計算航點方位算術平均數

UAV 紀錄航點方位頻率為每秒十次(10Hz)，由於此紀錄頻率過於密 集，使得航點方位變化不明顯易影響後續計算航點方位差值∆𝑥，為 了明顯觀察資料變動幅度，故本研究訂定時間窗格(Time Window) 大小為十筆原始資料，將每五筆原始資料計算其算術平均數視為一 筆新資料，因此每個時間窗格有兩筆新航點方位資料。

 步驟二：計算航點方位差值

本研究將每個時間窗格內的兩筆新航點方位資料相減，得到航點方 位差值 ∆𝑥̅ 單位為角度，其目的在觀察 UAV 在此時間窗格是否維 持穩定飛行，當航點方位維持穩定飛行時，航點方位差值 ∆𝑥̅ 會趨 近於 0 度。當航點方位差值 ∆𝑥̅ 越大，代表 UAV 為異常的風險越高，

反之風險越低。

 步驟三：機率密度函數轉換機率值

上述步驟二計算的航點方位差值 ∆𝑥̅ 透過機率密度函數轉換成常態 分佈模式的機率值 p 其意義為航點方位差值在常態分佈模式中出 現的機率，當機率越高則航點方位差值越靠近分配之算術平均數μ 飛行異常的風險越小，反之則越大。

(2) 機械異常

在衛星導航運作正常情況下，UAV 於航點間飛行時偏航角會逐漸收斂於航 點方位，代表偏航角數值與航點方位數值差距隨時間而逐漸縮小，直至合理 角度範圍浮動呈現穩定狀態，本研究分析機械異常事件分四步驟，下圖十四 圖形化各步驟資料處理過程，並詳細說明如下。

30

圖十四：機械運作常態分布模式計算步驟

 步驟一：計算偏航角與航點方位差值

此步驟計算偏航角與航點方位的差值，其目的是方便之後分析偏航 角與航點方位是否有逐漸收斂靠攏的趨勢，如公式(2)所示。

𝑧_𝑖 = 𝑦_𝑖− 𝑥_𝑖 𝑖 = 1, 2, 3, … , 𝑛 (2)

其中𝑦_𝑖代表某時間點的偏航角，𝑥_𝑖代表某時間點的航點方位，𝑧_𝑖代 表偏航角與航點方位的差值。在理想情況下，UAV 在航線中飛行 時 𝑧_𝑖會隨時間逐漸減小，最後穩定在合理角度範圍內浮動。

 步驟二：計算算術平均數

此步驟理由與衛星導航異常分析步驟一相同，由於航點方位與偏航 角紀錄頻率皆為每秒十次，過度密集的資料無法透過步驟二分析方 法明顯觀察出收斂趨勢，故本研究將 𝑧_𝑖 每五筆資料計算其算術平 均數，本研究以 𝑧 標示。

 步驟三：計算差值

本研究將每個時間窗格內的兩筆 𝑧 相減，得到航點方位差值 ∆𝑧̅ ，

31

單位為角度，其目的在觀察 UAV 在此時間窗格偏航角與航點方位 差值是否維持穩定，當 ∆𝑧̅ 趨近於 0 度時，代表 UAV 為異常的風險 越低，反之風險越高。

 步驟四：機率密度函數轉換機率值

上述步驟三計算的 ∆𝑧̅ 透過機率密度函數轉換成常態分佈模式的機 率值 p，其意義為 ∆𝑧̅ 在常態分佈模式中出現的機率，當機率越高 則 ∆𝑧̅ 越靠近分配之算術平均數μ 異常事件的風險越小，反之則越 大。

32

…