以離群值偵測技術分析無人飛行載具飛行紀錄異常之研究

全文

(1).. 國立高雄大學資訊管理學系碩士班碩士論文. 以離群值偵測技術分析無人飛行載具飛行紀錄異常之研究 Analyzing Abnormal Flying Logs of Unmanned Aerial Vehicle Using Outlier Detection Approach. 研究生：張至哲撰指導教授：蕭漢威博士. 中華民國一○三年七月.

(2) 以離群值偵測技術分析無人飛行載具飛行紀錄異常之研究指導教授：蕭漢威博士國立高雄大學資訊管理學系學生：張至哲國立高雄大學資訊管理學系碩士班. 摘要. 無人飛行載具 UAV(Unmanned Aerial Vehicle)發展至今已有多年歷史，由於它具有成本低、地域限制低、飛行風險低與即時性等特性，近年來更是快速發展並且普及化，跳脫傳統在軍事方面的使用而廣泛應用於不同領域中，例如：災害應變、環境監測、交通控制、都市計畫與農林漁牧等，相關研究也因應而生，例如：空拍定位、3D 建模與目標物辨識技術等。無人飛行載具的普遍性使得其飛行穩定性逐漸成為隱憂，而飛行異常事件會直接影響飛行穩定性，當發生飛行異常時容易造成 UAV 墜毀甚至影響飛場人身安全，飛行異常事件包含：衛星導航異常、機械異常、動力異常與失速等。目前無人飛行載具研究多著重於應用研究，而飛行異常偵測研究則較少被研究領域所重視。本研究為 UAV 中之定翼機，探討衛星導航異常與機械異常對 UAV 飛行之影響並歸納正常飛行資料特性，在衛星導航運作正常時， UAV 在自動飛行過程中，航點方位(Target Bearing)會依照飛行腳本所規劃的航線維持穩定角度飛行，因此本研究利用航點方位區別衛星導航正常與異常飛行資料。在機械正常運作情況下，偏航角(Yaw)與航點方位具有收斂特徵，其偏航角會隨時間而逐漸趨近於航點方位，因此本研究利用偏航角與航點方位區別機械運作正常與異常飛行資料。本研究依據上述正常飛行資料所觀察之特徵建立常態分佈模式，並以真實異常飛行資料作為驗證，藉此建立異常偵測模型區分正常與異常飛行資料。本研究將以離群值偵測技術，依據飛行資料特徵建立即時異常偵測模型，期望透過此模型供未來 UAV 飛行過程中即時評估是否潛藏衛星導航以及機械異常之風險，並將飛行紀錄回饋至飛行數據資料庫中做異常分析，藉此更新異常偵測模型使其在判別上更具準確性。關鍵詞：無人飛行載具、無人飛行載具異常偵測、離群值偵測 I.

(3) Analyzing Abnormal Flying Logs of Unmanned Aerial Vehicle Using Outlier Detection Approach Advisor: Dr. Han-Wei Hsiao Department of Information Management National University of Kaohsiung Student: Chih-Che Chang Department of Information Management National University of Kaohsiung ABSTRACT UAV(Unmanned Aerial Vehicle) has been developing for years. With the benefits of low cost, nearly no geographical restrictions, low risk of flight and immediate response, it has been rapidly developing in recent years and are widely used in various fields such as disaster response, environmental monitoring, traffic control, urban planning, etc. However, with UAV’s increasing popularity, the problem of stability during the flight emerges. An abnormal event affects not only the stability but also can be the root cause of UAV crash. Threatening properties and safety of people in the flying fields. We draw our attention to flight anomaly detection of UAV since most prior UAV studies focus on applied research. This research studies the impacts that mechanical abnormalities and abnormal satellite navigation brought to UAV. During UAV automatic flight, we found that the target bearing remained stable. Therefore, we consider target bearing as a characteristic to differentiate between normal and abnormal flying logs. Moreover, we also found that under normal circumstances, both value of yaw angle and target bearing converged. Therefore, we also consider yaw angle and target bearing as a characteristic to judge between the normal and the abnormal. With normal flight data, this research uses Normal Distribution (Gauss Distribution) and outlier detection techniques to create anomaly detection model. By using this model can detect abnormal satellite navigation events and the risk of mechanical abnormalities can be detected instantly. In the future, UAV flight logs will be sent into databases as feedbacks to make a more accurate model. Keywords: Unmanned Aerial Vehicle, UAV anomaly detection, Outlier detection II.

(4) 目錄第一章. 緒論............................................................................................................ 1. 第一節. 研究背景............................................................................................ 1. 第二節. 研究動機............................................................................................ 6. 第三節. 研究目的............................................................................................ 8. 第二章. 文獻探討.................................................................................................... 9. 第一節. 無人飛行載具異常偵測.................................................................... 9. 第二節. 離群值偵測...................................................................................... 10. 第三節. UAV 飛行數據傳輸通訊協定介紹 ................................................ 12. 第三章. 研究方法.................................................................................................. 15. 第一節. 系統架構.......................................................................................... 15. 第二節. 飛行紀錄介紹.................................................................................. 17. 第三節. 飛行紀錄屬性分析.......................................................................... 21. 第四節. 常態分佈模式.................................................................................. 26. 第五節. 異常分析方法.................................................................................. 28. 第四章. 實證與評估.............................................................................................. 32. 第一節. 實證方法.......................................................................................... 32. 第二節. 實驗結果.......................................................................................... 37. 第五章. 結論與未來方向...................................................................................... 41. 第一節. 結論.................................................................................................. 41. 第二節. 研究限制.......................................................................................... 42. 第三節. 未來研究方向.................................................................................. 43. 參考文獻...................................................................................................................... 44. III.

(5) 圖目錄圖一：UAV 機型示意圖 ............................................................................................ 1 圖二：UAV 採購市場趨勢 ........................................................................................ 6 圖三：飛行姿態屬性示意圖 ..................................................................................... 9 圖四：MAVLink 運作原理 ...................................................................................... 13 圖五：系統架構 ....................................................................................................... 16 圖六：UAV 衛星導航運作原理 .............................................................................. 21 圖七：路徑規劃圖 ................................................................................................... 22 圖八：衛星導航正常航點方位飛行紀錄 ............................................................... 23 圖九：衛星導航異常航點方位飛行紀錄 ............................................................... 24 圖十：機械運作正常航點方位與偏航角飛行紀錄 ............................................... 25 圖十一：機械運作異常航點方位與偏航角飛行紀錄 ........................................... 25 圖十二：異常偵測模型示意圖 ............................................................................... 27 圖十三：衛星導航常態分佈模式計算步驟 ........................................................... 28 圖十四：機械運作常態分布模式計算步驟 ........................................................... 30 圖十五：衛星導航常態分佈模式 ........................................................................... 33 圖十六：機械運作常態分佈模式 ........................................................................... 34 圖十七：連續時間窗格標記示意圖 ....................................................................... 36. IV.

(6) 表目錄表一：UAV 相關應用領域與實例 .............................................................................. 3 表二：常見的飛行模組與感測器................................................................................ 5 表三：UAV 異常偵測研究 ........................................................................................ 10 表四：APM Plane Dataflash Logs 類別與屬性 ....................................................... 18 表五：Telemetry Logs 類別與屬性 ......................................................................... 19 表六：Dataflash Logs 與 Telemetry Logs 比較 ......................................................... 19 表七：飛行紀錄資料集範例...................................................................................... 32 表八：衛星導航與機械運作常態分佈模式資訊...................................................... 33 表九：影響衛星導航異常資料正確率之情形.......................................................... 38 表十：影響衛星導航正常資料誤報率之情形.......................................................... 38 表十一：影響機械運作異常資料正確率之情形...................................................... 39 表十二：影響機械運作正常資料誤報率之情形...................................................... 40. V.

(7) 第一章. 緒論. 近年來，由於輕型無人飛行載具 UAV(Unmanned Aerial Vehicle)快速發展，相關應用領域越來越廣，例如防災通訊中繼與森林調查等，使得 UAV 普遍性提高，但也延伸出相關安全與飛行異常事件問題。本章第一節研究背景部份從 UAV 發展歷程切入，探討 UAV 快速發展與普遍性的特點，並歸納目前 UAV 應用領域與實例，從中分析其未來趨勢與市場價值。第二節研究動機說明衛星導航與機械運作對 UAV 飛行之重要性，並探討當發生此兩項異常事件時對 UAV 造成的影響。最後研究目的部份說明本研究期望透過分析過往歷史飛行紀錄，觀察有效區別正常與異常飛行之特徵，並透過飛行資料常態分佈特性建立異常偵測模型，利用此異常偵測模型供未來評估 UAV 潛在異常事件風險。. 第一節研究背景 UAV 通常是透過遠端遙控或自動控制的方式飛航，至今的發展已有多年歷史，它首先出現於第一次世界大戰末期，由美國軍方研發出 Hewitt-Sperry Automatic Airplane UAV[1]，其目的是為了裝載大量炸藥並利用無線操控技術精準轟炸目標。經過多年的研發與改良，目前 UAV 外表形式多樣，發展出的 UAV 類型有定翼機、拍翼機、旋翼機與飛行船等，如下圖一所示。. 圖一：UAV 機型示意圖. 1.

(8) 定翼機的機翼固定，透過螺旋槳或推進器帶動 UAV 產生向上浮力，並由機翼上的副翼控制 UAV 飛行姿態，如螺旋槳飛機與滑翔機等，而拍翼機的機翼設計可活動，透過拍動機翼產生上升浮力。旋翼機透過螺旋槳轉動帶動 UAV 飛行，其特點可原地起降，可分為單旋翼與多旋翼，單旋翼如直升機，透過單一螺旋槳帶動機體升空，多旋翼如四旋翼、六旋翼與八旋翼等。飛行船是機體裝載較輕的氣體，透過空氣浮力懸浮在空中，並透過螺旋槳推進，以下歸納 UAV 特性並詳細說明。 (1) 成本低根據 Xu[2]等學者提到，隨著科技的進步，UAV 的感測器與零件製作成本逐漸下降，進而降低進入門檻促進 UAV 的普遍性。從製作成本與飛行成本分析，製作成本由於 UAV 省去考慮飛行人員相關因素，例如：設置駕駛艙、增壓系統、溫控系統與飛控儀器等，大大減少體積與重量負擔，相對能達到簡化設計、電裝輕量化、飛行材料要求低與材料用量少等優點，進而降低造價成本。飛行成本部份因 UAV 體積小、輕量化與趨於流線型的特點，使得在飛行時能降低動力消耗，在相同的飛行距離情況下，UAV 所消耗的動力與一般載人飛機相比有較少的能量消耗。此外，大部份 UAV 不需特定起降場地，便於在任務地點直接起降，減少飛行動力消耗而節省燃料成本。 (2) 地域限制低 UAV 相較一般載人飛機輕小而不需要長程的起降跑道，因此飛場限制低，旋翼機甚至可在適當場合原地起飛。此外，UAV 受到地表障礙物與天氣影響低故可以近地飛行，因此 Niethammer[3]等學者利用此 UAV 特性，進行山崩地的近地空拍調查，定期調查崩地變化達到防災目的。目前發展的小型旋翼機甚至可透過室內定位技術在室內飛行，故 UAV 飛行較不受地域限制，幾乎可於任何地理環境執行任務。 (3) 飛行風險低. 2.

(9) UAV 能以遠端遙控或預設的飛行腳本自動飛行，飛行腳本是飛行人員事先規劃的一套飛行路徑，期望 UAV 在自動飛行過程中依照腳本內容飛行。自動飛行排除飛行員的安全顧慮，因此 UAV 能在險惡環境中執行任務，例如在輻射汙染地區作空中監測。除此之外，UAV 也能降低飛行訓練、飛安事故與駕駛人為疏失等人員傷亡風險。UAV 駕駛操作技術門檻相較載人飛機低，UAV 駕駛員不需受繁雜冗長的專業飛行訓練與學習，便能於短時間內熟練操作。 (4) 即時性 UAV 受飛場限制低，故它能於任務地點附近直接升空，此特性減少由特定飛場飛行至任務地點所消耗的時間與成本，因此在任務時效性上能快速反應並且完成任務，例如：當災害發生造成災區對外交通中斷時，當地 UAV 能夠即時升空監測災區狀況，並回報第一手資料給災害應變中心，不必等救難直升機從機場飛行至災區監測。. 上述 UAV 特性使 UAV 飛行門檻降低，讓飛行不只侷限於特定組織或群體而是更加普及，因此衍伸出許多不同領域的應用，包含：災害應變[4]、環境監測[5]、交通控制[6]、空間資訊[7]與都市計畫[8]等，詳細應用領域與實例彙整請見表一。. 表一：UAV 相關應用領域與實例. 應用領域. 實例. 災害應變環境監測交通管控. 災害防治、災情探勘、災害救援、物資運補空汙監測、河川汙染監測、海岸油汙監測車流即時監控、船舶監控、道路巡視. 都市計畫科學應用農林漁牧商業娛樂軍事運用. 地理量測、國土監控、都市變化調查通訊中繼、環境實驗平台、候鳥觀測病蟲害防治、農藥噴灑、森林調查廣告、商業空拍、商品運輸戰場即時監測與追蹤、練習靶機、遙控飛彈. 3.

(10) UAV 至今發展出自動導航技術(Autopilot)是實現 UAV 飛行自動化重要的控制技術，其飛行控制模式主要分成地面端操控與自動飛行，通常地面端操控模式是因應飛行路徑不固定或者不明確的情形，例如：戰場即時監控、觀察候鳥遷徙路徑、災害監控與搜救等，此飛行控制模式必須透過地面端駕駛員操控來完成任務。而自動飛行模式通常是執行固定任務，能夠事先規劃飛行腳本，讓 UAV 依照飛行腳本做巡航，例如：國土空拍、海岸監測與公路車流量監測等，以下詳細介紹此兩種飛行控制模式。 (1). 地面端操控模式地面端操控主要是地面駕駛員透過遙控器或者地面控制站(Ground Control Station)遙控 UAV，由於駕駛員必須在人眼可視範圍內才能明確判斷飛行姿態與飛行方向以利操控，故通常地面端操控模式必須於人眼可視範圍內進行。後來發展出第一人稱(First Person View)飛行控制技術才有辦法做人眼視距外飛行，其方法是在 UAV 加裝攝影機，透過無線傳輸技術將影像即時傳輸至地面端顯示，讓地面端駕駛員透過視訊了解目前 UAV 的視界以利遙控。. (2). 自動飛行模式自動飛行模式是預先載入飛行腳本，期望 UAV 在自動飛行過程中依照腳本內容飛行。飛行腳本是 UAV 自動飛行前飛行人員事先規劃的一套飛行路徑，其中包含若干個飛行航點(Way Points)，飛行航點的定位必須透過全球定位系統 GPS(Global Positioning System)給予每個航點座標值，透過 GPS 輔助 UAV 在飛行過程進行方位與飛行高度判別。. 實現自動導航技術通常必須包含幾項模組與感測器，主要目的是接收數據供飛行處理器運算以利操控 UAV 飛行，下表二列出常見的模組與感測器，這類模組與感測器會內嵌於飛行控制板中或以外接模組形式與飛行控制板連結。. 4.

(11) 表二：常見的飛行模組與感測器. 模組與感測器名稱氣壓感測器電子羅盤三軸陀螺儀加速度計空速感測器電壓感測器全球衛星定位模組微處理器. 說明測量大氣壓力，可換算相對高度又稱磁力計，辨認三軸方位角測量三軸角動量，計算各軸轉動角度靜止時測量三軸姿態動態時測量三軸加速度藉由測量風速計算飛行速度測量電池、電壓與電流接收衛星定位座標處理各飛行數據藉此控制飛行. 近年由於 UAV 研究日益興盛，該領域也出現相關開放原始碼計畫，例如： APM(ArduPilot Mega)[9]、OpenPilot[10]、MultiWii[11]與 Paparazzi[12]等。目前開放原始碼計畫著力開發項目包括：飛行控制硬體、地面控制站、通訊協定、攝影與數位影像處理等。這些計畫提供飛行模組開放原始碼以降低研究門檻，已有不少研究相繼利用這些開放原始碼資源開發 UAV，並應用於不同領域。總體而言，以開放原始碼開發 UAV 將會是未來的重要趨勢之一。根據 Market Info Group 2010 年統計[13]，UAV 採購市場會持續穩定成長並預估在西元 2015 年總採購值會高達 75 億美元，其中亞洲與東太平洋市場需求高達總需求六成，顯示 UAV 市場需求龐大，可見許多國家與民間單位重視其發展性並相繼投入大量資金與人力研發 UAV 相關軟硬體。. 5.

(12) 圖二：UAV 採購市場趨勢（資料來源 Market Info Group 2010）. 綜觀以上論述，近年 UAV 軟硬體技術逐漸成熟加上諸多開放原始碼計畫相繼投入研究開發，使得 UAV 領域進入門檻降低，加上其成本低、地域限制低、飛行風險低與即時性等特性使得 UAV 更加普遍，相繼應用於不同領域之中包含：災害應變、環境監測、交通控制、商業空拍、都市計畫與農林漁牧等。由此可知 UAV 應用將更加廣泛，市場需求也將逐年增長，未來 UAV 將是重要的研究議題。. 第二節研究動機目前 UAV 的普遍性使得飛行穩定性逐漸變成一大隱憂，而飛行異常事件會直接影響飛行穩定性，當發生異常事件時容易造成 UAV 墜毀甚至影響飛場人身安全，然而飛行異常問題種類繁多，例如：衛星導航異常、機械異常、動力異常與失速等，造成異常事件的因素眾多使得 UAV 操控人員很難及時發現並判斷問題來源。傳統上，一般載人飛機能夠透過飛行儀表板資訊、駕駛操控經驗與飛行監控系統發掘飛行異常事件並立即反應處理，但當 UAV 發生異常事件時，地面人員很難透過地面控制站資訊或遙控器操控了解目前 UAV 狀況，因此往往造成不可逆的後果，而目前 UAV 研究多著重於應用研究，飛行異常偵測較少觸及研究領 6.

(13) 域。因此本研究期望探討衛星導航異常與機械異常，以下將說明此兩項異常對 UAV 的飛行重要性。 (1). 衛星導航異常 UAV 飛行控制模式主要分成地面端操控與自動飛行模式，自動飛行模式透過比對飛行腳本中飛行航點 GPS 座標與 UAV 的 GPS 座標，讓 UAV 判定並控制該往哪方位飛行，在整個座標傳輸、處理、比對與控制的過程中任何環節異常，便容易導致 UAV 飛行異常，例如：UAV 接收 GPS 座標時受電磁波干擾導致 UAV 座標資料錯誤或延遲，造成 UAV 衛星導航模組運算錯誤而產生異常事件。類似情形可能會造成 UAV 無法依規畫路徑飛行、飛行失控或者 UAV 墜毀，嚴重的話甚至會影響飛場的人身安全。. (2). 機械異常發生機械異常時，UAV 無法依事先規畫的飛行腳本或者無法依駕駛員操縱指令做飛行而產生的飛行異常事件。發生機械異常事件的因素很多，可能為零件老化、機械調校不良、機體損壞與人為設定疏失等。通常細微的機體異常，很難在起飛前檢查察覺，但飛行過程中會放大其影響飛行的程度，甚至會嚴重影響飛場中的人身安全，例如：控制副翼擺動角度的伺服機損壞，使得 UAV 在飛行過程中副翼反應緩慢，因此可能造成 UAV 飛行不靈敏以及轉彎半徑過大，不利駕駛操控。此外，零件老化也是常見造成機械異常的問題，零件有一定壽命必須定期更換與調校，其微小的變化很難透過飛行前檢查或駕駛操控去察覺，因此容易受到人為忽略，往往發現異常時已造成不可逆的後果發生，例如：無刷馬達去磁化，UAV 飛行動力來源之一是依靠馬達帶動螺旋槳產生向前的動力，而無刷馬達內部磁鐵隨著使用時間拉長而漸漸失去磁性，造成轉動效率降低進而影響馬達出力，容易造成飛機因動力不足而失速墜落。. 7.

(14) 目前 UAV 研究多著重於應用研究，較少研究飛行異常偵測，但 UAV 異常偵測技術在飛行過程中極為重要，透過異常偵測能評估 UAV 是否有異常事件風險，藉此有效預防異常風險所造成的負面影響，進而減少 UAV 損壞與人員傷亡。而本研究認為衛星導航與機械對 UAV 飛行具有直接的重要性，衛星導航影響自動飛行過程中 GPS 定位，機械運作直接影響 UAV 飛行表現，本研究期望即時偵測衛星導航異常與機械異常，藉此降低 UAV 因異常風險而造成的損失。. 第三節研究目的目前 UAV 飛行控制板能在飛行過程中動態產生飛行紀錄，並儲存於 UAV 端記憶體中或透過無線技術傳輸至地面端儲存，飛行紀錄包含飛行過程中各項數據，例如：飛行姿態、衛星導航、動力與電力數據等，這些都是很好的研究分析來源，本研究認為可以善加分析利用，藉此歸納飛行特性以利異常偵測。而目前 UAV 研究多注重於應用層面，分析層面則較少觸及研究領域，本研究目的希望透過選取適當飛行紀錄資料，並利用資料探勘中的離群值偵測(Outlier Detection)技術達到以下三項目標：(1)分析歷史飛行紀錄，歸納衛星導航與機械正常特徵，藉此區別正常與異常飛行紀錄。(2)根據觀察到的衛星導航與機械運作正常飛行特徵，建立常態分佈模式並建立異常偵測模型區分正常與異常飛行資料，供未來即時評估 UAV 是否存在衛星導航與機械異常風險。(3)未來將 UAV 飛行紀錄回饋至飛行資料庫中，藉此更新異常偵測模型，提高偵測準確率。期望透過上述研究，建立即時飛行異常監測機制，並於未來 UAV 飛行過程中即時評估飛行異常風險，在異常事件未嚴重影響飛行前達到預防效果，降低因衛星導航異常或機械異常而造成的損失。. 8.

(15) 第二章. 文獻探討. 本章探討目前 UAV 相關異常偵測研究文獻，首先介紹目前 UAV 異常偵測相關研究與偵測方法，接續探討本研究所使用的離群值偵測技術，說明離群值定義並介紹目前相關應用領域與主要分類方法，最後介紹 UAV 使用的飛行數據傳輸通訊協定。. 第一節無人飛行載具異常偵測目前 UAV 研究多偏於應用層面，對於異常偵測則較少觸及研究。Wang[14] 等人為了減輕地面端人員對飛行姿態與引擎的異常事件判斷，首先利用歷史飛行紀錄建立異常特徵資料庫，在 UAV 飛行過程中，動態比對飛行紀錄與資料庫中的異常特徵，透過資料探勘的決策樹技術判斷是否存在異常事件風險，最後將預警回報地面控制站，其監測飛行姿態的屬性有滾轉角(Roll)、偏航角(Yaw)與俯仰角(Pitch)，監控引擎狀態的數據有轉速、油壓與溫度，此法必須事先建立異常特徵資料庫，假使異常特徵過少則很難有效達到異常判斷，進而影響偵測效率，並且此技術侷限於資料庫中的異常特徵，當新的異常事件發生時則很難透過比對資料庫中的異常特徵發現異常，下圖三為飛行姿態屬性示意圖。. 圖三：飛行姿態屬性示意圖 9.

(16) 由圖三可知，UAV 飛行姿態屬性有三種，分別為滾轉角、偏航角以及俯仰角。滾轉角代表 UAV 左右傾斜角度，偏航角代表水平面轉動的角度，而俯仰角代表 UAV 上下俯仰的角度。此外，黃嘉銘[15]等人利用時頻分析(Time-Frequency Analyses)技術，包含應用傅立葉正弦頻譜和傅立葉正弦時頻圖產生器，對 UAV 的聲音數據做分析探討，並深入討論其作為監測工具的潛力，但此技術難以偵測非聲音之異常事件，例如：衛星導航模組發生異常時，模組運作並不會產生聲音數據，因此無法透過此技術分析異常事件。Qi[16]等人將 UAV 感測系統訊號透過小波轉換，定出各訊號時間與發送頻率關係，當訊號發送異常時便能透過此方法偵測出來，藉此透過各訊號異常特性做問題分類，下表三歸納上述異常偵測研究之方法。. 表三：UAV 異常偵測研究. 研究學者 Wang[10] 黃嘉銘[11] Qi[12]. 偵測異常事件. 偵測方法. 飛行姿態、引擎 UAV 聲音數據感測系統訊號. 比對異常特徵、決策樹技術傅立葉時頻分析小波轉換時頻分析. 第二節離群值偵測根據 Hawkins[17]等研究學者對離群值(Outlier)的定義為：離群值可視為在資料集之中的資料點，其明顯異常分佈於大部份資料點。在資料探勘與統計分析中，離群值亦被稱為極端值或異常值，通常離群值能夠反映資料中的異常現象，透過異常現象的分析能夠探討資料生成的過程中是否有異常或不恰當的情況存在。離群值偵測技術是希望透過資料探勘與統計分析技術，從大多數正常資料中找出離群值，藉此評估其異常現象，目前離群值偵測廣泛應用於不同領域中，本研究舉以下例子並說明： (1). 信用卡盜刷偵測信用卡目前使用普遍而盜刷與詐欺行為也時有耳聞，如何避免信用卡相關 10.

(17) 敏感資料被惡意使用者竊取並有非授權行為變成重要的議題。Kou[18]等研究學者從刷卡購物紀錄中，透過離群值偵測可以發現少數異常行為模式 (Pattern)，進而預測信用卡受到盜刷與詐欺的風險。 (2). 網路異常偵測現代網路蓬勃發展，不法人員為了特定目的而延伸出一些網路惡意行為，例如：分散阻斷服務攻擊、洪水攻擊與殭屍網路等，類似的惡意行為往往導致網路流量異常變化，使得網路服務中斷或造成破壞，因此維持穩定的網路服務品質成為網路管理者重要的課題。Zhang[19]等研究學者透過離群值偵測，探勘網路流量資料中的異常流量與行為，諸如網路爆衝(Burst)、網路延遲等情形，建立異常特徵以利往後異常偵測，並找出網路壅塞節點及可能造成的原因，以達到有效的網路流量控管。. (3). 醫療診斷在醫療診斷應用中，數據資料來自於各種醫療儀器，例如：斷層掃描、正子造影與心電圖等。Laurikkala[20]等研究學者利用離群值偵測透過這些醫療資料可以從中探勘出可能潛在的疾病模式與疾病變化情形，以利判斷疾病狀況。. (4). 氣候異常偵測近年全球氣候變化劇烈，藉由衛星與遙測觀測資料，可以透過離群值偵測這些氣候觀測資料找出氣候異常模式，例如：聖嬰現象、冰層消融與海洋溫度攀升等異常現象，Caussinus[21]等研究學者藉由離群值偵測技術，調查因人為因素而造成的氣候異常現象。. 根據 Tan[22]對離群值偵測方法的分類，主要分成三種類型，分別為統計偵測法(Statistical-Based)、距離偵測法(Distance-Based)與模型偵測法(Model-Based)，各類方法說明如下：. 11.

(18) (1). 統計偵測法統計偵測法必須事先知道資料集是呈現何種分佈模式，並且利用統計分析方法找出離群值。此種方法存在有潛在的限制，必須事先知道資料的分配狀況以及離群值占所有資料的比率。. (2). 距離偵測法距離偵測法根據統計偵測法的限制而提出，運用在不知道資料分配狀況下以及不知離群值存在比率，距離分配法可透過資料在維度空間中的距離[23]、密度[24]、群集特性[25]等方法去偵測離群值是否存在。. (3). 模型偵測法模型偵測法利用預先建立好的模型套用至偵測資料中，藉此去判定是否有離群值資料。偵測模型的建立可以透過線性迴歸[26]、機率與統計[27]等方式建立，不過在偵測過程中會受限於既有的模型認知，對於新特性的離群值不容易偵測。. 本研究所使用的方法結合離群值偵測技術中統計偵測法與模型偵測法，首先透過統計分析方法觀察飛行紀錄中正常與異常特徵，並建立 UAV 正常飛行紀錄之常態分佈模式，最後利用模型偵測法的概念在正常飛行紀錄之常態分佈模式中，透過異常飛行紀錄建立異常偵測門檻值以完成異常偵測模型，為了避免異常偵測門檻值侷限於過往的異常飛行事件，未來將飛行紀錄回饋至異常偵測模型中，藉此更新偵測模型而不流於既有的模型認知，使其異常偵測更為精確。. 第三節 UAV 飛行數據傳輸通訊協定介紹 MAVLink(Micro Air Vehicle Link)[28]為 Lonrenz Meier 受到控制器區域網路 (Controller Area Network)與 SAE AS-4 標準所啟發，於 2009 年提出的輕量級通訊協定，截至目前為止已釋出第三版，主要目的為了傳輸 UAV 與地面控制站之間. 12.

(19) 的訊息溝通。其設計由唯獨標頭檔編組函式庫(Header-Only Message Marshalling Library)組成，可打包 C 語言結構資料透過序列埠傳送封包。其於資料通訊過程中扮演中介通訊的角色，不介入無人載具端的資料生成與地面控制站的資料呈現，而是單純接收、轉換與傳送資料，以下將 MAVLink 運作原理與其在系統中扮演的角色以圖四呈現並做詳細說明。. 圖四：MAVLink 運作原理. (1). UAV 飛行紀錄資料結構由飛行控制板上的韌體(Firmware)定義 UAV 飛行紀錄的資料結構，依不同平台韌體而有所不同，例如：PX4、APM、PIXHAWK 等。. (2). UAV 飛行紀錄函式庫飛行紀錄函式庫將輸出與輸入資料依照已定義的資料結構做存取，再交由飛行控制板做運算處理。. (3). MAVLink 格式將飛行資料轉換成 MAVLink 資料格式，並透過傳輸技術與地面控制站做溝 13.

(20) 通，傳輸方式可為無線傳輸，例如：Wi-Fi 802.11、3G、3DR 與 XBee 等，或透過有線傳輸，例如：透過 UAB 線路連接飛行控制板，將飛行紀錄下載。. (4). 資料轉換不同地面控制站平台所處理的資料格式不同，當接收 MAVLink 格式資料後，地面控制站將資料轉換成已定義的資料格式，通常這在 MAV 抽象轉換層 (MAV Abstraction Layer)運作。. (5). 資料呈現地面控制站將已轉換的資料呈現在使用者介面中，呈現資料依使用者而定，包含：UAV 飛行姿態、航點方位、飛行速度、影音與地圖標記等。. 由於 UAV 異常偵測研究不多，但卻有其重要性與急迫性，因為當飛行過程中發生異常事件，會嚴重影響飛場中的人身安全，因此本研究利用離群值偵測技術期望從中偵測出衛星導航與機械異常事件。本章探討目前 UAV 異常偵測方法，並了解這些方法異常偵測的侷限性，期望結合離群值偵測技術中統計偵測法與模型偵測法，從飛行紀錄中找出離群值，並分析離群值代表意義以及可能潛藏異常事件之風險。. 14.

(21) 第三章. 研究方法. 本章探討飛行異常偵測的研究方法，首先提出系統架構主要分成：(1)飛行歷史紀錄存取、(2)異常分析與監測、(3)即時飛行紀錄異常偵測。在第二節中介紹 UAV 飛行紀錄，說明兩種不同飛行紀錄的來源與差異，第三節分析衛星導航和機械運作，其正常與異常事件的重要特徵，並說明本研究選取的分析資料其意義與重要性。第四節說明本研究觀察 UAV 正常飛行資料有常態分佈模式，利用 UAV 正常飛行資料建立常態分佈模式並透過異常紀錄建立異常偵測模型，此部分說明本研究觀察常態分佈的特性與建立異常偵測門檻值的方法，最後說明特徵分析方式的處理步驟並以數學式表達。. 第一節系統架構本研究之系統架構如下圖五所示，系統主要分三部份為：(1)飛行歷史紀錄存取、(2)異常分析與監測、(3)即時飛行紀錄異常偵測。飛行歷史紀錄存取著重歷史飛行紀錄萃取與處理，異常分析與監測重點在異常事件分析並建立異常偵測模型，即時飛行紀錄異常偵測部份在偵測異常事件並對地面端人員預警，各部份處理流程與詳細說明如下：. 15.

(22) 圖五：系統架構. (1). 飛行歷史紀錄存取本研究蒐集定翼機飛行紀錄，在 UAV 飛行過程中可將飛行紀錄儲存於快閃記憶體中或透過 MAVLink 無線傳輸至地面控制站，本研究從這兩紀錄來源蒐集飛行資料，並將紀錄做資料萃取與處理，擷取自動飛行過程資料，目的是為了減少地面端駕駛員在操作上的人為干擾而造成資料雜訊，並處理資料達到一致性供後續分析，最後篩選不必要的資料屬性減少因資料過多而模糊之後特徵分析，並且將處理完的資料儲存至飛行數據資料庫中，等待第二部份做異常分析。. (2). 異常分析與監測本研究因分析的異常事件不同，而從飛行數據資料庫中提取所需資料屬性。針對衛星導航異常，本研究從資料庫中擷取航點方位角(Target Bearing)屬性，而機械異常分析，則提取航點方位角與偏航角(Yaw)。在異常分析部份，本 16.

(23) 研究觀察 UAV 正常與異常飛行資料歸納其特徵，並以正常飛行資料建立常態分佈模式，進而利用此常態模式建立異常偵測模型，供未來飛行紀錄偵測異常風險，當系統發現異常事件時對地面端人員提出警報。 (3). 即時飛行紀錄異常偵測未來定翼機飛行時，系統即時擷取飛行紀錄透過資料萃取與處理後，針對所監測的異常事件提取所需屬性資料，利用建立好的異常偵測模型做即時偵測，當出現可能的異常事件時，系統對地面端人員提出異常風險警報，希望透過此法降低異常風險可能造成的損失。此外系統將處理好的飛行紀錄回饋至飛行數據資料庫中，以利往後異常分析，更新異常偵測模型，藉此提高偵測準確性。. 第二節飛行紀錄介紹本研究蒐集的飛行紀錄來源有二，分別為 UAV 端的 Dataflash Logs 與地面控制站的 Telemetry Logs，以下針對此兩項飛行紀錄做介紹，說明記錄屬性與運作方式，最後對兩項紀錄做綜合比較： (1). Dataflash Logs 介紹此為 APM 飛行控制板存取飛行紀錄之格式，在 UAV 通電啟動後飛行控制板會動態紀錄飛行資料於內嵌的 16Mb 快閃記憶體(Data Flash Memory)，直至關閉電源才停止紀錄，故在整趟飛行過程中，Dataflash Logs 能完整記錄各項飛行數據並於飛行後透過實體線路連接飛行控制板下載飛行紀錄，下表四介紹 APM Plane Dataflash Logs 部份飛行紀錄類別與屬性說明。. 17.

(24) 表四：APM Plane Dataflash Logs 類別與屬性（節錄）. 類別 GPS. ATT. 類別說明. 衛星定位 Time NSats HDop Lat Lng RelAlt Alt Spd 飛行姿態 Pitch. NTUN 導航. CURR 電力. (2). 屬性. Roll Yaw WPDist TargBrg NavBrg Arspd Thr Volt Curr Vcc CurrTot. 屬性說明時間，飛行控制板當前時間戳記衛星數，GPS 模組所接收的衛星數量精度，GPS 座標水平精準度緯度經度測量高度，由氣壓計與加速度計所計算的高度 GPS 高度，透過 GPS 座標資訊量測的高度對地速度，UAV 對地飛行速度俯仰角滾轉角偏航角航點距離，目前 UAV 距下一航點的距離航點方位，目前 UAV 距下一航點的方位導航方位，UAV 導航指示方位空速，UAV 飛行空速馬達數值，馬達電流輸入值電壓，飛行控制板輸入電壓電流，飛行控制板輸入電流主控板電壓，飛行控制板輸出電壓總電流，電池總電流. Telemetry Logs 介紹當地面控制站與飛行控制板建立連線時，Telemetry Logs 開始存取 UAV 各項數據紀錄，其存取格式為 MAVLink 框架，飛行紀錄儲存地點為地面控制站。當地面控制站與 UAV 連線品質不佳時，往往會影響 Telemetry Logs 資料品質造成紀錄延遲或中斷，例如：當 UAV 與地面控制站無線傳輸距離超出可連線範圍時，造成連線中斷，地面控制站便無法紀錄 UAV 各項數據。故連線品質決定紀錄品質的好壞，下表五介紹 Telemetry Logs 部份飛行紀錄類別與屬性說明。. 18.

(25) 表五：Telemetry Logs 類別與屬性（節錄）. 類別. 類別說明. NAV CONTROLLER OUTPUT. 衛星導航. 屬性. 屬性說明. Timestamp Nav Roll Nav Pitch. 飛行姿態. ATTITUDE. Nav Bearing Target Bearing Wp Dist Timestamp Roll Pitch Yaw Rollspeed Pitchspeed Yawspeed. (3). 時間戳記導航滾轉角，由導航資料計算的滾轉角導航俯仰角，由導航資料計算的俯仰角導航方位航點方位航點距離時間戳記滾轉角俯仰角偏航角滾轉角速度俯仰角速度滾轉角速度. Dataflash Logs 與 Telemetry Logs 比較上述對 Dataflash Logs 與 Telemetry Logs 各別介紹說明，以下表六比較兩種飛行紀錄存取地點、資料品質與紀錄獲取方式的差異並說明優缺點，優缺點將影響本研究資料蒐集選擇情境。. 表六：Dataflash Logs 與 Telemetry Logs 比較. . 飛行紀錄種類. 存取地點. 資料品質. 紀錄獲取方式. Dataflash Logs Telemetry Logs. UAV 飛行控制板地面控制站. 完整普通. 一次性獲取動態獲取. 存取地點 UAV 在飛行過程中 Dataflash Logs 會將紀錄動態存取於飛行控制板中，飛行紀錄能夠即時存取至快閃記憶體中，不過存取容量有限只有 16Mb，當飛行紀錄容量大於 16Mb 時新資料會將舊資料覆蓋， 19.

(26) 故無法提供大量飛行紀錄存取，Telemetry Logs 透過 MavLink 無線傳輸至地面控制站，由地面控制站儲存飛行紀錄。 . 資料品質 Dataflash Logs 能夠在 UAV 端即時存取飛行紀錄，在中間存取過程中幾乎不出現資料錯誤，因此資料完整性高。而在 UAV 飛行過程中，Telemetry Logs 必須透過無線傳輸至地面控制站存取，當無線傳輸品質不佳時，例如：天候不佳或傳送載具功率不足等，這類情形會造成紀錄延遲或中斷的現象發生，相對資料完整性低。. . 紀錄獲取方式獲取 Dataflash Logs 必須等待 UAV 降落至地面，透過實體線路一次性獲取完整飛行資料，這種方式前提是必須拿到飛行控制板，當 UAV 因異常事件而造成失事，導致無法獲得飛行控制板或飛行控制板損壞時，則無法獲取飛行紀錄做異常事件分析，反觀 Telemetry Logs 能夠透過無線傳輸，動態將飛行紀錄回傳至地面控制站，當 UAV 失事時，地面控制站至少保有失事前飛行紀錄供後續異常事件分析。. Dataflash Logs 與 Telemetry Logs 包含許多飛行屬性資料，是很好的研究分析來源，其存取資料的位置不同，提供研究者不同資料來源的選擇，本研究依據不同情境，彈性選取 Dataflash Logs 或 Telemetry Logs 作為分析資料。由於本研究資料皆為真實飛行紀錄，異常飛行紀錄少於正常飛行紀錄，一般情況優先選擇 Dataflash Logs 作為分析資料，因為其資料具完整性，避免因資料不完整而影響後續異常分析，但是當發生異常事件而無法回收飛行控制板時，為了要達成即時性的分析，本研究選擇使用 Telemetry Logs 擷取 UAV 異常事件發生時的即時狀態資料作為分析資料的來源。. 20.

(27) 第三節飛行紀錄屬性分析本節說明本研究針對衛星導航異常與機械異常所選取作為特徵分析屬性之原因，並闡述其屬性所表現的飛行特徵對異常偵測之重要性。第一部份簡單闡述 UAV 衛星導航運作原理，並分析正常情況下所選取的航點方位屬性特徵，與異常情形做應證比較，強化其重要性與合理性，最後探討發生衛星導航異常可能的原因。第二部份說明 UAV 正常飛行時航點方位與偏航角之收斂關係，並探討機械運作異常時偏航角無法與航點方位呈收斂，藉此應證其兩屬性收斂特徵，最後探討發生機械異常的可能原因。 (1). 衛星導航異常在探討衛星導航異常前，必須先認識 UAV 衛星導航運作原理，了解航點方位、導航方位(Navigation Bearing)與偏航角三種資料屬性之間的關係，以利後續衛星導航異常分析，本研究之 UAV 衛星導航原理請見下圖六。. 圖六：UAV 衛星導航運作原理. 由上圖可知，UAV 依照飛行腳本中規劃的航線，預計由航點 1(WP1)飛行至航點 2(WP2)，通常航點 2 也稱作目標航點。UAV 在自動飛行過程中，根據事先規劃的航點 GPS 座標判斷目標航點方位，UAV 透過衛星模組接收 UAV 本身 GPS 座標位置，並計算 WP2 相對方位與距離，最後交由飛行控制板導航 UAV 飛行至 WP2。因此可以觀察出飛行偏航角受導航方位影響， 21.

(28) 而導航方位受航點方位影響，理想情況下彼此具有收斂關係。簡而言之， UAV 衛星導航正常情況下，偏航角逐漸收斂於導航方位，而導航方位收斂於航點方位。飛行過程中 UAV 依照上述規則循環判斷，藉此修正飛行方向。圖六情況一代表理想飛行情形，UAV 正確飛行於航點路徑上（灰色虛線），偏航角、導航方位（虛線箭頭）與航點方位（實線箭頭）成一致。情況二表示 UAV 偏離航點路徑，導航方位控制 UAV 往正確方向修正飛行進而影響偏航角。情況三代表飛行大幅偏離航點路徑，影響導航方位角度加大，連帶影響偏航角方位角度加大，藉此希望快速修正 UAV 返回航道上。本研究分析衛星導航異常的資料為航點方位角，航點方位角代表目標航點相對於 UAV 的方位角。在衛星導航正常情況下，UAV 在各航道上飛行，航點方位會穩定指向某一角度或微小幅動的角度範圍，本研究以下舉實際飛行紀錄做說明：下圖七為事先規劃的 UAV 飛行腳本，並將各航點標記在地圖上，航點所在地區為國立高雄大學校區，全部路徑共規劃四個航點，期望 UAV 依航點編號順序順時針飛行一圈。. 圖七：路徑規劃圖. 22.

(29) 圖七每段航程約 500 公尺總航程約 2 公里，規劃 UAV 依照航點編號（見圖標示 1,2,3,4）依序順時針飛行一圈，圖上標示 Home 點為 UAV 起始點座標，通常 UAV 通電後接收的第一個 GPS 座標為 Home 點。正常情況下，UAV 在各航線之間飛行時，航點方位會穩定指向某一角度或微小幅動的角度範圍，如下圖八所示。. 圖八：衛星導航正常航點方位飛行紀錄. 圖八橫軸為各航點方位資料生成的時間序列，各航點方位依編號順序生成，縱軸為航點方位角，單位為角度(Degree)，定義正北方為 0 度或 360 度、正東方為 90 度、正南方為 180 度以及正西方為 270 度。由圖七與圖八對照可知 UAV 總共巡航四段航線，分別飛向航點 1 其目標航點相對於 UAV 方位角為東方約 270 度、航點 2 為北方約 0 度或 360 度、航點 3 為西方約 90 度以及航點 4 為南方約 180 度，在各航線中皆能在合理的角度範圍中穩定飛行。由圖八觀察到的特徵推論：UAV 衛星導航正常情況下，航點方位在各航線中能在合理的角度範圍中穩定飛行。當衛星導航發生異常時，航點方位無法在各航線中穩定指向某一段合理角度範圍，會出現不正常的數值跳動、延遲（正常情況下衛星 GPS 座標接收頻率為每秒十次，10Hz）或與預期的規畫路徑不同的飛行動作，例如：UAV 因衛星導航異常無法定位目標航點方位 23.

(30) 而造成飛行盤旋，飛行盤旋時 UAV 會以繞圓方式環繞飛行。通常發生衛星導航異常的可能原因很多，目前所觀察到的原因有 GPS 模組精準度不佳、天候不佳，影響衛星接收數量以及受飛場電磁波干擾等，下圖九為本研究 2013 年九月於苗栗鯉魚潭實驗飛行，因為受到飛場電池波干擾，導致航點方位無法對目標航點做定位而產生迷航現象的飛行衛星導航異常紀錄。. 圖九：衛星導航異常航點方位飛行紀錄. 上圖衛星導航發生異常時 UAV 無法依照規劃的航線飛行，各航線之間無法維持穩定的合理角度範圍，而是顯示航點方位角度不斷指向低角度，因此如圖所示角度有向下的趨勢。當衛星導航異常發生時，連帶影響導航方位也有向下的趨勢，進而影響偏航角，反應於實際飛行過程中為 UAV 不規則逆時針環繞飛行。 (2). 機械異常由前項所述可知：航點方位與偏航角有收斂關係，其偏航角會隨時間而逐漸趨近於航點方位，因此航點方位會影響 UAV 飛行偏航角。故在理想飛行情況下，偏航角會逐漸收斂至航點方位或與航點方位在合理角度範圍浮動。下圖十擷取圖七規畫路徑 UAV 從航點 2 飛行至航點 3 之實際飛行資料。 24.

(31) 圖十：機械運作正常航點方位與偏航角飛行紀錄. 由圖可知航點方位固定維持約 90 度左右，偏航角初期由向北飛行轉彎至向東飛行，角度從 0 度慢慢收斂至約 90 度，最後於約 90 度範圍浮動，故本研究依此飛行特徵推論：機械運作正常情況下，航點方位與偏航角會慢慢形成收斂直到偏航角在航點方位合理範圍內浮動。由上述觀察到的收斂特徵，故本研究選取航點方位與偏航角做為機械異常特徵分析。機械異常情況下，航點方位能夠維持合理角度範圍，這代表衛星導航正常，而偏航角無法達到收斂甚至貼齊於航點方位，如下圖十一所示。. 圖十一：機械運作異常航點方位與偏航角飛行紀錄. 25.

(32) 上圖為本研究在 2013 年六月於屏東佳冬地區實驗飛行，因機械運作異常造成 UAV 失速墜毀，此為 UAV 自動飛行過程中失速墜毀的飛行紀錄。由上圖可知，當機械發生異常時，航點方位穩定維持約 20 度範圍，而偏航角無法收斂於航點方位甚至角度異常快速上升，實際飛行狀況為順時針旋轉向下俯衝。通常發生機械異常的原因很多，目前所觀察到的原因有引擎老化、零件耗損、機翼受損、機械調校不慎與人為設定疏失，例如：空速感測器設定錯誤，導致飛行速度數據異常影響實際飛行。. 總結本節，分析衛星導航紀錄時，因為航點方位在各航線上有方位角穩定的特性，故使用航點方位作為分析資料。分析機械運作時，因航點方位與偏航角之間具收斂關係，所以使用航點方位與偏航角作為分析資料。接著本研究透過分析正常與異常行紀錄得到兩項推論：(1)UAV 衛星導航正常情況下，航點方位在各航線中能在合理的角度範圍中穩定飛行。(2)在機械運作正常情況下，航點方位與偏航角會慢慢形成收斂直到偏航角在航點方位合理範圍內浮動。本研究期望，利用所選取的資料屬性與推論特徵作為異常事件分析方法的背景知識。. 第四節常態分佈模式從過往歷史正常飛行紀錄中，本研究觀察到正常飛行紀錄在探討衛星導航時，前後航點方位的角度變化差值會有常態分佈的情況，探討機械異常時，偏航角與航點方位差值也具有常態分佈模式，這些差值大部份會集中於特定角度範圍。根據中央極限定理(Central Limit Theorem)，在相同分佈的環境下重複取樣，當樣本數越大其樣本平均數之分配將會趨近於一個常態分配，故本研究前提假設在固定選取條件下，正常 UAV 飛行紀錄之資料差值依中央極限定理應具有常態分佈的現象。本研究在探討各異常事件中嘗試透過單一變量來區分正常與異常事件，藉此建立異常偵測模型，根據單變量常態分配之定義，必須考慮各分配的數. 26.

(33) 值、分配之算術平均數 μ 與分配之標準差 σ ，公式(1)代表單變量常態分配之機率密度函數(Probability Density Function)。. 𝑓(𝑥) =. 1 √2𝜋𝜎. 𝑒. (𝑥−𝜇)2 2𝜎2. −. (1). 由於 UAV 飛行過程中偏航角與航點方位角度變化會依不同 UAV 定翼機機型、大小、風速與風向等而會有不同，例如：大型的 UAV 定翼機其飛行靈敏度相較小型機型低，在轉彎時其角度變化較為平緩且轉彎半徑較大。本研究認為單純利用角度變化較難以偵測出異常事件，因此利用 UAV 常態分佈模式正常飛行資料出現機率較高且集中的特性，建立異常偵測模型，期望有效區分正常與異常飛行資料。正常飛行紀錄透過機率密度函數建立常態分配後，本研究期望利用實際異常飛行資料訂定異常偵測門檻值，藉此建立異常偵測模型供未來飛行紀錄異常偵測，當飛行紀錄落於偵測模型正常範圍則視為正常資料，反之則代表存在異常事件風險高，下圖十二表示本研究異常偵測模型示意圖。. 圖十二：異常偵測模型示意圖. 由圖可知，縱軸為分配數值在本研究中為角度變化的差值，橫軸為分配數值在常態分佈模式中出現的機率值，透過正常飛行資料建立常態分配模式，再透過異常飛行紀錄建立異常偵測門檻值 𝜃1 與 𝜃2 ，本研究利用選取機率值來建立異 27.

(34) 常偵測門檻值，此方法好處是選取一個機率值便能夠代表常態分佈中左右異常偵測門檻值，當飛行資料落於異常偵測門檻值以外時則為離群值，本研究將此分配數值視為異常飛行資料。期望利用異常偵測模型偵測飛行資料，當飛行資料落於異常偵測門檻值之間時，則視為正常飛行資料，反之則代表可能具有飛行異常風險，期望藉此提供預警以降低 UAV 因飛行異常而造成人身或財務上的損失。. 第五節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. 28.

(35) . 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。. 29.

(36) 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。. 𝑧𝑖 = 𝑦𝑖 − 𝑥𝑖. 𝑖 = 1, 2, 3, … , 𝑛. (2). 其中𝑦𝑖 代表某時間點的偏航角，𝑥𝑖 代表某時間點的航點方位，𝑧𝑖 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 𝑧𝑖 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 𝑧𝑖 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 ， 30.

(37) 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。. 31.

(38) 第四章. 實證與評估. 第一節實證方法本節透過正常飛行紀錄常態分佈模式建立異常偵測模型，並利用誤報率 (False Alarm Rate)與正確率評估異常偵測效率。首先說明實驗資料蒐集方式，並利用正常飛行資料建立常態分佈模型。接續說明如何利用異常飛行資料建立異常偵測模型，並探討影響偵測模型的因素。最後本研究利用誤報率與正確率評估異常偵測模型偵測效率，並訂定適當異常偵測門檻值。實驗資料本研究從 2013 年六月至 2014 年六月蒐集了 UAV 真實飛行紀錄共 18 次，其中 15 次視為正常飛行資料、2 次為衛星導航異常、1 次為機械異常，其中機械異常飛行資料因異常事件發生而造成 UAV 墜毀，本研究從飛行控制板中擷取完整飛行紀錄。在資料處理過程中，本研究擷取每次飛行紀錄中的自動飛行過程資料，期望減少由地面端操控所產生的人為因素而造成誤判。由於本研究探討異常事件所偵測的資料屬性為航點方位與偏航角，故在與資料處理過程中只存取此兩屬性。本研究飛行資料經過處理後，視每次飛行紀錄為一資料集，最小資料集包含 136 筆原始資料、最大資料集包含 9331 筆原始資料、平均資料集包含 4678 筆原始資料，詳細資料集範例如下表七。. 表七：飛行紀錄資料集範例. 時間序列. 航點方位. 偏航角. 1. 263.41. 269.64. 2 3 4 5 6. 263.43 263.44 263.44 263.43 263.42. 268.91 268.81 269 269.15 269.19. …. …. …. (1). 32.

(39) 表七節錄某次 UAV 飛行紀錄，每一列視為一筆原始資料總共 6 筆，表中第一欄時間序列代表紀錄編號，飛行紀錄依序生成，航點方位與偏航角單位為角度，資料範圍從 0 度至 359.99 度。 (2). 利用正常飛行資料建立常態分佈模式本研究利用 15 次正常飛行資料透過機率密度函數建立常態分佈模式，其中將飛行資料代入機率密度函數必須計算所有分配數的算術平均數與標準差，下表八表示衛星導航與機械運作的常態分佈模式資訊，資料數量共 7437 筆。. 表八：衛星導航與機械運作常態分佈模式資訊. 常態分佈模式算術平均數（μ）標準差（σ）衛星導航機械運作. -0.0755 -0.3258. 1.89 4.1995. 上表可知，建立常態分佈模式的分配數其資料數量為 7437 筆，算術平均數會影響常態分佈模式波峰位置，因此從算術平均數與標準差可推測衛星導航常態分佈模式與機械運作常態分佈模式相比其波峰較高如下圖十五與十六所示。. 圖十五：衛星導航常態分佈模式. 33.

(40) 圖十六：機械運作常態分佈模式. 上圖十五與十六橫軸為分配數值單位是角度，縱軸為分配數值出現的機率，當分配數值越靠近算術平均數 μ 時，其出現的機率越大，衛星導航最大值機率為 0.2111 發生在-0.0755 度時，機械運作最大機率值為 0.095 發生在-0.3258 度，因此在衛星導航常態分佈模式中，當航點方位差值 ∆𝑥̅ 越靠近算數平均數-0.0755 時，其出現的機率越大，代表 UAV 在穩定飛行時，其航點方位差值在-0.0755 度浮動，而越靠近常態分佈模式兩側，則出現機率愈小。 (3). 探討影響常態分佈模式之因素本研究認為影響異常偵測模型的偵測效率因素為：(1)異常偵測門檻值、 (2)連續時間窗格大小，以下接續說明異常偵測方法，並介紹此兩種因素如何影響異常偵測。本研究利用正常飛行資料建立衛星導航與機械運作的常態分佈模式後，透過異常飛行資料建立異常偵測門檻值，其方法是將異常飛行資料透過機率密度函數代入常態分佈模式中，並評估適當的異常偵測門檻值。建立異常偵測門檻值後，利用連續時間窗格判定是否包含正常或異常事件，其詳細步驟如下所述： . 步驟一：訂定異常偵測門檻值區分正常與異常資料本研究將異常飛行資料透過機率密度函數，計算各分配數在常態分. 34.

(41) 佈模式中出現的機率，並利用機率值訂定異常偵測門檻值區分此分配數為正常或異常資料，當飛行資料高於訂定的異常偵測門檻值時，則視為正常資料，反之則視為異常資料。因衛星導航常態分布模式的機率最大值為 0.2111，發生於分配數為-0.0755 度時，因此本研究選取衛星導航異常偵測門檻值為機率值 0.21 間隔 0.01 依序探討至 0.17。機械運作常態分配模式的機率最大值為 0.095 發生在分配數為-0.3258 度時，故選取機械運作異常偵測門檻值為機率值 0.04 間隔 0.01 依序探討至 0.01。 . 步驟二：訂定連續時間窗格標記正常與異常事件本研究接續訂定連續時間窗格分析在時間窗格中出現正常與異常資料的次數，當連續時間窗格至少出現正常資料時，則標記此時間窗格為正常事件，代表此時 UAV 為正常飛行狀態。時間窗格皆為異常資料時，則標記此時間窗格為異常事件，代表此時 UAV 具有異常事件的風險，此標記條件式因為本研究考慮到，當 UAV 未達到飛行穩定前，資料會出現類似異常特徵，但經過一定時間後達到飛行穩定便會呈現正常飛行特徵，例如：當衛星導航正常時，在目標航點變換的過程中，航點方位角會跳動，這樣的行為類似異常資料，但航點變換後則回復正常飛行特徵。抑或在機械運作正常時，在 UAV 轉彎過程中，偏航角的角度會有明顯變化，而產生類似異常飛行資料，但 UAV 修正至航道上飛行後，則回復正常飛行特徵。因此本研究利用連續時間窗格中，至早出現一次正常資料則視標記此時間窗格為正常事件，而時間窗格中皆出現異常資料則標記此時間窗格為異常事件，詳細計算示意圖如下圖十七所示。. 35.

(42) 圖十七：連續時間窗格標記示意圖. 由上圖可知，透過步驟一利用常態分佈模型判定資料為正常或異常事件後，本研究利用連續時間窗格判定此時間窗格為正常資料或異常資料，當連續時間窗格中，出現正常事件時，則代表此時間窗格為正常，但皆為異常事件時，則此時間窗格為異常，本研究期望透過誤報率與正確率評估異常偵測門檻值與連續時間窗格大小影響異常偵測模型之效率。 (4). 評估機制本研究透過前項方法建立異常偵測模型，並期望透過異常資料的正確率與正常資料的誤報率評估其異常偵測模型之效率，計算公式如下所示。. 異常飛行資料判斷正確率 =. 正確分類結果. 正常飛行資料判斷誤報率 =. 實際為正常飛行資料筆數. 全部預測結果. 偵測為異常飛行資料筆數. (3) (4). 本研究因使用真實飛行資料，其正常與異常飛行紀錄數量差異不平衡，實際發生異常事件之飛行紀錄很少，所有正常飛行紀錄為 15 次、衛星導航異常飛行紀錄為 2 次、機械異常飛行紀錄為 1 次，正常與異常飛行紀錄數量差異大，所以本研究提出的異常偵測模型理想情況下期望在偵測異常資料正 36.

(43) 確率為百分之百的情況下，盡可能降低系統偵測正確資料之誤報率，藉此有效區分正常與異常飛行事件。所以在實驗部分會分析在異常資料正確率高的情況下，觀察正常資料誤報率，藉此評估異常偵測效率。異常資料正確率意義為：在所有異常資料當中，系統能夠正確偵測出異常資料的比值。而正常資料誤報率意義為：系統預測為異常飛行資料之情況下，將實際正常飛行資料誤報為異常飛行資料之比值。. 第二節實驗結果本節將利用衛星導航與機械運作常態分佈模式，透過異常飛行資料建立異常偵測門檻值，並利用異常飛行資料的正確率與正常飛行資料的誤報率，評估影響偵測模型偵測效率的兩項因素，此因素為異常偵測門檻值與連續時間窗格大小，期望從實驗結果訂定合適數值，供未來異常偵測模型做即時異常偵測，本節主要分衛星導航與機械運作兩部份做實驗探討。 (1). 衛星導航本研究衛星導航異常飛行紀錄發生在 2013 年九月台灣苗栗山區受到基地台電磁波干擾導致 GPS 模組收訊異常而影響 UAV 飛行，其未依預先規劃之航點路徑飛行而產生迷航狀況，導致地面端駕駛員必須在視距外透過遙控器操控 UAV 至安全飛行範圍。以下本研究將探討在衛星導航異常情況下，其異常偵測門檻值與連續時間窗格大小影響異常偵測模型對異常資料的偵測正確率，如下表九所示。. 37.

(44) 表九：影響衛星導航異常資料正確率之情形. 異常資料正確率. 異常偵測門檻值. 連續時間窗格大小 5. 10. 15. 20. 25. 30. 0.21 0.8316 0.7580 0.6807 0.5954 0.5005 0.3941 0.2. 0.2947 0.2620 0.2269 0.1892 0.1483 0.1061. 0.19 0.0690 0.0537 0.0382 0.0225 0.0146 0.0082 0.18 0.0368 0.0292 0.0215 0.0152 0.0113 0.0073 0.17 0.0313 0.0237 0.0183 0.0144 0.0105 0.0065. 上表為連續時間窗格大小與異常偵測門檻值影響衛星導航異常資料正確率的統計表，從表中可知正確率隨連續時間窗格越大而降低，同樣隨異常偵測門檻值越小而降低，因此越偏向表左上方其正確率越高，但可觀察異常偵測門檻值影響效果較明顯。因為衛星導航常態分佈模式最大的機率值為 0.2111，故本研究探討異常偵測門檻值最大值定為 0.21。在異常偵測門檻值為 0.21 時，有較佳的正確率，在連續時間窗格大小為 5 的情況下，正確率最佳為 83.16%，而連續時間窗格大小為 10 的情況下有次佳的正確率為 75.8%。本研究接續探討衛星導航正常資料的誤報率，如表十所示。. 表十：影響衛星導航正常資料誤報率之情形. 正常資料誤報率. 異常偵測門檻值. 連續時間窗格大小 5. 10. 15. 20. 25. 30. 0.21 0.3741 0.2284 0.1427 0.0926 0.0647 0.0456 0.2. 0.1394 0.0711 0.0312 0.0168 0.0104 0.0064. 0.19 0.1002 0.0458 0.0228 0.0146 0.0089 0.0063 0.18 0.0804 0.0365 0.0195 0.0133 0.0083 0.0063 0.17 0.0681 0.0305 0.0182 0.0122 0.0080 0.0063. 從上表可以觀察出正常飛行資料的誤報率隨著時間窗格越大而降低，同樣也隨著異常常偵測門檻值越小而降低，因此表十左上角的誤報率為最大。從前述表九可知在異常偵測門檻值為 0.21 的情況下，異常資料具有較佳的 38.

(45) 正確率 83.16%與次佳的正確率 75.8%，比較表九與表十，本研究建議在時間窗格大小為 10 與異常偵測門檻值為機率值 0.21 的條件下，整體會有較好的異常偵測效率，因為異常資料正確率為 75.8%，正常資料誤報率為 22.84%。 (2). 機械運作機械異常飛行紀錄發生於 2013 年六月於台灣屏東佳冬地區，當時因機械異常導致 UAV 於兩百公尺高空失速墜毀。以下本研究將探討在機械異常情況下，其異常偵測門檻值與連續時間窗格大小對模型偵測之效率，如下表十一所示。. 表十一：影響機械運作異常資料正確率之情形. 異常資料正確率. 1. 3. 5. 7. 9. 0.04. 1. 1. 1. 1. 1. 0.03. 1. 1. 1. 1. 1. 異常偵測門檻值. 連續時間窗格大小. 0.02 0.9231 0.7273 0.6667 0.5714 0.4 0.01 0.9231 0.7273 0.6667 0.5714 0.4. 上表為連續時間窗格大小與異常偵測門檻值影響機械運作異常資料正確率的統計表，因為機械運作常態分佈模式最大機率值為 0.0949，因此本研究機率異常偵測門檻值取 0.04 間隔 0.01 依序統計正常資料誤報率至異常偵測門檻值為 0.01，且本研究連續時間窗格大小依序探討 1, 3, 5, 7, 9，比衛星導航探討的連續時間窗格相對較小，其主要理由是：當 UAV 機械異常時，容易造成 UAV 快速墜毀，因此本研究探討小的連續時間窗格，期望當發生機械異常時能快速偵測異常並預警地面端人員，加快反應速度。反觀當衛星導航發生異常時，UAV 無法判定飛行方位，但機械運作能夠維持正常飛行姿態，不容易造成墜毀，因此本研究在分析衛星導航異常部份取較大的 39.

(46) 連續時間窗格，減少系統誤判。從上表可知在異常偵測門檻值在 0.04 與 0.03 其正確率皆為 100%，在異常偵測門檻值為 0.02 與 0.01 時，正確率隨連續時間窗格越大而降低。本研究接續探討連續時間窗格大小與異常偵測門檻值影響機械運作正常資料的誤報率，如下表十二所示。表十二：影響機械運作正常資料誤報率之情形. 正常資料誤報率. 異常偵測門檻值. 連續時間窗格大小 1. 3. 5. 7. 9. 0.04 0.1066 0.0358 0.0119 0.0018 0.0017 0.03 0.0814 0.0236 0.0066 0.0013 0.0013 0.02 0.0544 0.0116 0.0019 0.0005 0.0010 0.01 0.0303 0.0061 0.0005 0.0001 0.0003. 上表正常資料誤報率隨時間窗格越大而降低，且隨異常偵測門檻值越小而降低，因此左上角誤報率最大。比較表十一與表十二可知，在連續時間窗格大小為 7 與 9 與異常偵測門檻值為 0.03 的情況下，會有不錯的異常偵測效率，其異常資料正確率為 100%，而正常資料的誤報率為 0.13%，因此其偵測效果良好，能有效區分正常與異常飛行資料。. 透過上述實驗結果顯示，在偵測衛星導航異常時，時間窗格大小為 10 與異常偵測門檻值為 0.21 的條件下，整體會有較好的異常偵測效率，其異常資料偵測正確率為 75.8%，正常資料偵測誤報率為 22.84%。而在偵測機械異常時，在連續時間窗格大小為 7 與 9 與異常偵測門檻值為 0.03 的情況下，會有不錯的異常偵測效率，其異常資料偵測正確率為 100%，而正常資料的偵測誤報率為 0.13%，能有效區分正常與異常飛行資料，因此本研究所提出的異常偵測模型在偵測衛星導航與機械異常事件皆有不錯的偵測效率，並且能夠達到異常偵測的即時性。 40.

(47) 第五章. 結論與未來方向. 第一節結論隨著 UAV 快速發展，相關應用領域越來越廣，使得 UAV 普遍性提高，但也延伸出相關安全與飛行異常事件問題。本研究針對飛行異常事件做探討，選取衛星導航異常與機械異常做為研究問題，期望建立即時異常偵測方法。首先，本研究探討目前 UAV 異常偵測相關研究，了解目前偵測技術後，期望利用離群值偵測技術提出即時異常偵測模型。本研究接續分析飛行紀錄中衛星導航與機械運作的飛行特徵，從中發現衛星導航運作正常時，航點方位在自動飛行過程中，會依照飛行腳本所規劃的航線維持穩定方位角飛行，因此本研究利用航點方位區別衛星導航正常與異常飛行資料。在機械正常運作情況下，偏航角與航點方位具有收斂現象，因此本研究利用偏航角與航點方位區別機械運作正常與異常飛行資料。除此之外，本研究觀察到正常飛行資料彼此間具有常態分佈模式，因此利用正常飛行資料建立常態分佈圖，接續透過異常飛行資料建立異常偵測模型，並利用異常資料之偵測正確率與正常資料之偵測誤報率評估偵測模型偵測效率。異常資料之偵測正確率意義為：在所有異常資料當中，系統能夠正確偵測出異常資料的比值。而正常資料之偵測誤報率意義為：系統預測為異常飛行資料之情況下，將實際正常飛行資料誤報為異常飛行資料之比值。本研究提出的異常偵測模型期望提高異常資料的偵測正確率，且降低正常資料之偵測誤報率，藉此有效偵測飛行異常事件。實驗結果顯示，在偵測衛星導航異常時，時間窗格大小為 10 與異常偵測門檻值為 0.21 的條件下，整體會有較好的異常偵測效率，其異常資料偵測正確率為 75.8%，正常資料偵測誤報率為 22.84%。而在偵測機械異常時，在連續時間窗格大小為 9 與異常偵測門檻值為 0.03 的情況下，會有不錯的異常偵測效率，其異常資料正確率為 100%，而正常資料的誤報率為 0.13%，因此能有效區分正常與異常飛行資料。除以上實證評估的研究結論外，在本研究中已完成了以下的主要的研究目標， 41.

(48) 茲說明如下： (1). 分析歷史飛行紀錄，歸納衛星導航與機械正常特徵，藉此區別正常與異常飛行紀錄。本研究觀察衛星導航正常運作情況下，航點方位在飛行腳本各航線中維持穩定方位角飛行，本研究藉此特徵區別正常與異常飛行資料。而在機械運作正常情況下，偏航角與航點方位於飛行腳本中各航線具有收斂現象，偏航角隨著時間而逐漸趨近於航點方位，因此本研究藉此區分正常與異常飛行紀錄。. (2). 根據所觀察之衛星導航與機械正常飛行特徵，建立常態分佈模式並訂定異常偵測模型區分正常與異常飛行資料，供未來即時評估 UAV 是否存在衛星導航與機械異常風險。本研究觀察到正常飛行資料具有常態分佈現象，因此利用機率分配函數建立正常飛行資料的常態分佈模式，並且計算異常飛行資料的機率密度數值建立異常偵測模型，最後利用正常資料與異常資料的誤報率評估異常偵測模型是否可行。. (3). 可將 UAV 飛行紀錄回饋至飛行數據資料庫中，藉此更新異常偵測模型，提高偵測準確率。本研究所提出的偵測模式可持續將新增的飛行資料回饋至飛行數據庫中，藉此提升異常偵測模型偵測準確度。. 第二節研究限制本研究分析資料皆為實際飛行紀錄，為了飛行紀錄多樣性，本研究採用不同飛行腳本並且在不同飛場中實驗飛行，另外考慮到飛行安全性，UAV 無法於有人居住地區或飛機禁航區飛行，每次飛行必須到人煙稀少地區實驗飛行，例如：山區、海邊或河堤，因此耗費不少人力與時間成本，飛行資料取得不易。除此之外，本研究真實異常飛行紀錄數量少，衛星導航異常飛行紀錄為 2 次，機械異常飛行紀錄為 1 次，當發生飛行異常事件時，必須冒人身財物損失的風險讓 UAV 繼續飛行以獲取異常飛行數據，其中機械異常飛行紀錄為真實 UAV. 42.