基于物理原理的故障注入方法生成的用于通用航空异常检测的高保真多模型基准数据集

《Scientific Data》：A High-Fidelity Multi-Model Benchmark Dataset for General Aviation Anomaly Detection Generated via Physics-Based Fault Injection

　　

摘要

航空领域的基于数据的安全监测面临着一个关键瓶颈：缺乏包含经过验证的异常情况的高质量飞行数据，尤其是在由不同类型飞机组成的机队中。现有的数据集往往缺乏物理真实性，或者仅限于单一飞机型号。在此，我们基于从塞斯纳172（R/S）和西鲁斯SR20（G1/G6）训练机上收集的120次实际飞行数据（约100万个点），构建了一个全面的基准数据集。我们开发了一种基于物理原理的合成数据生成方法，用于创建四种不同的异常情况油门波动、飞行路径偏差、气缸失火以及俯仰偏差。该数据集按异常类型和飞机型号进行分层结构化，提供了正常状态与异常状态的配对样本便于进行直接的对比分析。我们通过统计分布分析以及基准异常检测测试来验证该数据集的实用性。这一资源架起了模拟与现实之间的桥梁，有助于开发出强大且不受模型限制航空安全监测算法。