机械工程学报

作者：宫文峰, 王元哲, 陈辉, WANG Danwei

单位：1. 武汉理工大学高性能舰船技术教育部重点实验室 武汉 430063;2. 南洋理工大学电机与电子工程学院 新加坡 639798 新加坡

关键词：无人驾驶汽车,深度学习,异常诊断,导航传感器,网络攻击；

基金：国家重点研发计划（2019YFE0104600）、工信部“绿色智能内河船舶创新专项”、国家自然科学基金（51579200，U1709215）、广西自然科学基金（2020GXNSFBA159058）、中央高校基本科研业务费专项武汉理工大学优秀博士学位论文培育（2019-YB-023）和中国国家留学基金委博士联合培养（CSC201906950020）资助项目。

近年来，无人驾驶汽车（Unmanned autonomous vehicle，UAV）作为未来智能交通系统（Intelligent transportation system，ITS）的重点发展方向已成为业内研究的热点。作为一种新兴智能交通工具，无人汽车的行驶完全依赖于导航传感器提供的精确位置和路径数据。GPS传感器因计算机黑客的恶意网络攻击或物理故障而造成导航位置数据异常或篡改给无人车的安全行驶带来了巨大的威胁和挑战。针对无人汽车GPS传感器易受攻击的现实问题，提出一种基于深度学习的无人车GPS传感器异常检测新方法。该方法通过改进传统一维卷积神经网络（1D Convolutional neural network，1D-CNN）的拓扑结构，设计出1DGAP-CNN算法框架，使其满足快速实时性的诊断要求。首先，原始的多传感器位置数据直接输入到提出的算法中进行数据融合和预处理；其次，提出的算法自动的进行特征提取、降维减参和模式辨识；最后，模型直接输出诊断结果，整个诊断过程由模型自主完成。结果表明，提出的方法相比于主流的智能诊断算法具有更高的诊断准确率和更快的检测速度。

来源：2021年第24期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2021年第24期