10.16526/j.cnki.11-4762/tp.2020.05.001
基于深度学习及GPU计算的航天器故障检测技术
由于航天器在高温、高压等恶劣环境中工作,采用传统故障检测方法自主性相对较差,缺少对故障特征的分析,导致检测精准度较低;提出了基于深度学习及GPU计算的航天器故障检测技术,依据航天器故障信号特征分析与检测原理,在GPU计算技术支持下,获取GPU图像,并在深度置信网络模型中引入该计算方法;根据构建的深度置信网络模型,预测轴承故障位置,经过GPU计算技术下提取的故障特征用于深度置信网络故障预测基本数据,将原始数据进行归一化处理,分析航天器轴承故障特征,并在不同参数支持下,利用深度学习算法自动确定网络关键参数,由此识别轴承故障,并学习故障特征,实现航天器故障检测;由实验结果可知,该技术检测精准度最高可达到98%,具有较强鲁棒性.
深度学习、GPU计算、航天器、故障检测
28
TP212(自动化技术及设备)
国家自然科学基金;辽宁省自然科学基金;沈阳工学院i5智能制造研究所基金;辽宁“百千万人才工程”培养经费
2020-06-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
1-4,9