基于CNN-LSTM的在轨卫星故障预测分析

摘要：

在役考核中,对遥测参数进行监控与分析,是评估在轨卫星工作状态及健康状况的重要途径.为解决在线多任务故障预测问题,提出了结合长短期记忆网络(LSTM)和卷积神经网络(CNN)的数据挖掘模型,并运用了一种基于误差反馈的权重自调整机制.利用某型卫星(含故障)遥测参数的仿真数据进行分析处理,实验结果表明:在线CNN-LSTM模型以最小的信息损失进行建模,对比单一模型以及传统的回归模型,CNN-LSTM模型不仅在测试集上取得了最小平均绝对百分比误差12.61％,同时模型预测性能在长时间预测中优于离线模型.

关键词：在役考核、故障预测、多时间序列、卷积神经网络、长短期记忆神经网络

所属期刊栏目：35

分类号：E92(武器、军用器材)

资助基金：全军军事类研究生项目JY2019C213

在线出版日期：2021-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：57-63,72