基于残差网络的航天器测控系统诊断
针对由于空间环境复杂,航天器遥测信号伴随大量噪声,直接利用原始遥测信号进行故障诊断导致准确率不高的问题,提出了一种基于主成分分析(principal component analysis,PCA)和残差网络(pesidualnetwork,ResNet)的航天器测控系统故障诊断方法.将航天器测控系统遥测信号通过PCA降噪后生成灰度图;将图像输入残差网络提取深层次的特征;利用分类器实现航天器测控系统的故障诊断.结果表明,该方法的诊断准确率达到95.34%,高于其他诊断模型,可用于航天器测控系统的实际故障分类.
航天器、故障诊断、深度学习、主成分分析、残差网络
44
TP242(自动化技术及设备)
2023-04-19(万方平台首次上网日期,不代表论文的发表时间)
共7页
254-260