基于CNN-LSTM的在轨卫星故障预测分析

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.     

单板纳星电源系统能量平衡仿真

能量平衡是微纳卫星电源系统设计和考核的重要要求,在地面通常通过数值仿真进行评价。介绍单板纳星电源系统结构和特点;分别对太阳电池阵、蓄电池组和卫星负载进行数学建模;结合卫星姿态动力学进行能量平衡仿真,仿真结果可以实时反映卫星的功率变化、电池容量和能量平衡情况。电源系统在轨试验数据与仿真结果基本一致,证明所建模型是正确的,仿真方法有效。     

利用预报误差分布拟合实现卫星历史轨道机动检测的方法

轨道机动会引起在轨卫星的轨道异常,是空间态势感知的重点关注对象之一。为此,提出一种从卫星的两行轨道要素编目数据中检测历史机动的方法。通过分析预报误差检测轨道参数的异常编目值,进而获得相应的历史机动信息。对卫星的两行轨道要素编目数据两两预报求差得到预报误差的样本数据后,利用期望最大化算法可以拟合得到以高斯混合模型表达的预报误差的概率分布模型;以此为基础,可以确定利用预报误差检测轨道参数异常编目值的门限;利用轨道机动与异常编目值之间的对应关系,最终实现机动检测。对典型活动卫星的机动检测结果表明,所提方法能够在准确检出历史机动事件的同时保持较低的误检率。     

基于预报误差分布拟合的卫星历史机动检测方法

轨道机动会引起在轨卫星的轨道异常，是空间态势感知的重点关注对象之一。为此，提出一种从卫星的两行轨道要素编目数据中检测历史机动的方法。通过分析预报误差检测轨道参数的异常编目值，进而获得相应的历史机动信息。对卫星的两行轨道要素编目数据两两预报求差得到预报误差的样本数据后，利用期望最大化算法可以拟合得到以高斯混合模型表达的预报误差的概率分布模型；以此为基础，可以确定利用预报误差检测轨道参数异常编目值的门限；利用轨道机动与异常编目值之间的对应关系，最终实现机动检测。对典型活动卫星的机动检测结果表明，所提方法能够在准确检出历史机动事件的同时保持较低的误检率。     

长短周期记忆网络微调的氧气浓缩器寿命预测模型迁移

针对寿命预测模型迁移问题,提出了一种长短周期记忆网络微调(long short-term memory fine tune, LSTM-fine-tune)的迁移模型,利用理想条件下的试验数据对模型进行训练。在迁移过程中,对部分LSTM网络层进行冻结,利用实际服役环境下的数据对网络其他部分进行修正。为验证模型的泛化能力,采用不同相位与幅值的正弦函数生成数据,通过学习数据获取正弦函数的经验知识,并应用至其他正弦函数的回归,结果表明LSTM-fine-tune模型能够快速拟合,平均均方误差仅为1.033 5,明显低于直接预测误差1.536 8。为通过实际监测数据检验本方法泛化能力,分别获取了试验条件下与实际服役环境下氧气浓缩器的数据,对模型的泛化能力进行验证。结果表明,迁移后训练集预测精度提高了43.0%,测试集预测精度提高了20.2%。     

基于访问偏好的卫星遥测时序数据存储方法

随着航天事业的发展,尤其伴随巨星星座的构建,在轨卫星数量越来越多,如何管理使用海量的遥测数据成为航天测控系统亟需解决的问题。针对测控系统当前时序数据全参数存储策略带来的时序数据量较大的问题,引入业务访问遥测数据记录中的遥测参数标识、数据使用时间和访问记录时间等参数,构建参数存储强度函数,提出基于深度线性规划霍克斯模型的时序存储算法,对时序数据存储策略进行改进,同时设计实验对比全参数时序数据存储策略和基于深度时序算法的存储策略,验证该方法在保证时序数据访问命中率基础上,存储量相较全参数存储策略降低至2%,达到与基于深度时序算法的存储策略相近的水平,同时解决基于深度时序算法的存储策略收敛性不足的问题,该方法有效解决了单服务器时序数据存储量大的问题。     

微纳卫星姿态确定与控制半实物仿真系统设计

航天器姿态控制系统需要特殊的运行环境,在地面很难考核,这给系统可靠性带来一定的风险。针对微纳卫星的特点,设计并研制了一套面向微纳卫星的姿态确定与控制半实物仿真系统。该系统通过数字化模型模拟卫星姿态轨道运动、敏感器模型产生敏感器测量数据、执行器模型生成控制力矩、敏感器模拟器实现通信协议,最终实现姿态控制系统的全系统仿真。这套系统可以接入卫星控制系统回路,实现对姿控系统软件、硬件的考核,同时验证算法的性能。基于该系统,对天拓三号卫星姿控系统进行地面半实物仿真,并对比在轨试验数据,结果表明系统设计合理,仿真结果可信。     

EEMD+BiGRU组合模型在短时交通流量预测中的应用

针对城市交通流随机波动性强、数据中含噪声多导致预测精度下降的问题,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU)的组合交通流量预测模型,有效地提升了短时交通流预测的精度。模型利用EEMD算法对原始数据进行分解,根据分解所得的本征模函数(intrinsic mode function,IMF)分量绘制噪声能量图谱,去除分量中的噪声,并将去噪后的IMF分量作为BiGRU网络的输入进行训练,再将训练所得的结果进行重构加和,得到最终的预测结果。实验结果表明,未舍弃含有噪声的IMF分量进行重构的预测结果,相比于参考文献中提出的EMD+LSTM模型、LSTM模型和EEMD+LSTM模型,其平均绝对百分误差分别优化了42.36%、61.82%和30.95%;舍弃含有噪声的IMF分量后进行重构的预测结果,其平均绝对百分误差相比于将全部IMF分量进行重构优化了56.62%。     

基于贝叶斯优化LSTM的发动机剩余寿命预测

针对航空发动机剩余寿命预测中深度学习算法参数优化效率低、预测准确率差等问题,在长短期记忆网络算法（LSTM）的基础上提出一种基于贝叶斯优化的LSTM算法。利用长短期记忆网络对航空发动机的传感器数据进行时间序列预测,并运用贝叶斯优化算法对长短期记忆网络的超参数进行迭代优化。利用NASA公开数据集对算法进行验证,结果表明,相较于其他算法,优化后的算法在优化参数、提高预测准确率方面有明显改善,能为保证航空器的安全使用以及制定维修替换策略提供参考。     

基于网控的军事卫星通信地球站异常检测系统研究

针对军事卫星通信系统中可能出现的因地球站被捕获、盗用、伪造和非法用户入侵等严重威胁卫星网安全的问题,提出了地球站行为异常检测的概念,并引入聚类分析和模式匹配相结合的方法,提出了一个基于网控中心的某型军事卫星通信地球站异常检测系统,对数据的预处理方法进行了改进．通过对几个经典数据集和卫星地球站真实数据的实验分析证明,该方法用于检测某型地球站异常行为是可行有效的．     

基于神经网络的复杂导弹系统可靠性预测

介绍了如何利用神经网络对复杂导弹系统可靠性进行预测。对利用导弹地面测试数据和可靠性数据预测未来导弹可靠性问题进行了描述。给出了建模思路和方法框架。探讨了基于因子分析的可靠性数据特征选择方法、循环神经网络(RNN)、长短时记忆网络(LSTM)、门循环网络(GRU)以及输出数据融合方法。在实例中利用该方法对其飞行可靠性进行了预测,验证了方法的可行性与有效性。该方法可以充分利用复杂系统地面测试数据、可靠性数据中隐含的信息以及多种神经网络的优点,具有一定的通用性与实用性。     

雷达智能BIT故障预测方法研究

在总结了几种比较常见的故障预测方法的基础上，介绍了基于统计学习理论的支持向量回归算法。提出将智能遗传算法用来对支持向量回归模型的参数进行优化选取，并详细介绍了模型参数的选取过程，避免了参数的盲目设置。将建立起来的模型应用于雷达智能BIT故障预测领域，并以一组智能BIT状态监测的数据对预测模型进行训练和验证，实验结果表明支持向量回归模型能有效地对雷达故障进行预测。     

基于灰色Verhulst优化模型的电子装备故障预测方法

针对平均故障工作时间数据样本量少的特点,提出利用灰色Verhulst模型预测电子装备故障;又针对灰色Verhulst模型存在预测精度不高的问题,研究了灰色Verhulst模型参数的优化方法。通过实际试验数据对2个模型进行了仿真验证,并基于灰色关联度对2个模型的模拟预测精度进行了比较分析,结果表明：基于灰色Verhulst优化模型适合于电子装备故障预测,并具有较高的拟合预测精度。     

一种应用聚类技术检测网络入侵的新方法

基于聚类技术提出了一种能处理不带标识且含异常数据样本的训练集数据的网络入侵检测方法。对网络连接数据作归一化处理后 ,通过比较数据样本间距离与类宽度W的关系进行数据类质心的自动搜索 ,并通过计算样本数据与各类质心的最小距离来对各样本数据进行类划分 ,同时根据各类中的样本数据动态调整类质心 ,使之更好地反映原始数据分布。完成样本数据的类划分后 ,根据正常类比例N来确定异常数据类别并用于网络连接数据的实时检测。结果表明 ,该方法有效地以较低的系统误警率从网络连接数据中检测出新的入侵行为 ,更降低了对训练数据集的要求。     

基于星架系统结构参数的卫星载荷减振方法

卫星工程中广泛采用的有效载荷支架结构可能会与卫星主体结构发生动力耦合,进而造成有效载荷响应显著放大。进一步将有效载荷支架与卫星主体结构考虑为一个整体系统(称为星架系统)。采用有限元方法建立某型卫星系统级动力学分析模型,从中提取结构参数建立集中参数模型,并针对结构参数进行单变量影响分析。结果表明:所建集中参数模型能够反映支架结构与卫星主体结构之间动力耦合规律,载荷响应对两者频率参数的敏感程度远高于其阻尼和质量参数,卫星结构设计阶段应重点考量主体结构和支架结构频率关系以优化卫星载荷的动力学环境。     

基于果蝇算法优化LSTM的雷达波束扫描行为预测

在认知电子战体系下,更为智能的算法才能适应日益复杂的电磁空间。针对相控阵雷达的波束扫描行为预测问题,在正弦坐标系下将波束扫描位置数据抽象为网格数据,利用果蝇优化算法寻找最优的LSTM网络超参数,提出了一种基于果蝇算法优化LSTM的波束行为预测方法。仿真实验表明所提算法在果蝇算法调参的支撑下,相较NAR神经网络算法和普通的LSTM算法而言,预测精度和鲁棒性更强。     

基于模型的系统级故障诊断与预测推理技术

针对装备状态监控和故障预测推理的需求,提出不同的诊断推理模型。首先,提出了基于二值相关性模型的快速推理算法,采用Vx Works平台对方法进行了验证评估。然后,针对应用过程中存在的时延、故障耦合等现象,提出了动态诊断模型。在此基础上,提出了考虑故障预测的诊断和预测一体化诊断推理模型,对推理运算方法进行了阐述,开发了仿真验证软件。以某卫星电源系统为例进行了验证,结果显示模型具有故障诊断和预测能力,能实现故障诊断和预测的一体化推理。     

军用车载电源异常电压监测模块的研制

对由蓄电池供电的某军用特种车辆供电系统的异常电源信号进行监测模块的设计,为系统控制终端进行分析及故障排除提供参考数据。监测模块采用C8051F040单片机为控制核心,通过对"系统DC26V"和"系统DC5V"电源进行监测,记录超出正常范围的异常电压值,并可以通过RS-485通信方式将异常数据上传到控制终端。该模块具有体积小,采集速度快,记录时间标记和运行稳定的特点。通过实际应用证明可以准确地记录各种在运行过程中电源异常的情况。     

光学成像侦察卫星威胁特性分析与仿真研究

为有效评估光学成像侦察卫星对地面目标的威胁,在对光学成像侦察卫星的成像过程以及影响其成像效果的成像条件进行分析的基础上,建立了基于目标检测概率的卫星威胁特性分析和预报模型,划分了威胁等级。通过STK/Matlab联合仿真,实时显示卫星在轨运行情况以及卫星对目标区域的覆盖信息,计算并输出在过境时间段内光学成像侦察卫星的威胁结果。仿真结果表明,该方法可提供更可靠和直观的光学成像侦察卫星威胁结果。     

光学成像侦察卫星威胁特性分析与仿真研究北大核心

为有效评估光学成像侦察卫星对地面目标的威胁,在对光学成像侦察卫星的成像过程以及影响其成像效果的成像条件进行分析的基础上,建立了基于目标检测概率的卫星威胁特性分析和预报模型,划分了威胁等级。通过STK/Matlab联合仿真,实时显示卫星在轨运行情况以及卫星对目标区域的覆盖信息,计算并输出在过境时间段内光学成像侦察卫星的威胁结果。仿真结果表明,该方法可提供更可靠和直观的光学成像侦察卫星威胁结果。