|
|||||
|
|
| 基于CNN-LSTM的在轨卫星故障预测分析 | |
| 引用本文： | 钱昭勇,曹裕华,张雷.基于CNN-LSTM的在轨卫星故障预测分析[J].军事运筹与系统工程,2021,35(1):57-63,72. |
| 作者姓名： | 钱昭勇 曹裕华 张雷 |
| 作者单位： | 航天工程大学,北京101416;国防大学联合勤务学院,北京100858;西安卫星测控中心,陕西西安710043 |
| 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 |
| 本文献已被 万方数据 等数据库收录！ | |