-
题名基于表示学习和动态阈值的航天器异常检测方法
- 1
-
-
作者
胡自航
张玉杰
苗强
-
机构
四川大学电气工程学院
-
出处
《电子测量技术》
北大核心
2025年第14期1-9,共9页
-
基金
四川省科技计划(2025YFHZ0157)项目资助。
-
文摘
航天器本身结构复杂且工作环境多变,而针对航天器的异常检测是监测航天器状态,保障航天任务成功执行的关键。由于航天器遥测数据具有非平稳性且包含噪声,因此传统异常检测方法针对遥测数据进行异常检测存在检测精度低、适应性差等问题。本文提出了一种融合表示学习与动态阈值优化的智能异常检测框架,以提升航天器数据异常检测的准确性与可靠性。首先,通过堆叠自编码器对高维时序数据进行非线性降维,提取低维本质特征以抑制噪声干扰;其次,使用神经电路策略模型对特征数据进行建模,利用其仿生稀疏结构与自适应时间常数机制对数据进行预测;最后,引入多目标优化算法动态调整异常判定阈值,兼顾异常检测的精确率与召回率,解决固定阈值在数据分布突变场景下的检测效果不佳的问题。在仿真数据集的漂移异常检测实验中,本文所提方法的异常检测的F1分数比LSTM、Transformer和TFT 3种方法分别高了65.1%、50.5%和8.8%。而在真实卫星数据集的实验中,本文所提方法较3个对比方法的F1分数分别高了53.0%、51.0%和41.0%。在两个航天器数据集上的实验表明,本方法较对比方法显著提高了预测准确性。本文所提方法为航天器在轨自主健康管理提供了一个新的技术途径,对提升深空探测任务的安全性与可靠性具有重要意义。
-
关键词
异常检测
表示学习
神经电路策略
航天器
-
Keywords
anomaly detection
representation learning
neural circuit policies
spacecraft
-
分类号
TP206.3
[自动化与计算机技术—检测技术与自动化装置]
TN98
[电子电信—信息与通信工程]
-
