-
题名基于数字孪生和机器学习的卫星未知故障检测方法
- 1
-
-
作者
沈英龙
蔡君亮
林佳伟
杨帆
-
机构
厦门大学航空航天学院
北京控制工程研究所
厦门市大数据智能分析与决策重点实验室
-
出处
《中国空间科学技术(中英文)》
北大核心
2025年第1期46-58,共13页
-
基金
国家自然科学基金(62173282)
厦门市自然科学基金(3502Z20227180)。
-
文摘
卫星传统故障诊断方法及现有的数据驱动诊断方法都存在无法找出异于已知故障类型的未知故障的问题,可靠性与安全性较低。针对上述问题,提出基于卫星数字孪生体和多种机器学习模型的故障诊断与未知故障检测方法。首先,通过卫星数字孪生产生覆盖各种类型故障的仿真数据,并利用XGBoost分类模型和卫星真实故障样本验证了数字孪生数据的高仿真性,实现了已知故障类型的诊断。在此基础上,考虑到现有诊断方法无法精准识别未知类型故障的发生,提出一种分布外检测模型Con-DAGMM,通过正常数据和已知类型故障数据训练模型,实现了对未知故障的及时预警。利用数字孪生数据与在轨卫星真实故障数据进行实验,实验结果表明,所提方法故障诊断精度高,在测试数据上的平均准确率达到98.8%,且Con-DAGMM实现了高性能的未知故障检测,在精准率、召回率和F_(1)分数上优于Deep-SVDD等对比方法。结果表明,卫星数字孪生可以克服卫星历史数据中故障样本稀缺的问题,且分布外检测的思路能成功应用于卫星未知故障的预警,提高了在轨卫星的安全性与可靠性。
-
关键词
卫星控制系统
未知故障检测
故障诊断
数字孪生
机器学习
分布外检测
-
Keywords
satellite control system
unknown fault detection
fault diagnosis
digital twin
machine learning
out-of-distribution detection
-
分类号
V467
[航空宇航科学与技术—航空宇航制造工程]
-
