典型文献
基于注意力残差网络的航天器测控系统故障诊断
文献摘要：
随着航天器数量的不断增加,快速而准确地对航天器测控系统进行故障诊断尤为重要.针对航天器所处空间环境变化较大、遥测数据成分复杂和故障诊断准确率不高的问题,提出了一种基于注意力残差网络(AM-ResNet)的航天器测控系统故障诊断方法.首先,将原始遥测数据转换成灰度图像;其次,将图像依次通过残差网络和注意力模块,获取具有全局依赖关系的特征图;最后经过卷积、池化操作后利用Softmax分类器进行分类,实现航天器测控系统的故障诊断.实验结果表明,所提出的基于注意力残差网络的航天器测控系统故障诊断方法可将诊断准确率提升至95.68％,与ResNet-18、AlexNet和LeNet-5故障诊断模型相比,诊断准确率分别提高了3.53％、5.62％和16.43％,验证了该方法可以有效提高航天器测控系统故障诊断性能.
文献关键词：
深度学习;故障诊断;残差网络;航天器;注意力机制
中图分类号：
作者姓名：
慕晓冬;魏轩;曾昭菊
作者机构：
火箭军工程大学作战保障学院 西安 710025
文献出处：
引用格式：
[1]慕晓冬;魏轩;曾昭菊-.基于注意力残差网络的航天器测控系统故障诊断)[J].仪器仪表学报,2022(09):81-87
A类：
B类：
注意力残差网络,航天器,测控系统,系统故障,空间环境,遥测数据,故障诊断准确率,AM,ResNet,故障诊断方法,数据转换,转换成,灰度图像,注意力模块,依赖关系,特征图,池化操作,Softmax,分类器,准确率提升,AlexNet,LeNet,故障诊断模型,诊断性,注意力机制
AB值：
0.256278
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
