典型文献
引入DDC迁移学习算法的卫星ACS系统故障定位技术
文献摘要：
基于数据的故障诊断方法凭借其优秀的工程适用性,已成为当前故障诊断领域的重点研究方向;但其算法模型的训练一般需要充足的样本数据,因此难以解决故障样本缺少的诊断问题.针对目标卫星无故障样本情况下的卫星姿态控制系统(ACS)故障诊断问题,提出一种基于DDC(deep domain confusion)迁移学习算法改进的故障定位技术.通过长短期记忆-自编码器(LSTM-AE)网络对标称卫星姿态信息重构并计算残差,再对其进行特征提取以训练BP网络故障定位分类器;同时引入DDC迁移学习算法,于分类器网络中添加域适应层并修改损失函数,学习目标卫星的健康和故障特征知识进而改进算法模型.最后通过三轴气浮台半物理仿真平台,验证了引入DDC迁移学习改进的故障定位技术的有效性.
文献关键词：
迁移学习;神经网络;LSTM-AE;故障定位
中图分类号：
作者姓名：
王泽;程月华;宫江雷;郭小红;何漫丽
作者机构：
南京航空航天大学 自动化学院,江苏南京211100;西安电子科技大学,西安710071;宇航动力学国家重点实验室,西安710043
文献出处：
引用格式：
[1]王泽;程月华;宫江雷;郭小红;何漫丽-.引入DDC迁移学习算法的卫星ACS系统故障定位技术)[J].空间控制技术与应用,2022(02):80-87
A类：
B类：
DDC,迁移学习,ACS,系统故障,故障定位技术,故障诊断方法,工程适用性,算法模型,难以解决,诊断问题,无故障,卫星姿态控制,姿态控制系统,deep,domain,confusion,算法改进,长短期记忆,自编码器,AE,标称,姿态信息,信息重构,网络故障,定位分类,分类器,域适应,损失函数,学习目标,故障特征,改进算法,三轴气浮台,半物理仿真,仿真平台
AB值：
0.361882
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。
