检索结果-南通市图书馆

检索条件"主题词=健康指标CV"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于机器学习的卫星关键单机剩余寿命预测研究

基于机器学习的卫星关键单机剩余寿命预测研究

引用

作者：肖北国防科技大学

学位级别：硕士

卫星关键单机剩余寿命预测是及时发现并预报故障,实现卫星在轨安全可靠运行,充分发挥卫星应用效能的重要技术手段与保障,对于卫星的设计,使用和监测都有着十分重要的作用。在实际工作中,卫星关键单机具有监测参数多,数据传输过程噪声大... 详细信息

卫星关键单机剩余寿命预测是及时发现并预报故障,实现卫星在轨安全可靠运行,充分发挥卫星应用效能的重要技术手段与保障,对于卫星的设计,使用和监测都有着十分重要的作用。在实际工作中,卫星关键单机具有监测参数多,数据传输过程噪声大,健康指标难以确定等特点,给卫星关键单机的剩余寿命预测带来了困难。针对上述问题,本文研究基于机器学习的卫星关键单机剩余寿命预测模型,主要研究如下:(1)卫星关键单机在轨监测参数众多,与卫星健康状态的相关程度各不相同,参数间也可能存在相互作用,为此本文提出一类综合无监督学习与有监督学习的参数筛选方法,使用无监督学习的基于密度的噪声应用空间聚类方法(DBSCAN,Density-Based Spatial Clustering of Applications with Noise)实现卫星在轨参数分类,为每类数据添加伪标签,再以此为基础采用有监督学习中的relief F方法确定不同参数对于分类结果的重要度,分析筛选表征卫星健康状态的关键监测参数,(2)卫星关键单机工作机理复杂,工作环境多变,传统采用单一监测参数来表征其健康状态的方法,难以充分利用在轨监测的有效信息,为此论文基于统计特性提出一类健康指标-置信值(cv,Confidence Value),将筛选后的多个监测参数融合成为单一的状态表征量。基于自组织特征映射神经网络(SOM,Self-organizing Feature Map)建立健康指标cv的计算模型,结合实际卫星电池数据,并通过对比经典健康指标SOH与cv值的差异,验证论文提出健康指标cv及其模型的有效性。并针对卫星两类单机的实际在轨数据,开展实例应用及结果分析。(3)针对卫星关键单机的剩余寿命预测的预测区间长,现有数据量有限,退化趋势不确定的问题,本文提出了通过多个长短期记忆人工神经网络(LSTM,LongShort Term Memory)子模型和人工神经网络(ANN,Artificial Neural Network)结合的剩余寿命预测模型,以构建的cv值为输入数据,通过训练多个LSTM子模型进行预测,能够有效地减少预测过程中的迭代误差,提高预测的精度,并通过某卫星的在轨遥测数据进行了实验分析,证明了该方法的可行性和实用性。

关键词：无监督学习健康指标cv 多LSTM组合模型剩余寿命预测

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：