[发明专利]一种用于变工况卫星姿态控制系统的故障诊断方法

说明书

本发明实施例公开了一种用于变工况卫星姿态控制系统的故障诊断方法，涉及卫星故障诊断领域，能够提高故障诊断系统的鲁棒性和准确性。本发明包括：采集工况变化前(源域)后(目标域)的卫星姿态控制系统的多维信号，将采集的信号预处理为创建多维离线训练数据库，通过上述多维数据构建域分布式对抗适应深度神经网络模型，在全局域对抗的基础上增加每类样本的对抗训练，并进行动态权重调节，在所属数据库上得到变工况故障诊断模型。根据本发明专利提供的技术方案，可以实现无监督的变工况自适应故障诊断。

技术领域

本发明涉及卫星故障诊断领域，尤其涉及一种用于变工况卫星姿态控制系统的故障诊断方法。

背景技术

卫星姿态控制系统是卫星中用于控制卫星运动的关键部件，保证了卫星稳定的姿态控制。作为一种大规模复杂系统，其主体系统与环境具有很强的关联性。传统的卫星故障诊断方法往往对于单个模型在工况不改变的条件下有效，一旦环境或任务变化导致工况改变，往往会导致原有的诊断方法失效。因此研究卫星姿态控制系统的变工况故障诊断方法对于提高系统的可靠性和有效性，保障卫星安全运行具有重大意义。

现有的基于数据驱动的卫星域自适应对抗变工况故障诊断方法，只考虑了边缘分布上的对抗训练，而没有考虑不同故障间的条件分布，缺乏对于不同条件分布下的样本的权重分配，最终导致故障诊断的效果受限，难以进一步提升。因此，还需进一步改进变工况条件下卫星姿态控制系统的故障诊断手段。

发明内容

本发明的实施例提供一种用于变工况卫星姿态控制系统的故障诊断方法，能够提高故障诊断系统的鲁棒性和准确性。

为达到上述目的，本发明的实施例采用如下技术方案：

从卫星姿态控制系统采集工况数据，其中，所采集的工况数据包括：工况变化前的源域信号和工况变化后的目标域信号；

利用所采集的工况数据生成样本段，其中，各个样本段中信号的长度相同，且样本段中还记录有故障类别标签和所属工况信息；

构建域分布式对抗适应深度神经网络模型，并利用所生成的样本段在全局域对抗的基础上进行每类样本的对抗训练，得到变工况故障诊断模型；

所述卫星姿态控制系统进行变工况操作后，获取最新的工况数据，将最新的工况数据导入变工况故障诊断模型，并输出目标域故障诊断预测结果。

本发明实施例公开了一种基于域分布式对抗适应深度神经网络的卫星姿态控制系统变工况故障诊断方案，采集工况变化前(源域)后(目标域)的卫星姿态控制系统的多维信号，将采集的信号预处理为创建多维离线训练数据库，通过上述多维数据构建域分布式对抗适应深度神经网络模型，在全局域对抗的基础上增加每类样本的对抗训练，并进行动态权重调节，在所属数据库上得到变工况故障诊断模型。根据本发明专利提供的技术方案，可以实现无监督的变工况自适应故障诊断，可以提高故障诊断系统的鲁棒性和准确性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的方法流程的示意图；

图2为本发明实施例提供的模型结构示意图；

图3为本发明实施例提供的模型训练与应用流程示意图；

具体实施方式