近年來(lái),隨著我國(guó)航天事業(yè)取得迅猛發(fā)展,在軌衛(wèi)星數(shù)量不斷增多,以中科院空間科學(xué)先導(dǎo)專(zhuān)項(xiàng)為例,自2015年12月暗物質(zhì)粒子探測(cè)衛(wèi)星發(fā)射以來(lái),先后有量子科學(xué)實(shí)驗(yàn)衛(wèi)星、硬X射線(xiàn)調(diào)制望遠(yuǎn)鏡衛(wèi)星成功發(fā)射。結(jié)合實(shí)際的衛(wèi)星在軌運(yùn)行經(jīng)驗(yàn),對(duì)衛(wèi)星遙測(cè)參數(shù)數(shù)據(jù)進(jìn)行預(yù)測(cè)分析已成為研究有效載荷PHM系統(tǒng)的熱點(diǎn)問(wèn)題,而以機(jī)器學(xué)習(xí)為代表的計(jì)算機(jī)技術(shù)迅猛發(fā)展,正在成為有效載荷PHM技術(shù)的一個(gè)重要突破口。本文首先通過(guò)對(duì)時(shí)間序列模型的研究及真實(shí)衛(wèi)星的遙測(cè)參數(shù)數(shù)據(jù)特性的分析,表明衛(wèi)星遙測(cè)參數(shù)的時(shí)間特性符合時(shí)間序列模型的應(yīng)用條件,然后基于衛(wèi)星遙測(cè)參數(shù)數(shù)據(jù)的時(shí)間特性,把衛(wèi)星遙測(cè)參數(shù)數(shù)據(jù)的趨勢(shì)預(yù)測(cè)問(wèn)題轉(zhuǎn)化為對(duì)時(shí)間序列的趨勢(shì)預(yù)測(cè)問(wèn)題,并以暗物質(zhì)粒子探測(cè)衛(wèi)星和量子科學(xué)實(shí)驗(yàn)衛(wèi)星在軌運(yùn)行期間所產(chǎn)生的大量衛(wèi)星歷史遙測(cè)參數(shù)數(shù)據(jù)為基礎(chǔ),結(jié)合中科院空間科學(xué)先導(dǎo)專(zhuān)項(xiàng)實(shí)際的空間科學(xué)衛(wèi)星運(yùn)控任務(wù)背景,對(duì)有效載荷PHM系統(tǒng)中的異常檢測(cè)進(jìn)行研究,提出了一種基于時(shí)間序列模型的衛(wèi)星有效載荷異常檢測(cè)方法。重點(diǎn)研究了多項(xiàng)式擬合外推算法、自回歸滑動(dòng)平均(ARMA)算法、深度學(xué)習(xí)循環(huán)神經(jīng)網(wǎng)絡(luò)LSTM模型三種機(jī)器學(xué)習(xí)算法,并且針對(duì)量子科學(xué)實(shí)驗(yàn)衛(wèi)星和暗物質(zhì)粒子探測(cè)衛(wèi)星遙...

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1TensorBoard的可視化服務(wù)功能示意圖

緒論算速度也成為了它的軟肋。一直到2016年4月份，Google開(kāi)放了TensorFlow的分布式版本，使用16塊GPU可以達(dá)到單塊GPU的15倍速度，在50塊GPU的時(shí)候則可以達(dá)到單塊GPU的40倍速度，TensorFlow分布式版本....

圖2.1量子科學(xué)實(shí)驗(yàn)衛(wèi)星Y帆板外板溫度

本章主要介紹了基于真實(shí)衛(wèi)星的遙測(cè)參數(shù)數(shù)據(jù)特性的分析及其預(yù)測(cè)方法，并結(jié)合實(shí)際的衛(wèi)星運(yùn)控任務(wù)背景，選取了多項(xiàng)式擬合外推算法、自回歸滑動(dòng)平均算法、BP神經(jīng)網(wǎng)絡(luò)算法以及灰度理論預(yù)測(cè)模型四種算法進(jìn)行了研究分析。2.1 基于真實(shí)衛(wèi)星的遙測(cè)參數(shù)數(shù)據(jù)特性的分析 時(shí)間序列分析是指用曲線(xiàn)擬合和參....

圖2.2量子科學(xué)實(shí)驗(yàn)衛(wèi)星電源采負(fù)載電流

相應(yīng)數(shù)學(xué)模型的理論和方法。目前時(shí)間序列分析已經(jīng)被廣泛應(yīng)用于國(guó)家宏觀經(jīng)濟(jì)控制、市場(chǎng)潛力預(yù)測(cè)、天氣預(yù)報(bào)以及交通大數(shù)據(jù)等領(lǐng)域。而在航天領(lǐng)域中，衛(wèi)星在軌運(yùn)行期間所產(chǎn)生的大量遙測(cè)參數(shù)，如電流、電壓、溫度等，亦可以把它們看做時(shí)間序列。下面兩幅圖分別是量子科學(xué)實(shí)驗(yàn)衛(wèi)星2016年9月3....

圖2.3典型的三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

圖2.3典型的三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Figure2.3Atypicalthree-layerBPneuralnetworkstructure現(xiàn)在有BP神經(jīng)網(wǎng)絡(luò)輸入層、隱含層、輸出層的節(jié)點(diǎn)數(shù)分別為樣本大小為N,最大訓(xùn)練次數(shù)為L(zhǎng)max，最小訓(xùn)練誤差為....

本文編號(hào)：3921611