基于CNN-LSTM的在轨卫星故障预测分析  

Fault Prediction and Analysis of the On-orbit Satellite Based on CNN-LSTM

作　　者：钱昭勇 曹裕华 张雷[3] QIAN Zhaoyong;CAO Yuhua;ZHANG Lei

机构地区：[1]航天工程大学,北京101416 [2]国防大学联合勤务学院,北京100858 [3]西安卫星测控中心,陕西西安710043

出　　处：《军事运筹与系统工程》2021年第1期57-63,72,共8页Military Operations Research and Systems Engineering

基　　金：全军军事类研究生资助课题(JY2019C213)。

摘　　要：在役考核中,对遥测参数进行监控与分析,是评估在轨卫星工作状态及健康状况的重要途径。为解决在线多任务故障预测问题,提出了结合长短期记忆网络(LSTM)和卷积神经网络(CNN)的数据挖掘模型,并运用了一种基于误差反馈的权重自调整机制。利用某型卫星(含故障)遥测参数的仿真数据进行分析处理,实验结果表明:在线CNN-LSTM模型以最小的信息损失进行建模,对比单一模型以及传统的回归模型,CNN-LSTM模型不仅在测试集上取得了最小平均绝对百分比误差12.61%,同时模型预测性能在长时间预测中优于离线模型。

关 键 词：在役考核 故障预测 多时间序列 卷积神经网络 长短期记忆神经网络 

分 类 号：E92[军事—军事装备学]