-
公开(公告)号:CN117574219A
公开(公告)日:2024-02-20
申请号:CN202311396240.3
申请日:2023-10-25
Applicant: 哈尔滨工业大学
IPC: G06F18/241 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/0895
Abstract: 基于自编码器的差异化时间序列重构航天器异常检测方法与模型的构建方法,本发明涉及航天器状态感知领域,具体涉及基于机器学习的航天器异常检测领域。模型构建方法包括以下步骤:步骤11:数据预处理,对获取的多维航天器遥测数据进行对比学习数据的预处理,得到对比学习数据集;步骤12:模型搭建,所搭建的模型是自动编码器模型;步骤13:模型训练,使用在步骤11中构建的对比学习数据集对步骤二中的编码器进行对比学习训练。解决了航天器异常检测难以精确定位到异常区间,计算复杂度高的问题。本发明在航天器状态感知领域具有重要的应用价值。
-
公开(公告)号:CN118734043A
公开(公告)日:2024-10-01
申请号:CN202411008646.4
申请日:2024-07-26
Applicant: 哈尔滨工业大学
IPC: G06F18/213 , G06N3/0442 , G06N3/08
Abstract: 本发明提出一种自适应多任务平衡并行的卫星星座遥测数据监测方法,包括:步骤1:获取卫星星座遥测时间序列数据;步骤2:对卫星星座遥测时间序列数据进行预处理;步骤3:构建卫星星座遥测数据预测模型;步骤4:基于预处理后的卫星星座遥测时间序列数据对卫星星座遥测数据预测模型进行训练;步骤5:基于训练后的卫星星座遥测数据预测模型获取每个遥测通道的预测值,并对卫星星座遥测数据进行实时监测。本发明采用共享特征提取结合针对卫星星座中不同型号卫星的各个遥测通道并行预测的方法融合多维参数信息,使得各个遥测通道的模型在训练过程中互相补充和增强,提升整体的数据监测效果。
-