改进型变分自编码器及其在航天器故障检测中的应用

发布时间：2021-07-25 15:16

　　故障检测技术是实现航天器智能故障诊断和健康管理的基础。针对航天器故障检测领域存在的测试数据量大、故障标签稀缺问题以及对实时性的要求,提出了一种基于改进型变分自编码器（VAE）的无监督故障检测算法。所提算法首先利用长短期记忆（LSTM）单元替换VAE中传统的神经元,提取航天器测试数据间的时间依赖性和相关性等特征。然后提出了一种重构概率计算方法。该网络在只含有正常数据的训练集上进行训练,学习特征,并以较高的概率对训练集上的数据进行重构。当测试集中输入数据的重构概率小于设定的阈值时,则判定对应的输入数据为故障数据,从而实现故障检测。实验表明,所提方法可行,能够有效地对故障进行检测。 

【文章来源】：西北工业大学学报. 2020,38(S1)北大核心EICSCD

【文章页数】：6 页

【部分图文】：

LSTM-VAE网络结构

LSTM-VAE的训练过程如图2所示。首先将测试数据分为训练集和测试集,训练集仅包含正常数据,在训练集中随机选取一部分数据作为验证集。当验证集上的损失函数不再下降时采用早停策略停止迭代。然后,对于每一个输入数据x,在隐层空间采集L个变量z并计算损失函数。3 故障检测方法

训练过程中损失函数的变化情况如图所示3所示。模型训练好后,利用测试集对模型的故障检测功能进行验证。图4中实线为原始的输入数据,虚线为经过LSTM-VAE网络后重构出来的数据,从图4中可知,重构数据很好的跟随了输入数据的变化趋势。

【参考文献】：
期刊论文
[1]面向卫星电源系统的一种新颖异常检测方法[J]. 张怀峰,江婧,张香燕,皮德常.  宇航学报. 2019(12)
[2]自编码神经网络理论及应用综述[J]. 袁非牛,章琳,史劲亭,夏雪,李钢.  计算机学报. 2019(01)
[3]航天控制系统中国产化海量数据处理优化技术[J]. 刘孟语,张洁,上官子粮,赵玉梅,杨喆.  航天控制. 2016(06)
[4]对产品成功数据包络分析方法的探索与实践[J]. 荆泉,李京苑,胡云.  质量与可靠性. 2014(04)



本文编号：3302271