申请/专利权人:天津大学
申请日:2023-10-23
公开(公告)日:2024-02-27
公开(公告)号:CN117609908A
主分类号:G06F18/2433
分类号:G06F18/2433;G06F18/25;G06F18/20;G06F30/20;G06N3/045;G06N3/0442;G06N3/084;G06N3/092;G06N3/098
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.15#实质审查的生效;2024.02.27#公开
摘要:本发明公开了一种基于多信息融合的星群故障诊断方法,应用于强化学习、联邦学习和多智能体技术领域。包括以下步骤:获取卫星运行时的传感器数据;根据获取的传感器数据建立飞轮故障影响下的卫星姿态动力学模型,并搭建虚拟仿真环境;建立卫星本地故障诊断网络模型并进行训练;利用联邦中心聚合手段进行卫星本地故障诊断网络模型的协同训练,完成聚合和更新;根据更新后的卫星本地故障诊断网络模型得到故障诊断结果。本发明考虑编队中单颗卫星运行时产生的故障种类有限,为提高星群卫星诊断故障类型的全面性,提出基于联邦学习的星群故障诊断方法,整合整个星群的故障特征、实现星群协同建模,提高星群对不同故障类型的诊断能力。
主权项:1.一种基于多信息融合的星群故障诊断方法,其特征在于,包括以下步骤:S1、获取卫星运行时的传感器数据;S2、根据S1获取的传感器数据建立飞轮故障影响下的卫星姿态动力学模型,并搭建虚拟仿真环境;S3、建立卫星本地故障诊断网络模型并进行训练;S4、利用联邦中心聚合手段进行卫星本地故障诊断网络模型的协同训练,完成聚合和更新;S5、根据更新后的卫星本地故障诊断网络模型得到故障诊断结果。
全文数据:
权利要求:
百度查询: 天津大学 一种基于多信息融合的星群故障诊断方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。