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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD