申请/专利权人:清华大学
申请日:2024-01-30
公开(公告)日:2024-05-03
公开(公告)号:CN117975290A
主分类号:G06V20/13
分类号:G06V20/13;G01R31/40;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/096
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.21#实质审查的生效;2024.05.03#公开
摘要:本公开涉及卫星电源故障诊断模型训练方法及卫星电源故障诊断方法,所述训练方法包括:获取预训练的深度学习模型;利用目标星座中指定卫星的训练数据集对深度学习模型进行迁移学习,得到第一电源故障诊断模型;利用目标星座中除指定卫星以外的至少一颗其它卫星的训练数据集对第一电源故障诊断模型进行迁移学习,得到其它卫星对应的第二电源故障诊断模型,其它卫星的电源故障率相对于指定卫星更低;其中,训练数据集包括在多个指定时段内采集的多组卫星遥测数据以及各组卫星遥测数据对应的标注结果,标注结果表征卫星是否发生故障。由此,能够有效提高针对不同卫星的任意故障形态下的电源故障诊断的准确率,以及较高的诊断效率和诊断性能。
主权项:1.一种卫星电源故障诊断模型训练方法,其特征在于,包括:获取预训练的深度学习模型;利用目标星座中指定卫星的训练数据集对所述深度学习模型进行迁移学习,得到第一电源故障诊断模型;利用目标星座中,除所述指定卫星以外的至少一颗其它卫星的训练数据集对所述第一电源故障诊断模型进行迁移学习,得到其它卫星对应的第二电源故障诊断模型,所述其它卫星的电源故障率相对于所述指定卫星更低;其中,所述训练数据集包括在多个指定时段内采集的多组卫星遥测数据以及各组卫星遥测数据对应的标注结果,每组卫星遥测数据包括每个指定时段内多个采样时刻所采集的电池数据,所述电池数据包括卫星蓄电池组的充电电流、充电电压与蓄电池压力,所述标注结果表征卫星是否发生故障。
全文数据:
权利要求:
百度查询: 清华大学 卫星电源故障诊断模型训练方法及卫星电源故障诊断方法
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。