引入DDC迁移学习算法的卫星ACS系统故障定位技术

作者：王泽; 程月华^*; 宫江雷; 郭小红; 何漫丽

来源：空间控制技术与应用, 2022, 48(02): 80-87.

• 迁移学习
• 神经网络
• LSTM-AE
• 故障定位

基于数据的故障诊断方法凭借其优秀的工程适用性，已成为当前故障诊断领域的重点研究方向；但其算法模型的训练一般需要充足的样本数据，因此难以解决故障样本缺少的诊断问题.针对目标卫星无故障样本情况下的卫星姿态控制系统(ACS)故障诊断问题，提出一种基于DDC(deep domain confusion)迁移学习算法改进的故障定位技术.通过长短期记忆-自编码器(LSTM-AE)网络对标称卫星姿态信息重构并计算残差，再对其进行特征提取以训练BP网络故障定位分类器；同时引入DDC迁移学习算法，于分类器网络中添加域适应层并修改损失函数，学习目标卫星的健康和故障特征知识进而改进算法模型.最后通过三轴气浮台半物理仿真平台，验证了引入DDC迁移学习改进的故障定位技术的有效性.

• 单位
  南京航空航天大学; 自动化学院; 西安电子科技大学; 宇航动力学国家重点实验室