仪器仪表学报

作者：慕晓冬，魏 轩，曾昭菊

单位：慕晓冬,1.火箭军工程大学作战保障学院,,魏 轩,1.火箭军工程大学作战保障学院,,曾昭菊,1.火箭军工程大学作战保障学院,

关键词：深度学习;故障诊断;残差网络;航天器;注意力机制

随着航天器数量的不断增加,快速而准确地对航天器测控系统进行故障诊断尤为重要。针对航天器所处空间环境变化较大、遥测数据成分复杂和故障诊断准确率不高的问题,提出了一种基于注意力残差网络(AM-ResNet)的航天器测控系统故障诊断方法。首先,将原始遥测数据转换成灰度图像;其次,将图像依次通过残差网络和注意力模块,获取具有全局依赖关系的特征图;最后经过卷积、池化操作后利用Softmax分类器进行分类,实现航天器测控系统的故障诊断。实验结果表明,所提出的基于注意力残差网络的航天器测控系统故障诊断方法可将诊断准确率提升至95.68%,与ResNet-18、AlexNet和LeNet-5故障诊断模型相比,诊断准确率分别提高了3.53%、5.62%和16.43%,验证了该方法可以有效提高航天器测控系统故障诊断性能。关键词:深度学习;故障诊断;残差网络;航天器;注意力机制

来源：2022年第9期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2022年第9期