文献类型：期刊文章

作　　者：向刚[1,2,3] 韩峰[1,2] 周虎[1,2] 陈文静[1,2] 刘清竹[1]

Xiang Gang;Han Feng;Zhou Hu;Chen Wenjing;Liu Qingzhu(Beijing Aerospace Automatic Control Institute,Beijing 100854,China;The National Key Lab on Aerospace Intelligent Control,Beijing 100854,China;School of Automation and Electrical Engineering,Beihang University,Beijing 100191,China)

机构地区：[1]北京航天自动控制研究所,北京100854 [2]宇航智能控制技术国家级重点实验室,北京100854 [3]北京航空航天大学自动化科学与电气工程学院,北京100191

出　　处：《电子测量与仪器学报》

基　　金：国防基础科研项目(JCKY2016203A003)资助。

年　　份：2021

卷　　号：35

期　　号：2

起止页码：1-16

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ2020、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：总结了基于数据驱动的故障诊断技术理论、方法及其在航天器上的应用现状,指出其面临的挑战并提出一种解决方案。将基于数据驱动的故障诊断方法按照技术发展顺序分为基于传统机器学习的方法、基于深度学习的方法以及基于迁移学习的方法。基于传统机器学习的方法需要大量的人工参与和丰富的专家经验,在小样本数据上有着优异的性能,但不适合处理大数据。在大数据背景下,重点介绍了卷积神经网络、循环神经网络、深度自编码器以及深度信念网络的基本概念以及原理,对其在航天器故障诊断领域的研究现状进行了阐述和总结。针对深度学习严重依赖于带标签数据这一问题,介绍了基于迁移学习的故障诊断技术,并提出适应航天器应用的场景,为数据驱动的故障诊断技术工程应用提供了一种方法和思路。

关 键 词：航天器 机器学习  深度学习  迁移学习  故障诊断

分 类 号：TG156] TP274]