为了提高空间电源系统故障检测准确度,将卷积神经网络(Convolutional Neural Networks,CNN)与长短期记忆(Long Short Term Memory,LSTM)相结合,提出了一种自适应选择的空间电源系统故障检测模型,从而实现空间电源系统的故障检测。通过...
详细信息
为了提高空间电源系统故障检测准确度,将卷积神经网络(Convolutional Neural Networks,CNN)与长短期记忆(Long Short Term Memory,LSTM)相结合,提出了一种自适应选择的空间电源系统故障检测模型,从而实现空间电源系统的故障检测。通过建立数字孪生虚拟模型引入典型故障,增加故障数据种类和数量,作为训练模型的数据集;采用CNN LSTM算法对样本数据集进行机器学习和训练,从而构建故障检测模型。通过实验验证了CNN LSTM模型故障检测准确度可达98%且损失函数值较少;在对各类型故障检测上,平衡F分数最低为96%,最高可达100%,更进一步说明提出方案的有效性和可行性,具有一定的实用价值。
暂无评论