[发明专利]一种基于脉冲神经网络的深空探测器自主故障诊断方法

说明书

本发明公开了一种基于脉冲神经网络的深空探测器自主故障诊断方法，包括以下步骤：对深空探测器中传感器收集到的故障数据采用基于时频域的局部均值分解法LMD进行预处理；分析处理后的原始数据，提取相应故障特征；采用随机森林算法对提取到的故障特征进行特征选择；采用随机森林算法对提取到的故障特征进行特征选择；将选择后的故障特征进行归一化为带有时间信息的脉冲序列；构建多层脉冲神经网络，输入脉冲序列训练脉冲神经网络，训练好的模型完成自主故障诊断。本发明通过将脉冲神经网络首次应用于深空探测故障诊断领域，通过识别故障信息，实现探测器自主故障诊断。

技术领域

本发明属于航天器在深空探测任务中故障处理领域，特别涉及一种基于脉冲神经网络的深空探测器的自主故障诊断方法。

背景技术

随着近年来计算机科学和空间技术的发展，为智能化深空探测体系提供了良好的支撑。由于月球及各个行星与地球距离远、环境条件恶劣等，机器设备的生存健康仅仅依靠地面诊断干预与引导模式难以应对许多危急情况，因此需要研究发展智能生存与健康管理技术使得深空探测器能够自主检测分析环境和健康的状况建立定的自主修复能力。人工智能等前沿技术的迅速发展，类脑智能化的研究已成为各国焦点，国内外研究学者通过对于神经科学、认知科学和信息科学等多学科对生物神经系统是如何实现智能计算进行探索，从而模拟生物神经系统，实现类脑计算智能系统。

现有技术中，较为主流的故障诊断技术包括基于知识的故障诊断技术、基于模型的故障诊断技术以及基于数据驱动的故障诊断技术，最常用的深空探测器故障诊断方法主要包括人工蚁群算法、模糊算法。但传统故障检测方法大多是针对周期性故障的问题进行识别与搜索，自主性相对较差。上个世纪90年代，美国NASA研发的Livingstone系统利用的就是基于定性模型的故障诊断技术，该系统可以实现最小人工干预情况下的火星探测器的故障诊断，北京控制工程研究所开发出故障诊断系统SCRDES，它基于专家系统的故障诊断方法完成了卫星控制系统在线实时监测与诊断。近年来，由于深度学习的蓬勃发展，为深空探测器自主故障诊断提供了新的思路。通过异构深度神经网络，建立全神经网络的智能自适应容错控制，从而实现故障诊断与容错控制。但是由于航天器故障通常是离散分布的，且传统神经网络进行训练常常会能耗过高。

发明内容

本发明提供一种基于脉冲神经网络的深空探测器自主故障诊断方法，以解决目前已有的深空探测器故障诊断方法存在局限性较高、准确度不高以及能耗较高的问题，通过使用脉冲神经网络训练学习，识别深空探测器的故障，从而实现自主故障诊断。

为实现上述目的，本发明采用的技术方案为：

一种基于脉冲神经网络的深空探测器自主故障诊断方法，包括以下步骤：

S1.对深空探测器中传感器收集到的原始数据进行预处理；

S2.分析处理后的原始数据，提取相应故障特征；

S3.采用随机森林算法对提取到的故障特征进行特征选择；

S4.将选择后的故障特征进行归一化为带有时间信息的脉冲序列；

S5.构建多层脉冲神经网络，输入脉冲序列训练脉冲神经网络，训练好的模型完成自主故障诊断。

进一步的，所述步骤S1包括以下步骤：