[发明专利]一种用于构建姿态控制系统极性故障模式识别模型的方法

权利要求书

1.一种用于构建姿态控制系统极性故障模式识别模型的方法，其特征在于，包括：

获取多个训练样本和各所述训练样本分别对应的样本标签；各所述训练样本包括样本姿态控制参数数据；所述样本姿态控制参数数据用于表征在飞行器飞行过程中对姿态控制系统的伺服机构的控制量；所述样本标签用于表征所述训练样本对应的极性故障模式；

将带有所述样本标签的训练样本输入预设的神经网络进行训练，获得姿态控制系统极性故障模式识别模型。

2.根据权利要求1所述的方法，其特征在于，所述获取多个训练样本，具体包括：

获取第一预设时间段内的第一姿态控制参数数据；所述第一姿态控制参数数据用于表征在飞行器飞行过程中对姿态控制系统的伺服机构的控制量；

对所述第一姿态控制参数数据进行截取，获得多个所述训练样本。

3.根据权利要求2所述的方法，其特征在于，所述对所述第一姿态控制参数数据进行截取，获得多个所述训练样本，具体包括：

获取滑窗大小和滑窗取样间隔；所述滑窗取样间隔小于所述滑窗大小；

根据所述滑窗大小和所述滑窗取样间隔对所述第一姿态控制参数数据进行滑窗取样，获得多个所述训练样本。

4.一种用于识别姿态控制系统极性故障模式的方法，其特征在于，利用权利要求1至3任一项所述的用于构建姿态控制系统极性故障模式识别模型的方法获得的姿态控制系统极性故障模式识别模型进行故障识别。

5.根据权利要求4所述的方法，其特征在于，所述利用所述姿态控制系统极性故障模式识别模型进行故障识别，具体包括：

获取第二预设时间段内的多个第二姿态控制参数数据；各所述第二姿态控制参数数据用于表征在飞行器飞行过程中对姿态控制系统的伺服机构的控制量；

利用所述姿态控制系统极性故障模式识别模型分别对各所述第二姿态控制参数数据进行特征提取，获得各所述第二姿态控制参数数据分别对应的第一参数特征；

利用所述姿态控制系统极性故障模式识别模型对各所述第一参数特征进行特征融合，获得第二参数特征；

利用所述姿态控制系统极性故障模式识别模型根据所述第二参数特征确定极性故障模式。

6.根据权利要求5所述的方法，其特征在于，所述利用所述姿态控制系统极性故障模式识别模型根据所述第二参数特征确定极性故障模式，具体包括：

根据所述第二参数特征获取各所述第二姿态控制参数数据属于不同预设极性故障模式的概率；

根据各所述概率确定极性故障模式。

7.根据权利要求6所述的方法，其特征在于，所述根据各所述概率确定极性故障模式，具体包括：

将概率最高的极性故障模式确定为所述姿态控制系统极性故障模式识别模型识别出的极性故障模式。

8.一种用于构建姿态控制系统极性故障模式识别模型的装置，其特征在于，包括：

第一获取模块，被配置为获取多个训练样本和各所述训练样本分别对应的样本标签；各所述训练样本包括样本姿态控制参数数据；所述样本姿态控制参数数据用于表征在飞行器飞行过程中对姿态控制系统的伺服机构的控制量；所述样本标签用于表征所述训练样本对应的极性故障模式；

第二获取模块，被配置为将带有所述样本标签的训练样本输入预设的神经网络进行训练，获得姿态控制系统极性故障模式识别模型。