基于循环神经网络的卫星姿态执行器故障诊断

摘要

针对卫星姿态控制系统执行器机构故障问题,提出了一种基于循环神经网络的故障诊断方法.对卫星姿态控制系统建模,进行故障分析并采集星敏感器和角速度陀螺的连续时刻故障数据.设计六种异构的循环神经网络,对故障数据进行故障诊断和分类,分别从网络深度、反馈单元、激活函数和训练算法对比网络效果.带有门循环单元的(gate recurrent unit,GRU)深层循环神经网络训练效果更好,其故障诊断准确率达到了95.7％.结果表明对于时序的卫星数据,门循环单元和带有一定深度的循环神经网络故障诊断效果更优.