基于深度学习的卫星故障在轨实时故障诊断方法及系统

发明专利有效专利

申请号：
CN201910148032.9
IPC分类号：G06K9/00;G06K9/62;G06Q10/00;G06Q10/04
申请日期：
2019-02-28
申请人：
中国空间技术研究院

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于深度学习的卫星故障在轨实时故障诊断方法及系统
申请号	CN201910148032.9	申请日期	2019-02-28
法律状态	实质审查	申报国家	中国
公开/公告日	2019-06-25	公开/公告号	CN109934130A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;6;2;;;G;0;6;Q;1;0;/;0;0;;;G;0;6;Q;1;0;/;0;4查看分类表>
申请人	中国空间技术研究院	申请人地址	北京市海淀区友谊路104号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中国空间技术研究院	当前权利人	中国空间技术研究院
发明人	韩笑冬;邓兵;宫江雷;杨凯飞;徐楠
代理机构	中国航天科技专利中心	代理人	徐晓艳

摘要

本发明公开了基于深度学习的卫星故障在轨实时故障诊断系统和方法，具体方法为：(1)、获取卫星单机和分系统历史观测数据；所述历史观测数据为遥测数据；(2)、采用卫星单机和分系统历史观测数据构建训练集，对深度学习模型进行训练，得到该单机和分系统的卫星故障深度学习模型；(3)、采用卫星故障深度学习模型对实时采集的在轨观测数据进行预测，得到下一个帧的预测结果；(4)、获取下一帧的实际测量数据，将其与预测结果比较，得到预测误差；(5)、判断预测误差是否连续N次超出预设的范围，是，则根据比较结果进行故障诊断；否则，重复步骤(3)～(5)。本发明提升了卫星在轨故障自主诊断能力。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供