基于深度学习及GPU计算的航天器故障检测技术

• 作者: 田林琳
• 来源期刊: 计算机测量与控制
• 关键词: 深度学习 GPU计算 航天器 故障检测
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 1-4,9
• 页数: 5页
• 分类号: TP212
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2020.05.001

摘要

由于航天器在高温、高压等恶劣环境中工作,采用传统故障检测方法自主性相对较差,缺少对故障特征的分析,导致检测精准度较低;提出了基于深度学习及GPU计算的航天器故障检测技术,依据航天器故障信号特征分析与检测原理,在GPU计算技术支持下,获取GPU图像,并在深度置信网络模型中引入该计算方法;根据构建的深度置信网络模型,预测轴承故障位置,经过GPU计算技术下提取的故障特征用于深度置信网络故障预测基本数据,将原始数据进行归一化处理,分析航天器轴承故障特征,并在不同参数支持下,利用深度学习算法自动确定网络关键参数,由此识别轴承故障,并学习故障特征,实现航天器故障检测;由实验结果可知,该技术检测精准度最高可达到98％,具有较强鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田林琳	沈阳工学院信息与控制学院	27	23	3.0	3.0