声明
致谢
1 引言
1.1 研究背景与意义
1.2 国内外研究现状
1.3 论文主要研究内容
1.4 论文组织结构
2 故障检测相关算法与理论基础
2.1 基于阈值检测与专家系统的方法
2.2 应用于故障检测的传统机器学习算法
2.2.1 基于最近邻的故障检测算法
2.2.2 基于聚类的故障检测算法
2.2.2 基于分类模型的故障检测算法
2.3 故障检测中的深度学习算法
2.3.1 深度学习概述
2.3.2 循环神经网络与 LSTM
2.3.3 基于 LSTM的故障检测模型
2.4 本章小结
3 多维遥测时序数据的故障检测
3.1 现有故障检测算法的不足
3.2 基于 LSTM的多维遥测数据预测
3.3 基于加权欧式距离的多维信息融合
3.4 基于 LSTM预测与加权欧式距离的故障检测
3.5 实验设置与结果分析
3.5.1 实验数据集介绍及其数据预处理
3.5.2 实验评价指标
3.5.3 实验步骤与模型参数设置
3.5.4 实验结果与分析
3.6 本章小节
4 融合单维时序判定的故障检测模型
4.1 基于单维检测与相关性的故障检测算法
4.1.1 单维卫星遥测数据的故障判定
4.1.2 基于相关性分析故障检测
4.2 融合多维与单维判定的故障检测模型
4.3 实验步骤与结果分析
4.3.1 实验设置与步骤
4.3.2 实验结果与分析
4.4 本章小结
5 总结与展望
5.1 总结
5.2 展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;