基于循环神经网络的通信卫星故障检测研究

目录

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