排序方式: 共有1条查询结果,搜索用时 15 毫秒
1
1.
卫星在轨运行期间,遥测数据表现形式通常为多维时间序列。高斯过程回归(GPR)模型可以为重要的遥测参数提供动态门限,及时发现隐藏在工程阈值内的故障征兆,但是高维卫星数据使得GPR模型具有局限性。因此,为获取与多个遥测参数相关的动态门限,在GPR模型的基础上,融合距离相关系数对预测变量进行选择,减少信息冗余和计算量,提高模型的可解释性,并估计模型的泛化误差以设置更合理的预测区间,提高模型的泛化能力,检测数据流的持续异常。对实际在轨卫星数据进行仿真实验,验证了距离相关系数融合GPR模型的卫星异常检测方法可以在卫星故障早期检测到数据异常,而且提高了模型的预测性能,降低了虚警率。 相似文献
1