| 基于联邦学习的星群故障诊断 |
| |
| 引用本文： | 张秀云,冷嘉俊,刘文静,刘达,宗群.基于联邦学习的星群故障诊断[J].空间控制技术与应用,2023(4):50-58. |
| |
| 作者姓名： | 张秀云 冷嘉俊 刘文静 刘达 宗群 |
| |
| 作者单位： | 1. 天津大学,电气自动化与信息工程学院;2. 北京控制工程研究所;3. 空间智能控制技术全国重点实验室 |
| |
| 基金项目： | 国家自然科学基金资助项目(62003236、62073234和62022060)； |
| |
| 摘 要： | 针对卫星编队中单颗小卫星欠配置、测量信息不全和故障类型数据少等问题，提出一种基于联邦学习的卫星编队故障诊断方法.基于故障影响下的卫星动力学模型，利用Unity3D引擎搭建虚拟仿真环境，为后续卫星故障注入及故障数据产生奠定基础.考虑单个小卫星测量配置不全的问题，采用双向协调网络(BicNet)构建卫星本地故障诊断模型，借鉴邻居卫星的“远端”敏感器信息，实现本地卫星故障诊断.采用联邦学习框架进行分布式训练，每颗卫星上传本地模型参数进行协同建模，在不增加通信压力的情况下，整合整个星群的故障特征，提高星群对不同故障类型的故障诊断能力.所设计的编队故障诊断算法在编队卫星数量变化时也无需重新训练诊断网络，满足“即插即用”的工程需求.通过仿真实例验证，在测试集上精度达到99%,表明该方法有较高的准确性.
|
| 关 键 词： | 联邦学习 故障诊断 卫星编队 强化学习 |
|
|
