基于多源数据融合的装备系统健康管理及故障诊断方法

    公开(公告)号:CN116611018A

    公开(公告)日:2023-08-18

    申请号:CN202211541061.X

    申请日:2022-12-02

    Abstract: 本发明是一种基于多源数据融合的装备系统健康管理及故障诊断方法,属于故障检测领域。本发明方法包括:考虑同类及异类传感器之间的数据一致性,进行航天器多源数据的预处理,保留数据的原始信息及时序特性,对不同传感器来源的数据缺失值进行针对性填充;针对航天器多源数据的同类传感器和异类传感器数据进行融合,对同类传感器数据进行最优融合,对异类传感器数据进行线性及非线性融合,最大程度保留数据原始信息;建立基于变分自编码器和生成式对抗网络的故障检测模型,并引入LSTM模型建立特征之间的时间依赖关系。本发明最大程度地保留了数据原本的特征,提高了故障检测精度,使航天器自主故障检测过程有更强的健壮性、更高的准确率。

    一种基于深度学习的航天器遥测数据检测系统

    公开(公告)号:CN117390507A

    公开(公告)日:2024-01-12

    申请号:CN202311234601.4

    申请日:2023-09-22

    Abstract: 本发明提供一种基于深度学习的航天器遥测数据检测系统,涉及遥测技术领域,所述系统包括数据获取和预处理模块、遥感数据处理模块、算法管理模块、任务定制模块和数据可视化模块,本系统集成了数据分析、特征提取和异常检测等任务的常用算法,支持定义算法流程并且个性化安排任务,同时通过异步IO通信的epoll机制来实现高性能在线实时检测需求,通过LSTM网络和卷积手段来提取时序数据特征,并通过注意力机制计算关联程度来检测数据是否异常。本系统能够丰富异常检测手段,解决航天器时序数据指令延拓的问题,实现了用户根据需求来统计分析数据,个性化定义算法和算法流程,并促进了在线高性能实时交互,实现了高效率的遥测数据实时异常检测。

    一种面向人工智能组件的测试用例生成方法

    公开(公告)号:CN115712574A

    公开(公告)日:2023-02-24

    申请号:CN202211493963.0

    申请日:2022-11-25

    Abstract: 本发明公开了一种面向人工智能组件的测试用例生成方法,属于图像处理领域;具体为:首先,针对原始图片,基于条件生成对抗网络cGAN,使用one‑hot编码拼接到原始图片生成测试样例;然后,通过cGAN的损失函数,采取模糊测试方法加入扰动项对生成的测试样例进行扩充;通过隐空间采样约束和训练约束,并设计收益函数来估计扩充后测试样例集的质量,保证样例集满足测试要求。接着,构建蜕变关系对满足要求的样例集进行缩减,生成最终面向人工智能组件的测试用例;最后,利用可靠性、充分性以及覆盖率三个指标对最终生成的测试用例进行验证;本发明可以充分覆盖待测组件的功能约束,能够测试到待测组件应有的功能约束,也能测试到待测组件不应有的功能约束。

    基于深度学习的航天器测试脚本自动生成方法

    公开(公告)号:CN115964273A

    公开(公告)日:2023-04-14

    申请号:CN202211553505.1

    申请日:2022-12-06

    Abstract: 本发明提出了一种基于深度学习的航天器测试脚本自动生成方法,涉及航天器自动化测试领域。本发明包括:构建航天器测试分系统知识库,基于关键信息抽取与知识扩充的方法对测试用例分类;基于多任务语法草图生成航天器测试指令,对更加细粒度的测试步骤生成指令,解决了测试用例层面脚本无法复用的问题;实现航天器测试脚本自动生成系统。本发明实现自动地确定当前测试用例对应的测试分系统,得到对应的分系统知识库,实现测试步骤文本到脚本代码的映射,解决了模板匹配方法的灵活性差、可扩展性弱、脚本生成效率低的缺点,大大减轻测试人员的工作量,生成结果可供测试人员进行审查纠正与确认,保证了测试脚本的安全性、可靠性和准确性。

Patent Agency Ranking