面向航天器姿态传感器的实时多变量时间序列故障检测的卷积神经网络设计与评估
系统与控制
2025-07-16 v1 人工智能
系统与控制
摘要
传统的卫星载板异常检测技术基于可靠但有限的阈值机制，这些机制设计用于监控单变量信号并根据特定欧洲合作空间标准化协会（ECSS）标准触发恢复动作。然而，近期涌现的人工智能基于故障检测、隔离和恢复（FDIR）解决方案，旨在克服这些标准方法的局限性，扩展可检测故障的范围并提高响应速度。本文提出了一种新方法，用于检测类似无人机的航天器在探索小太阳系天体（SSSB）期间，加速度计和惯性测量单元中卡住的值，利用多通道卷积神经网络（CNN）执行多目标分类，独立检测传感器中的故障。 significant attention 已被专注于确保算法在载板 FDIR 系统中的兼容性，标志着对一项在其鲁棒性得到充分验证后仍处于实验阶段的技术的进步。提出了一种集成方法，使网络能够有效检测异常并在系统层面触发恢复动作。通过采用一组自定义定义的检测和系统指标，评估了检测性能以及算法在反应触发方面的能力，显示该算法在完成其 FDIR 任务方面表现出色。
引用
@article{arxiv.2410.09126,
title = {Convolutional Neural Network Design and Evaluation for Real-Time Multivariate Time Series Fault Detection in Spacecraft Attitude Sensors},
author = {Riccardo Gallon and Fabian Schiemenz and Alessandra Menicucci and Eberhard Gill},
journal= {arXiv preprint arXiv:2410.09126},
year = {2025}
}
备注
submitted to Advances in Space Research