基于机器学习与基于深度学习的航天器姿态传感器多元时间序列异常检测
机器学习
2024-10-23 v1 人工智能
摘要
在航天器故障检测、隔离与恢复（FDIR）框架内，最新的技术中出现了新的基于人工智能的方法，以克服传统阈值检查通常带来的局限性。本研究旨在表征两种不同的方法，用于处理来自航天器姿态传感器的多元时间序列中的卡值检测问题。该分析揭示了两种方法在性能上的差异，同时评论了它们的可解释性以及对不同场景的泛化能力。
引用
@article{arxiv.2409.17841,
title = {Machine Learning-based vs Deep Learning-based Anomaly Detection in Multivariate Time Series for Spacecraft Attitude Sensors},
author = {R. Gallon and F. Schiemenz and A. Krstova and A. Menicucci and E. Gill},
journal= {arXiv preprint arXiv:2409.17841},
year = {2024}
}
备注
Accepted for the ESA SPAICE Conference 2024