基于深度学习及GPU计算的航天器故障检测技术

来源：计算机测量与控制杂志2020年第5期北京时间：

作者：田林琳

摘要：由于航天器在高温、高压等恶劣环境中工作，采用传统故障检测方法自主性相对较差，缺少对故障特征的分析，导致检测精准度较低。提出了基于深度学习及GPU计算的航天器故障检测技术，依据航天器故障信号特征分析与检测原理，在GPU计算技术支持下，获取GPU图像，并在深度置信网络模型中引入该计算方法。根据构建的深度置信网络模型，预测轴承故障位置，经过GPU计算技术下提取的故障特征用于深度置信网络故障预测基本数据，将原始进行归一化处理，分析航天器轴承故障特征，并在不同参数支持下，利用深度学习算法自动确定网络关键参数，由此识别轴承故障，并学习故障特征，实现航天器故障检测。由实验结果可知，该技术检测精准度最高可达到98%，具有较强鲁棒性。

关键词：深度学习;GPU计算;航天器;故障检测

基金资助：国家自然科学基金(61603262)，国家自然科学基金（61403071），辽宁省自然科学基金(20180550418)，沈阳工学院i5智能制造研究所基金(i5201701)，辽宁“百千万人才工程”培养经费资助