科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对运载火箭飞行过程中的强非线性和高不确定性问题，以及火箭推力下降故障对飞行过程可靠性和安全性的重大影响，基于注意力机制提出一种可解释机器学习模型以提高火箭推力下降故障检测、故障发动机定位、故障程度估计、以及故障后轨迹预测的准确性和鲁棒性，使用注意力层提取高维时序飞行监测数据的特征，以特征矩阵简洁表达高维时序数据，进而采用自注意力及全连接网络预测推力下降发生的位置和推力下降程度，并通过长短期记忆单元对特征向量进行解码实现未来时段内飞行轨迹准确预测。在火箭推力下降数据集上对提出的模型进行测试，验证了模型的有效性。结果表明，提出的模型的故障定位准确率为96.0%,故障严重程度估计精度为94.7%,轨迹预测平均误差为0.94%,提出的模型在推力下降故障模式中具有良好的应用效果。
- 出版日期2023
- 单位上海交通大学; 北京宇航系统工程研究所
