南方科技大学知识苑(SUSTech KC): 迁移学习下的火箭发动机参数异常检测策略

题名	迁移学习下的火箭发动机参数异常检测策略
其他题名	Strategies of parameter fault detection for rocket engines based on transfer learning
作者	张晨曦 ; 唐珂 ; 唐曙
发表日期	2020
DOI	10.11772/j.issn.1001-9081.2020010114
发表期刊	计算机应用影响因子和分区 ; Journal of Computer Applications 影响因子和分区
ISSN	1001-9081
卷号	40 期号:9页码:2774-2780
摘要	在火箭飞行时的参数异常检测中,传统红线法的漏报率和误报率较高,专家系统法的维护成本过高,而机器学习受制于数据集规模难以训练模型,因此提出了分别基于实例和基于模型的两种迁移策略.为了对YF-77新型发动机的关键参数氧泵转速进行实时监测,在分析具有相同构造原理的YF-75与YF-77氢氧发动机的参数组成和数据特点后,处理领域差异,构建特征空间,并筛选特征向量.对YF-75向YF-77分别进行了实例和模型的迁移,并进行了实验验证.对比无迁移的k最近邻(kNN)与支持向量机(SVM)方法,迁移训练后的模型的漏报率从最高58.33％降至最低12.25％,误报率从最高60.83％降至最低13.53％.实验结果验证了两型发动机之间信息的可迁移性,以及迁移学习在航天领域工程实践中应用的可能性.
关键词	航天测控火箭发动机参数异常检测迁移学习数据处理
相关链接	[万方记录]
收录类别	WanFang
语种	中文
学校署名	非南科大
资助项目	上海市科学技术委员会科研基金资助项目 ; 国家自然科学基金面上项目
来源库	WanFang
万方记录号	jsjyy202009044
引用统计	被引频次[WOS]：0
成果类型	期刊论文
条目标识符	http://sustech.caswiz.com/handle/2SGJ60CL/352630
专题	工学院_计算机科学与工程系个人在本单位外知识产出
作者单位	1.中国科学技术大学计算机科学与技术学院,合肥230000 2.中国文昌航天发射场指挥控制中心,海南文昌571300 3.南方科技大学计算机科学与工程系,广东深圳518000
推荐引用方式 GB/T 7714	张晨曦,唐珂,唐曙. 迁移学习下的火箭发动机参数异常检测策略[J]. 计算机应用, Journal of Computer Applications,2020,40(9):2774-2780.
APA	张晨曦,唐珂,&唐曙.(2020).迁移学习下的火箭发动机参数异常检测策略.计算机应用,40(9),2774-2780.
MLA	张晨曦,et al."迁移学习下的火箭发动机参数异常检测策略".计算机应用 40.9(2020):2774-2780.