[发明专利]有效载荷的故障决策方法

说明书

本发明公开了有效载荷的故障决策方法，涉及航天器领域。该方法包括：获取有效载荷的运行参数；建立决策模型，根据运行参数和马尔科夫模型对决策模型进行训练，其中，决策模型为深度增强网络模型；根据训练后的决策模型对有效载荷的故障进行决策。本发明提供的故障决策方法，通过运行参数和马尔科夫模型对深度增强网络模型进行训练，将故障诊断、推理与决策相结合，实现航天器有效载荷从故障发现直到故障决策的全周期过程，解决了多重因素影响下复杂跳变参数关联性和误检率高的问题，实现了上下文逻辑关系的概率模糊诊断和动态更新，提高了故障诊断与决策的准确性和时效性。

技术领域

本发明涉及航天器领域，尤其涉及一种有效载荷的故障决策方法。

背景技术

目前，航天器有效载荷故障诊断方法主要分为：基于专家系统的故障诊断方法、基于支持向量机的诊断方法、基于人工神经网络的诊断方法、基于故障树分析的诊断方法等。

航天器是有效探索、开发和合理利用空间资源的设备，实时高效的故障诊断与决策技术对航天器的可靠稳定运行具有重要意义。然而，由于系统复杂性、运行环境的特殊性以及不确定性等因素，传统的故障诊断方法仅仅诊断原因而缺少决策辅助，且对多重因素影响下的复杂跳变参数具有较高的误检率，无法满足智能性、准确性和时效性的要求。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种有效载荷的故障决策方法及一种存储介质。

本发明解决上述技术问题的技术方案如下：

一种有效载荷的故障决策方法，包括：

获取有效载荷的运行参数；

建立决策模型，根据所述运行参数和马尔科夫模型对所述决策模型进行训练，其中，所述决策模型为深度增强网络模型；

根据训练后的所述决策模型对所述有效载荷的故障进行决策。

本发明的有益效果是：本发明提供的故障决策方法，通过运行参数和马尔科夫模型对深度增强网络模型进行训练，将故障诊断、推理与决策相结合，实现航天器有效载荷从故障发现直到故障决策的全周期过程，解决了多重因素影响下复杂跳变参数关联性和误检率高的问题，实现了上下文逻辑关系的概率模糊诊断和动态更新，提高了故障诊断与决策的准确性和时效性。

本发明解决上述技术问题的另一种技术方案如下：

一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述技术方案所述的方法。

本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。

附图说明

图1为本发明有效载荷的故障决策方法的实施例提供的流程示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实施例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，为本发明有效载荷的故障决策方法的实施例提供的流程示意图，该方法包括：

S1，获取有效载荷的运行参数。

需要说明的是，有效载荷是指航天器上装载的为直接实现航天器在轨运行要完成的特定任务的仪器、设备、人员、试验生物及试件等。例如，当有效载荷为航天器的仪器时，运行参数可以为仪器的温度、电压、工作状态等。

应理解，为了对决策模型进行训练，获取的是运行参数的数据集，例如，当运行参数为温度时，可以以预设的采集频率采集温度值，得到数据集，然后再将数据集划分成训练集和测试集，使用训练集对决策模型进行训练。