基于深度迁移学习的航天器寿命预测与动态故障检测
| 项目编号 |
202210287026Z |
| 项目类型 |
创新训练项目 |
| 项目级别 |
省级重点项目 |
| 项目负责人 |
龚志仁 |
| 所属一级学科 |
工学 |
| 所属二级学科 |
自动化类 |
| 所属学校 |
南京航空航天大学 |
| 立项时间 |
|
| 项目期限 |
| 结题时间 |
|
项目成员
指导教师
项目简介
挖掘航天器大数据背后的潜在价值是数据模型双驱动下保证装备安全运行的热点和难点。对于航天器的寿命预测，主要利用深度集成学习算法提升预测准确性，并利用样条窗、数据挖掘等实现完备可靠的寿命预测；对于航天器的动态故障检测，同样基于深度迁移学习算法，并辅佐差分法、数据挖掘、伪标记算法等实现实时精准的动态故障检测。最终，项目将得到面向不同环境中的航天器的完备可靠精准的寿命预测和动态故障检测系统。