计算机应用

作者：张晨曦, 唐曙, 唐珂

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

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

基金：国家自然科学基金面上项目（61672478）；上海市科学技术委员会科研基金资助项目（19511120600）。

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。

来源：2020年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第9期