《表3 常用方式:基于长短期神经网络的遥测参数趋势预测》
试验基于某航天器平台的周期性遥测参数Par的多步预测展开。采样率为30 min。为适应实时系统对响应速度的要求,采用图2所示复杂度较低的LSTM连续模型开展实验。输入长度为n_lag的时间序列,依次经过单元数为n_neurons的LSTM层和n_seq的Dense层,输出长度为n_seq的预测值。实验全程每轮训练的批大小设置为1,这是由实时性要求决定的。图2中参数含义及取值如表3所示。
图表编号 | XD00195802300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.18 |
作者 | 韩星、宁顺成、李剑锋、付枫、吴东星 |
绘制单位 | 航天器在轨故障诊断与维修重点实验室、航天器在轨故障诊断与维修重点实验室、航天器在轨故障诊断与维修重点实验室、航天器在轨故障诊断与维修重点实验室、航天器在轨故障诊断与维修重点实验室 |
更多格式 | 高清、无水印(增值服务) |