留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于梯度提升决策树的量子科学实验卫星光学实验预测

罗中凯 李虎 胡钛

罗中凯, 李虎, 胡钛. 基于梯度提升决策树的量子科学实验卫星光学实验预测[J]. 空间科学学报, 2020, 40(1): 126-133. doi: 10.11728/cjss2020.01.126
引用本文: 罗中凯, 李虎, 胡钛. 基于梯度提升决策树的量子科学实验卫星光学实验预测[J]. 空间科学学报, 2020, 40(1): 126-133. doi: 10.11728/cjss2020.01.126
LUO Zhongkai, LI Hu, HU Tai. Optical Experiments Prediction of the Quantum Science Experiment Satellite Based on Gradient Boosting Decision Tree[J]. Chinese Journal of Space Science, 2020, 40(1): 126-133. doi: 10.11728/cjss2020.01.126
Citation: LUO Zhongkai, LI Hu, HU Tai. Optical Experiments Prediction of the Quantum Science Experiment Satellite Based on Gradient Boosting Decision Tree[J]. Chinese Journal of Space Science, 2020, 40(1): 126-133. doi: 10.11728/cjss2020.01.126

基于梯度提升决策树的量子科学实验卫星光学实验预测

doi: 10.11728/cjss2020.01.126
基金项目: 

中国科学院空间科学先导专项科学卫星任务运控技术项目资助(XDA15040100)

详细信息
    作者简介:

    罗中凯,E-mail:925216298@qq.com

  • 中图分类号: P353

Optical Experiments Prediction of the Quantum Science Experiment Satellite Based on Gradient Boosting Decision Tree

  • 摘要: 量子科学实验卫星在轨运行期间完成4种光学实验,地面监测人员通过遥测参数阈值判断卫星是否进行光学实验、实验类型及实验结果.这种方法需要预先设定大量阈值,并且这些阈值需要根据在轨卫星重新设定,可扩展性较差.针对以上问题,提出一种基于机器学习的光学实验判别方法,将量子科学实验卫星的光学实验监测任务抽象为机器学习中的多元分类问题,构建分类模型,利用量子科学实验卫星的真实历史遥测数据对模型进行训练,并通过真实实验计划对训练得到的模型进行验证.实验结果表明,本文提出的方法在没有专家先验知识的前提下,判别准确率达到99%,可用于量子科学实验卫星光学实验的实时监测任务.提出的基于机器学习的判别方法具有较强的可扩展性,可应用于卫星在轨运行的其他监测任务.

     

  • [1] WANG Fan. Research on Space Payload Fault Diagnosis System Based on Fault Tree[D]. Beijing:Graduate School of Chinese Academy of Sciences, 2007(王帆. 基于故障树的空间有效载荷故障诊断系统研究[D]. 北京:中国科学院研究生院, 2007)
    [2] JI Changwei, HUANG Wenhu, RONG Jili. Fault diagnosis technology for manned spacecraft in foreign countries[J]. Chin. Space Sci. Technol. 1995(1):23-29, 52(纪常伟, 黄文虎, 荣吉利. 国外载人航天器故障诊断技术[J]. 中国空间科学技术, 1995(1):23-29, 52)
    [3] GEIB P L, COX D D, TOMASI A M. Payload state of health monitoring design for next generation satellite constellations[C]//IEEE Xplore. Conference:Aerospace Conference Proceedings, 2002, 1:5, DOI:10.1109/AERO. 2002.1036841
    [4] GEORGES H M, WANG D, XIAO Z. GNSS/Low-Cost MEMS-INS integration using variational Bayesian adaptive cubature Kalman smoother and ensemble regularized ELM[C]//Mathematical Problems in Engineering, 2015:1-13
    [5] IVERSON D L. Inductive system health monitoring with statistical metrics[C]//International Conference on Artificial Intelligence, 2004:605-611
    [6] JEROME H F. Greedy function approximation:a gradient boosting machine[J]. Ann. Statis., 2001, 29(5):1189-1232
  • 加载中
计量
  • 文章访问数:  672
  • HTML全文浏览量:  59
  • PDF下载量:  52
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-12-10
  • 修回日期:  2019-06-25
  • 刊出日期:  2020-01-15

目录

    /

    返回文章
    返回