| 摘要: |
| 在线异常检测是确保火箭伺服系统正常运行的关键技术。然而，目前大多数研究未考虑模型部署和应用时存在的概念漂移问题，进而影响检测精度。为此，本文提出一种基于生成式循环网络的伺服系统在线异常检测算法。首先，为建立系统输入输出关系模型，提出深层循环神经网络，该网络通过引入多层记忆单元和跳跃连接，来提升其对数据多尺度时空依赖关系的拟合能力;其次，为缓解概念漂移问题，引入在线学习使模型具有持续学习能力，但也带来了灾难性遗忘问题;最后，为缓解灾难性遗忘问题，提出生成式网络，以生成包含历史数据、整体数据分布信息的回顾数据，使模型学习新数据分布的同时，避免遗忘历史数据。结果表明:基于火箭伺服系统所采集的真实运行数据，消融实验和对比实验证明了提出的算法能有效缓解上述问题，并取得较好的异常检测效果。 |
|
(1.Shanghai Aerospace Control Technology Institute，Shanghai 201109，China;2.School of Electronics and Information Engineering，Beihang University，Beijing 100191，China)
|
