一种基于自监督学习的轻量化卫星故障诊断方法

本发明提出一种基于自监督学习的轻量化卫星故障诊断方法，将正常的卫星遥测数据制成训练数据集，并对其进行数据预处理；建立高斯混合模型，利用期望最大算法对高斯混合模型参数进行估计：每次循环迭代中计算每个数据样本对于每个高斯分量的后验概率，更新高斯混合模型的参数，计算每次迭代的训练数据对数似然并比较其在本次和上次迭代的差异，若差异小于阈值则模型收敛，本次迭代中的参数为最终参数估计值，估计训练数据的对数似然的一元高斯分布；对于任意新的遥测数据，结合最终的高斯混合模型计算其异常得分，大于预设阈值时该遥测数据为故障数据。本发明可有效检测各种未知故障模式，解决了传统方法需要预设故障类型的问题。