基于多策略融合深度学习的卫星电源系统故障诊断方法

本发明公开一种基于多策略融合深度学习的卫星电源系统故障诊断方法，属于故障诊断技术领域。解决了现有卫星电源系统因工况复杂造成的故障诊断模型精度差、稳定性低的缺陷。本发明基于DET&S4R的卫星电源系统拓扑，使用Dymola&Modelica软件进行建模仿真，将数据采样点设置为各设备输出及输入端口；对模型注入各级故障，记录故障仿真时采样电压与电流，构建故障样本数据集。并使用卷积神经网络提取样本特征，构建低维样本数据集，减小计算复杂度；提出基于自适应提升算法结合增强多头注意力改进双向门控循环单元，并使用白鲨优化算法WSO求解BIGRU的超参数及网络参数，以此提升诊断模型的精度和训练效率，建立基于多策略融合深度学习的强学习器多分类故障诊断模型。最后进行故障诊断，输出诊断结果，包括故障诊断精度、诊断时间、故障位置、故障类型等。本发明适用于卫星电源系统故障诊断使用。