基于Attention-LSTM的卫星姿态控制系统故障诊断方法.pdfVIP

测控技术

装备无损检测与健康监测技术专刊（三）2025年第44卷第7期·35·

基于Attention-LSTM的卫星姿态控制系统

故障诊断方法

朱津津，张超，高升2.3*，艾晨光4

（1.上海航天控制技术研究所，上海201109；2.中国科学院沈阳自动化研究所机器人国家重点实验室，

辽宁沈阳110016；3.中国－葡萄牙星海“一带一路联合实验室，上海200120；

4.中国科学院空天信息创新研究院微波遥感系统部，北京100190）

摘要：针对现有方法处理执行器缓变型故障诊断精度低的问题，提出一种将注意力机制与长短期记忆

(LongShort-TermMemory,LSTM）网络相结合的卫星姿态控制系统故障诊断方法。该方法利用变量注

意力机制揭示高维变量域之间隐藏的特征信息，并通过LSTM网络强大的时序信息捕捉能力提取深度

时序特征信息，在变量域和时域充分挖掘系统数据的关键特征信息，提高了诊断的准确性。同时，为解

决输入序列过长和深层时序特征过多导致的遗忘问题，将注意力机制和LSTM网络进一步结合，以此增

加重要时序信息的权重，解决以往只采用注意力机制提取缓变型故障时序特征效果差的问题。最后，利

用卫星半物理仿真平台和数据对所提故障诊断方法进行验证与对比分析，结果表明：所提方法有效提高

了缓变型故障诊断精度，适用于卫星姿态控制系统故障诊断问题。

关键词：故障诊断；长短期记忆网络；卫星姿态控制系统；注意力机制

中图分类号：TP273文献标志码：A文章编号：1000-8829(2025)07-0035-07

doi:10.19708/j.ckjs.2025.04.220

AnAttention-LSTM-BasedFaultDiagnosisMethodfor

SatelliteAttitudeControlSystem

ZHUJijin,ZHANGChao,CAOSheng*,AIChenguang

(1.ShanghaiAerospaceControlTechnologyInstitute,Shanghai201109,China;2.StateKeyLaboratoryofRobotics,

ShenyangInstituteofAutomation,ChineseAcademyofSciences,Shenyang110016,China;3.China-PortugalBeltand

RoadJointLaboratoryonSpaceSeaTechnologyAdvancedResearch,Shanghai200120,China;4.AcademyofMicrowave

RemoteSensingSystems,AerospaceInformationResearchInstitute,ChineseAcademyofScience,Beijing100190,China)

Abstract:Toaddresstheissueoflowaccuracyindiagnosingslow-changingfaultsinexistingmethods,afault

diagnosismethodforsatelliteattitudecontrolsystemsthatcombinesattentionmechanismswithlongshort-term

memory(LSTM)networksisproposed.Avariableattentionmechanism