위성 자세 제어 시스템을 위한 고장 진단 CNN 네트워크의 자동 설계

현재 위성 고장 진단 분야에서 비지도 및 자기지도 이상 탐지 방법이 지배적임에도 불구하고, 감독 학습 기반 이상 탐지는 자세 제어 시스템(ACS)과 같은 하위 시스템 또는 구성 요소에 특화된 고감도 탐지 및 경량화 요구사항에 있어 우월한 대안을 제공합니다. 본 논문은 위성 ACS 고장 진단을 위한 CNN 네트워크 설계에서 과다 설계 문제와 정확도 부족 문제를 해결하기 위해 수정된 입자 군집 최적화-고급 컨볼루션 블록 기반 CNN(MPSO-ACBCNN) 방법을 제안합니다. 먼저, ACBCNN이라는 경량의 유연한 층 CNN 아키텍처를 소개합니다. 이 아키텍처는 다양한 고장 샘플의 전력 스펙트럼 밀도(PSD) 그래프 내에서 특징 추출 능력을 향상시키기 위해 여러 효율적인 설계 요소를 통합한 고급 컨볼루션 블록(ACB)을 활용하고, 고전적인 조밀 연결 방법을 사용하여 그래디언트 소실 문제를 방지합니다. 둘째, MPSO를 사용하여 특정 ACS에 맞게 ACBCNN 고장 진단 아키텍처를 최적화하는 MPSO-ACBCNN 알고리즘을 개발합니다. MPSO-ACBCNN에서는 전체 파라미터 수와 학습 효과 간의 균형을 맞추는 적합도 설계, 실현 가능한 해 보장을 위한 방법 등 기존 PSO에 대한 여러 최적화가 구현됩니다. 마지막으로, 수치 실험 결과는 ACS 고장 진단에서 MPSO-ACBCNN의 효과성과 우수성을 입증합니다.