本页面使用了机器翻译。
请花 1 分钟时间完成一个翻译质量的调查。
JAXA 开发用于空间推进系统健康管理的故障检测算法
MATLAB 让工程师无需丰富的数据科学经验即可开发机器学习算法
“MATLAB 中的机器学习应用对于构建推进系统故障诊断模型绝对起到了重要作用。该应用能够轻易地对特征进行排序，并利用它们来构建和评估分类学习模型。我们能够通过对各种模型的反复试验来评估模型的计算成本、多功能性和准确性。对于那些不具备深入的机器学习知识的人来说，它是一个将机器学习引入其领域的绝佳工具箱。”
关键成果
- 部署 MATLAB 进行航天推进系统的预测性维护缩短了开发周期并降低了成本
- MATLAB 支持故障诊断和预测性维护应用程序的端到端开发
- 现场独立应用程序可立即评估和表征测量数据
日本宇宙航空研究开发机构 (JAXA) 正在开发航天器推进系统的预测和健康管理 (PHM) 技术，以提高未来月球、火星和深空任务的安全性和可靠性。目标是供给系统中的过滤器堵塞或阀门故障引起的推力异常。近年来，对推进系统的要求变得越来越高，需要快速准确地识别这些故障。
为了应对这一挑战，JAXA 正在开发一种使用非侵入式光纤布拉格光栅 (FBG) 传感器的压力传感方法来扩大推进系统中可用的信息量。使用 MATLAB® 和 Signal Processing Toolbox™，团队对时间序列数据进行了预处理，计算了 FFT，并应用了高通滤波器。喘振数据与峰值检测功能同步。
此外，该团队利用 Predictive Maintenance Toolbox™ 以交互方式探索和排序用于训练和比较机器学习模型的特征。这种方法使 JAXA 工程师能够开发、评估和部署高精度的 PHM 算法。
利用这些工具，JAXA 有效地解决了与太空应用中推进系统健康监测相关的挑战，即使工程师没有丰富的数据科学经验，也能推动改进，使航天器运行更加安全、可靠。
