Centrala begrepp
本稿では、従来のしきい値ベースの故障検出・分離・回復(FDIR)システムの限界を克服するため、宇宙機姿勢センサにおけるスタック値検出のための、多チャンネル畳み込みニューラルネットワーク(CNN)を用いた新規なAIベースのFDIR手法を提案する。
Sammanfattning
書誌情報
Gallon, R., Schiemenz, F., Menicucci, A., & Gill, E. (2024). Convolutional Neural Network Design and Evaluation for Real-Time Multivariate Time Series Fault Detection in Spacecraft Attitude Sensors. arXiv preprint arXiv:2410.09126v1.
研究目的
本研究は、宇宙機姿勢センサから得られる多変量時系列データにおけるスタック値をリアルタイムで検出するための、より効果的なFDIRシステムの開発を目的とする。
方法
- 小型太陽系天体探査用ドローン型宇宙機Astrone KIの加速度計と慣性計測装置(IMU)のデータを活用。
- スタック値(最終値でスタック、ランダム値でスタック)を含む様々な故障をシミュレートしたデータセットを作成。
- 多チャンネルCNNを用いて、故障の有無を二値分類するモデルを構築。
- 提案手法を従来のPUSベースFDIRシステムに統合する方法を提示。
- 提案手法の検出性能を評価するため、検出メトリクスとシステムメトリクスを定義し、最適化プロセスを実施。
主な結果
- 提案されたCNNベースのFDIRシステムは、スタック値の検出において高い精度を達成。
- 提案システムは、従来のしきい値ベースの手法では検出が困難な、ノミナルレンジ内でのスタック値も検出可能。
- 最適化されたシステムは、誤検出を最小限に抑えながら、高い検出率を実現。
意義
本研究は、宇宙機のより堅牢で信頼性の高い運用を実現する、AIベースのFDIRシステム開発のための有望なアプローチを提供する。
限界と今後の研究
- 本研究は、シミュレーションデータを用いて行われたものであり、実際の宇宙環境における性能評価は今後の課題。
- 今後の研究では、より複雑な故障シナリオや、他の種類のセンサデータへの適用可能性を検討する必要がある。
Statistik
故障持続時間の下限: 30サンプル
故障持続時間の上限: 110サンプル
連続する故障間の距離: 305サンプル
ウィンドウ長: 180サンプル
パーシステンス: 27サンプル
加速度計のReaction Precision Score: 0.99
加速度計のReaction Recall Score: 0.95
IMUのReaction Precision Score: 0.99
IMUのReaction Recall Score: 0.85
Citat
"Stuck values in multivariate time series data are a typical example of faults where the PUS-based detection shows inefficiency."
"The contribution of this work to the state of the art is three-fold. First, a multi-target, multi-channel, CNN-based approach to fault detection in time series coming from the accelerometer and IMU mounted onboard the vehicle is proposed."
"This approach offers several advantages. First, it enhances the robustness of the method to outliers compared to directly linking the prediction to event triggering."