В связи с ухудшением диагностических характеристик системы управления ориентацией космического аппарата при дефиците образцов неисправностей и несбалансированности выборки предложен метод диагностики неисправностей, сочетающий кодирование временных рядов в изображения и глубокое обучение. Во-первых, с использованием генеративно-состязательной сети Ватерстайна с градиентным штрафом (WGAN-GP) осуществляется генерация и расширение временных образцов неисправностей для балансировки распределения обучающей выборки; во-вторых, временные сигналы преобразуются в двумерные изображения с использованием угла и поля Грамана, марковского поля переходов и рекурсивного графового кодирования; наконец, строится двумерная сверточная нейронная сеть для извлечения и классификации признаков неисправностей. Результаты экспериментов показывают, что предложенный метод значительно повышает точность диагностики при всех коэффициентах несбалансированности выборки, подтверждая его эффективность и устойчивость в условиях несбалансированных данных.

Система управления ориентацией космического аппарата;Диагностика неисправностей;Кодирование временных рядов в изображения;Генеративно-состязательные сети;Сверточные нейронные сети