(2-14)，經(jīng)過預(yù)訓(xùn)練的網(wǎng)絡(luò)可以遷移到在軌航天器故障診斷任務(wù)中，實現(xiàn)知識和特征的遷移學(xué)習(xí)。采用AdamBP算法對網(wǎng)絡(luò)權(quán)值進行迭代更新，使得訓(xùn)練后的網(wǎng)絡(luò)具有更好泛化能力和故障檢測能力，過程與1.3.1節(jié)類似，此處不再贅述。因此，本章提出的基于深度遷移學(xué)習(xí)的智能故障算法流程圖如REF_Ref65250478\h圖2-6所示。圖2-SEQ圖2-\*ARABIC6基于深度遷移學(xué)習(xí)的航天器智能故障診斷算法流程圖仿真結(jié)果及分析在本節(jié)中，為了驗證設(shè)計的算法的有效性，在Windows10操作系統(tǒng)上，基于Python環(huán)境下Tensorflow深度學(xué)習(xí)工具包實現(xiàn)算法的仿真實驗，仿真計算機配置為IntelCorei7@4.00GHz處理器，16G內(nèi)存，NvidiaGeForceGTX1660顯卡。源數(shù)據(jù)集為基于Matlab的4秒連續(xù)數(shù)據(jù)（400組），包含航天器的10個狀態(tài)變量（四元數(shù)，角速度，控制輸入），經(jīng)過數(shù)據(jù)預(yù)處理轉(zhuǎn)換成20*20*10的矩陣。目標(biāo)數(shù)據(jù)集包含30001組數(shù)據(jù)，步長為0.01s。200s后航天器X軸發(fā)生故障，表現(xiàn)為200s后REF_Ref60862612\h圖2-7中四元數(shù)和REF_Ref60862615\h圖2-8中角速度的曲線出現(xiàn)異常。圖2-SEQ圖2-\*ARABIC7Matlab仿真數(shù)據(jù)四元數(shù)曲線圖2-SEQ圖2-\*ARABIC8Matlab仿真數(shù)據(jù)角速度曲線故障診斷任務(wù)一：在航天器平穩(wěn)運行過程中，判斷其是否發(fā)生故障。該故障診斷任務(wù)為一個二分類問題。REF_Ref60909214\h圖2-9為預(yù)訓(xùn)練階段網(wǎng)絡(luò)訓(xùn)練損失和故障診斷準(zhǔn)確率的變化曲線，REF_Ref60909897\h圖2-10為遷移學(xué)習(xí)階段網(wǎng)絡(luò)訓(xùn)練損失和故障診斷準(zhǔn)確率變化曲線。根據(jù)REF_Ref60909214\h圖2-9-REF_Ref60909897\h圖2-10，在網(wǎng)絡(luò)訓(xùn)練過程中，隨著網(wǎng)絡(luò)的權(quán)值不斷迭代更新，故障診斷準(zhǔn)確率不斷提高，而網(wǎng)絡(luò)損失逐漸減小。在預(yù)訓(xùn)練階段深度卷積神經(jīng)網(wǎng)絡(luò)的故障診斷準(zhǔn)確率可達到98.5%，在遷移學(xué)習(xí)階段深度卷積神經(jīng)網(wǎng)絡(luò)的故障診斷準(zhǔn)確率可達到98.79%，且一直穩(wěn)定在95%以上。圖2-SEQ圖2-\*ARABIC9任務(wù)一在預(yù)訓(xùn)練階段網(wǎng)絡(luò)訓(xùn)練損失和故障診斷準(zhǔn)確率變化曲線圖2-SEQ圖2-\*ARABIC10任務(wù)一在遷移學(xué)習(xí)階段網(wǎng)絡(luò)訓(xùn)練損失和故障診斷準(zhǔn)確率變化曲線故障診斷任務(wù)二：在航天器平穩(wěn)運行過程中，在判斷其是否發(fā)生故障的基礎(chǔ)上診斷故障發(fā)生在哪個軸。該故障診斷任務(wù)為一個四分類問題。REF_Ref60911798\h圖2-11為預(yù)訓(xùn)練階段網(wǎng)絡(luò)訓(xùn)練損失和故障診斷準(zhǔn)確率的變化曲線，REF_Ref60911804\h圖2-12為遷移學(xué)習(xí)階段網(wǎng)絡(luò)訓(xùn)練損失和故障診斷準(zhǔn)確率變化曲線。在預(yù)訓(xùn)練階段深度卷積神經(jīng)網(wǎng)絡(luò)可判斷故障是否發(fā)生且發(fā)生在哪個軸上，其準(zhǔn)確率可達到98.5%，相應(yīng)地在遷移學(xué)習(xí)階段故障診斷的準(zhǔn)確率可達到85.41%，且一直保持穩(wěn)定。圖2-SEQ圖2-\*ARABIC11任務(wù)二在預(yù)訓(xùn)練階段網(wǎng)絡(luò)訓(xùn)練損失和故障診斷準(zhǔn)確率變化曲線圖2-SEQ圖2-\*ARABIC12任務(wù)二在遷移學(xué)習(xí)階段網(wǎng)絡(luò)訓(xùn)練損失和故障診斷準(zhǔn)確率變化曲線基于四種遷移學(xué)習(xí)方法的故障診斷準(zhǔn)確率對比。表2-1為四種遷移學(xué)習(xí)方法在故障診斷任務(wù)一和任務(wù)二中的準(zhǔn)確率對比。根據(jù)對比數(shù)據(jù)可知，采用基于JDA的遷移學(xué)習(xí)方法在故障診斷準(zhǔn)確率上明顯優(yōu)于其他遷移學(xué)習(xí)故障診斷方法。與基于卷積神經(jīng)網(wǎng)絡(luò)的傳統(tǒng)遷移學(xué)習(xí)方法相比，采用基于JDA的遷移學(xué)習(xí)方法的故障診斷準(zhǔn)確率平均提高了5%左右。與基于MDA的遷移學(xué)習(xí)方法相比，基于JDA的遷移學(xué)習(xí)方法提高了深度卷積神經(jīng)網(wǎng)絡(luò)對遷移任務(wù)的適應(yīng)性。表2-SEQ表2-\*ARABIC2四種遷移學(xué)習(xí)方法的故障診斷準(zhǔn)確率對比任務(wù)一（二分類）任務(wù)二（四分類）傳統(tǒng)遷移學(xué)習(xí)方法91.34%80.72%JDA方法89.99%71.95%基于MDA的遷移學(xué)習(xí)方法95.12%81.24%基于JDA的遷移學(xué)習(xí)方法98.79%85.41%通過以上的仿真及分析可知，遷移學(xué)習(xí)方法適用于在軌航天器故障