2018C Detecting spacecraft anomalies using LSTMs and Nonparametric Dynamic..pdf

摘要 随着航天器发回越来越多的遥测数据,需要改进异常探测系统,以减轻操作工程师的监测负担,降低操作风险。目前的航天器监测系统只针对异常类型的子集,由于规模和复杂性的挑战,常常需要昂贵的专家知识来开发和维护。我们展示了长短期记忆(LSTMs)网络(一种递归神经网络(RNN))在克服这些问题上的有效性,使用来自土壤水分主动被动(SMAP)卫星和火星科学实验室(MSL)漫游者“好奇号”的专家标记的遥测异常数据。我们还提出了一种互补的无监督和非参数异常阈值方法,该方法是在SMAP异常检测系统的试运行中开发的,并提供了假阳性缓解策略以及在开发过程中获得的其他关键改进和教训。