Remaining useful life prediction of satellite momentum flywheel based on ISCSO-LSTM network ensemble

作为姿态控制系统的关键执行器, 动量轮性能退化会直接影响卫星寿命, 有必要对其开展剩余使用寿命(remaining useful life, RUL)预测研究. 针对动量轮RUL预测精度不足、预测性能不稳定的问题, 本文建立了一种基于沙猫群优化(improved sand cat swarm optimization, ISCSO)算法与长短期记忆(long short-term memory network, LSTM)网络相结合的集成预测方法. 首先从动量轮原始轴承温度序列中提取多维候选特征, 采用基于单调性与趋势性的综合评估方法筛选敏感特征; 随后构建多个具有不同初始化参数的LSTM网络作为基预测器, 以增强模型泛化能力; 最后提出基于Tent混沌映射的ISCSO算法, 以优化各个基预测器的输出权重. 实验结果表明, 所提方法的多种评价指标结果均优于对比方法, 消融实验进一步验证了改进优化算法与集成策略的有效性.