CN114118361B 一种基于深度学习参数锚定的态势评估方法 （北京宇航系统工程研究所）

一种基于深度学习参数锚定的态势评估方法一种基于深度学习参数锚定的态势评估方经网络模型部署至运载火箭智能辅助自主态势能辅助自主态势评估决策系统实时敏感运载火前运载火箭参数的异常状态，并锚定其参数位针对目标系统运行过程中关键参数突发异常的2构建态势评估深度神经网络模型；所述态势评估深度神经网络模型的输入为二维矩将训练好的态势评估深度神经网络模型部署至运载火箭智能辅助自主态势评估决策卷积神经网络模块用以实现在二维特征空间下获取参数特征，包括锚定区域生成模块用以实现针对参数特征的候选锚定区域锚定回归及分类检测模块用以实现异常参数位置定位和参述对数据矩阵进行标注包括对数据分类标签的标注和异常状态参数的维度分量锚定目标3测的boundingbox参数坐标，ti*是与positiveanchor对应的groundtruth包围盒的坐标clsireg第一模块，构建态势评估深度神经网络模型；所述态势评三模块，将训练好的态势评估深度神经网络模型部署至运载火箭智卷积神经网络模块用以实现在二维特征空间下获取参数特征，包括锚定区域生成模块用以实现针对参数特征的候选锚定区域锚定回归及分类检测模块用以实现异常参数位置定位和参所述构建态势评估深度神经网络模型包括将现有航天状态参量数据序列进行预处理；所述对数据矩阵进行标注包括对数据分类标签的标注和异常状态参数的维度分量锚4测的boundingbox参数坐标，ti*是与positiveanchor对应的groundtruth包围盒的坐标clsireg8.一种计算机可读存储介质，所述的计算机可9.一种基于深度学习参数锚定的态势评估设备计算机程序时实现如权利要求1～权利要求6任一所5[0001]本发明涉及一种基于深度学习参数锚定的态势评估方法，属于航天测控技术领[0007]将训练好的卷积神经网络模型部署至运载火箭智能辅助6[0016]卷积神经网络模块用以实现在二维特征空间下获取参数特征，包括5～13个卷积为预测的boundingbox参数坐标，ti*是与positiveanchor对应的groundtruth包围盒的clsireg[0033]所述对数据矩阵进行标注包括对数据分类标签的标注和异常状态参数的维度分7[0035]卷积神经网络模块用以实现在二维特征空间下获取参数特征，包括5～13个卷积为预测的boundingbox参数坐标，ti*是与positiveanchor对应的groundtruth包围盒的clsireg的计算机程序被处理器执行时实现所述一种基于深度学习参数锚定的态势评估方法的步实现所述一种基于深度学习参数锚定的态势评估方得产生锚定窗口的定位卷积神经网络和目标检测的分类卷积神经网络8[0048]以下结合说明书附图对本申请实施例所提供的一种基于深度学习参数锚定的态[0055](2)生成矩阵数据进行标注。包括对数据分类标签的标注和异常状态参数的维度9上多种尺度和长宽比的锚定目标，在卷积层之后接两个子全连接层分别用于分类和回归，回归子层的作用是用于计算目标候选框的偏移和大[0070]分类部分利用得到的特征向量经过全连接层和两个全连其中一个子层接SoftmaxWithloss分类器用于类别输出，另一个子层接SmoothL1loss分类[0082]锚定区域池化(AnchorsRegionPooling)的作用是结合前卷积得到的数据特征x…[0090](2)数据进行标注，包括对数据分类标签的标注和异常参数的维度分量锚定目标[0106]将前卷积网络的输出作为锚定区域网络的输入，锚定区域网络中使用3*3的卷积的原矩阵的感受区域内生成9种(k＝9)不同尺度的锚定区域边界框，总共生成29*29*9=[0111]锚定区域池化针对的是29*29*256数据,将类别定入层和输出层的num_classes和num_output，目标框的预测需要对应左上角和右下角两个文件下的anchor_target_layer.py和proposal_layer.py中关于Scales的大小进行修改，配置如表2.[0119]Epoch代表的是迭代的次数，当一个完整的数据集通过了神经网络一次并且返回[0122]基于与图1相同的发明构思，本发明还提供一种基于深度学习参数锚定的态势评[0132]所述对数据矩阵进行标注包括对数据分类标签的标注和异常状态参数的维度分[0134]卷积神经网络模块用以实现在二维特征空间下获取参数特征，包括5～13个卷积为预测的boundingbox参数坐标，ti*是与positiveanchor对应的groundtruth包围盒的clsireg可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0144]这些计算机程序指令也可存储在能引导计算