Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

12.12.2019 | Methodologies and Application | Ausgabe 15/2020

Soft Computing 15/2020

An improvement growing neural gas method for online anomaly detection of aerospace payloads

Zeitschrift:
Soft Computing > Ausgabe 15/2020
Autoren:
Lei Song, Taisheng Zheng, Jianxing Wang, Lili Guo
Wichtige Hinweise
Communicated by V. Loia.
Lei Song and Taisheng Zheng have contributed equally to this study.

Publisher's Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

The unfluctuating running of on-orbit spacecraft equipment has a decisive impact on the smooth implementation of space exploration mission. However, due to the adverse work conditions and complex running states, it is really a challenge for the online monitoring of aerospace equipment. In this paper, an improved growing neural gas method based on incremental learning is proposed, which is dedicated to solving the problem of online anomaly detection. The learning rate of the proposed method is adaptively adjusted according to the process of model training, ensuring the weights update quickly at the beginning of model construction and converge steady at the end of model training. The optimized insertion mechanisms of neurons ensure that the necessary new neurons are inserted at the right time and location dynamically, while the innovative deletion mechanisms of neurons ensure that the worthless neurons be deleted timely and at the same time guarantee the representation ability of model. The comparison results with the conventional methods on public datasets show that the proposed method achieves the better performance obviously, both in the aspects of detection accuracy and computational efficiency, respectively. At last, as a case study, the proposed method is used for online anomaly detection of a real aerospace device, i.e., a gamma ray detector, and the final F1 score of anomaly detection is as high as 98.78%. The results show that the proposed method can be applied to online detection of aerospace equipment health conditions effectively.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 15/2020

Soft Computing 15/2020 Zur Ausgabe

Premium Partner

    Bildnachweise