Автоматика и телемеханика
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Импакт-фактор
Правила для авторов
Загрузить рукопись

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Автомат. и телемех.:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Автоматика и телемеханика, 2021, выпуск 8, страницы 3–38
DOI: https://doi.org/10.31857/S0005231021080018
(Mi at15768)
 

Эта публикация цитируется в 2 научных статьях (всего в 2 статьях)

Обзоры

Современные методы машинного обучения для анализа технического состояния космических аппаратов по данным телеметрической информации

П. А. Мухачёвa, T. Р. Садретдиновa, Д. А. Притыкинa, А. Б. Ивановa, С. В. Соловьевb

a Сколковский институт науки и технологий, Москва
b Публичное акционерное общество “Ракетно-космическая корпорация “Энергия”, Королев, Московская обл
Список литературы:
Аннотация: Приводится обзор основных достижений в области методов интеллектуального анализа данных о техническом состоянии космических аппаратов (КА). Основной акцент делается на анализе телеметрической информации (ТМИ), позволяющем идентифицировать нехарактерные для нормальной работы состояния КА и предсказывать возможные сбои в работе КА или его составных частей. Рассмотрены основные этапы, необходимые для создания систем мониторинга состояния КА общего назначения, подробно представлены методы обнаружения аномалий в ТМИ с учетом специфики КА и проанализированы известные авторам публикации по этой тематике. Приведены примеры внедрения таких систем в центрах управления полетами разных стран. Обсуждаются перспективные направления развития методов анализа технического состояния сложных систем, которые актуальны для решения задач в космической технике, а также отмечаются основные факторы, препятствующие развитию методов машинного обучения для анализа телеметрической информации.
Ключевые слова: интеллектуальный анализ данных, поиск аномалий, управление полетом, техническая диагностика, телеметрическая информация.
Статья представлена к публикации членом редколлегии: В. М. Глумов

Поступила в редакцию: 04.12.2020
После доработки: 04.01.2021
Принята к публикации: 16.03.2021
Англоязычная версия:
Automation and Remote Control, 2021, Volume 82, Issue 8, Pages 1293–1320
DOI: https://doi.org/10.1134/S0005117921080014
Реферативные базы данных:
Тип публикации: Статья
Образец цитирования: П. А. Мухачёв, T. Р. Садретдинов, Д. А. Притыкин, А. Б. Иванов, С. В. Соловьев, “Современные методы машинного обучения для анализа технического состояния космических аппаратов по данным телеметрической информации”, Автомат. и телемех., 2021, № 8, 3–38; Autom. Remote Control, 82:8 (2021), 1293–1320
Цитирование в формате AMSBIB
\RBibitem{MukSadPri21}
\by П.~А.~Мухачёв, T.~Р.~Садретдинов, Д.~А.~Притыкин, А.~Б.~Иванов, С.~В.~Соловьев
\paper Современные методы машинного обучения для~анализа технического состояния космических аппаратов по данным телеметрической информации
\jour Автомат. и телемех.
\yr 2021
\issue 8
\pages 3--38
\mathnet{http://mi.mathnet.ru/at15768}
\crossref{https://doi.org/10.31857/S0005231021080018}
\elib{https://elibrary.ru/item.asp?id=47103902}
\transl
\jour Autom. Remote Control
\yr 2021
\vol 82
\issue 8
\pages 1293--1320
\crossref{https://doi.org/10.1134/S0005117921080014}
\isi{https://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcApp=Publons&SrcAuth=Publons_CEL&DestLinkType=FullRecord&DestApp=WOS_CPL&KeyUT=000700549500001}
\scopus{https://www.scopus.com/record/display.url?origin=inward&eid=2-s2.0-85115219434}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/at15768
  • https://www.mathnet.ru/rus/at/y2021/i8/p3
  • Эта публикация цитируется в следующих 2 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Автоматика и телемеханика
    Статистика просмотров:
    Страница аннотации:192
    PDF полного текста:9
    Список литературы:31
    Первая страница:28
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024