库普曼频域异常检测网络

抗噪迁移强

用库普曼算子把时域非平稳信号搬到频域建模，从仿真到实物的迁移学习缓解了小样本问题。

Liu, Fu · 翟智 · Chen, Hui · 刘金鑫 · Sun, Ruobin · Ma, Meng

Aerospace Science and Technology 2026

技术优势

频域抗噪更强

把时域信号映射到频域，利用频域中噪声与信号的分离特性，降低非平稳噪声对特征提取的影响。

小样本也能训

先从仿真数据学习通用表示，再迁移到实际数据，克服液体火箭发动机实际样本稀少的训练瓶颈。

应用场景

• 液体火箭发动机故障诊断：可直接部署于试车与飞行遥测数据，在线识别早期故障征兆。
• 复杂系统异常监测：频域建模对非平稳噪声鲁棒，适用于强噪声环境下的复杂系统监控。
• 时序异常检测：用库普曼算子将时序数据线性化，降低非线性异常检测难度。
• 装备健康管理：仿真到实物的迁移学习弥补了实际运行数据不足，支撑装备全生命周期健康管理。