機械学習を用いたXRISM衛星搭載極低温検出器の異常検知アルゴリズムの開発

Material type: 文書・図像類

Author: 柏崎, 未有ほか

Publisher: 宇宙航空研究開発機構 (JAXA)

Publication date: 2024-02-27

Material Format: Digital

Capacity, size, etc.: -

NDC: -

View All

Notes on use

Note (General)：: 安全な衛星運用を実現するため、衛星テレメトリデータの異常を早期に検知することは極めて重要である。2023年9月7日（日本時間）に打ち上げられたXRISM衛星では、異常検知システムATMOS(Automatic Telemetry Monitor Software)が使用されている。しかしATMOS ...

Search by Bookstore

Holdings of Libraries in Japan

This page shows libraries in Japan other than the National Diet Library that hold the material.

List of Cooperating Institutions and Databases

Please contact your local library for information on how to use materials or whether it is possible to request materials from the holding libraries.

other

JAXA Repository
Digital
You can check the holdings of institutions and databases with which 学術機関リポジトリデータベース（IRDB）（機関リポジトリ） is linked at the site of 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）.
JAXA Repository

Search by Bookstore

Bibliographic Record

You can check the details of this material, its authority (keywords that refer to materials on the same subject, author's name, etc.), etc.

Digital

Material Type: 文書・図像類
Title: 機械学習を用いたXRISM衛星搭載極低温検出器の異常検知アルゴリズムの開発
Author/Editor: 柏崎, 未有
辻本, 匡弘
Author Heading: 柏崎, 未有
辻本, 匡弘
Publication, Distribution, etc.: 宇宙航空研究開発機構 (JAXA)
Publication Date: 2024-02-27
Publication Date (W3CDTF): 2024-02-27
Alternative Title: Development of the machine learning-based anomaly detection algorithms for the low-temperature detector onboard the XRISM satellite
Periodical title: 宇宙航空研究開発機構研究開発報告: 宇宙科学情報解析論文誌: 第13号
No. or year of volume/issue: JAXA-RR-23-007
Volume: JAXA-RR-23-007
Pages: 45-55
ISSN (Periodical Title): EISSN : 2433-2216
Text Language Code: jpn
Subject Heading: XRISM
Resolve
anomaly detection
machine learning
Target Audience: 一般
Note (General): 安全な衛星運用を実現するため、衛星テレメトリデータの異常を早期に検知することは極めて重要である。2023年9月7日（日本時間）に打ち上げられたXRISM衛星では、異常検知システムATMOS(Automatic Telemetry Monitor Software)が使用されている。しかしATMOS はテレメトリ時系列データの閾値判定を主とした汎用システムであり、データの特性に即した異常検知にはミッションごとの異常検知システムが相補的に必要である。本研究では、XRISM衛星に搭載されたミッション機器Resolveのデータに対する異常検知アルゴリズムの開発を行った。地上試験データを用いて機械学習的な手法を用い、Resolve装置のテレメトリデータに現れる二種の異常—検出器ノイズスペクトルに含まれる異常と、検出器の温度データに含まれる異常—の検知アルゴリズムの開発を通して、同手法の有用性を検証した。
Early detection of anomalies in spacecraft telemetry data is important for ensuring the safe operation of the spacecraft. The XRISM satellite, launched on September 6, 2023 (UTC), utilizes the Automatic Telemetry Monitor Software (ATMOS) for this purpose. However, ATMOS serves as a general system primarily designed for analyzing time-series telemetry data. Consequently, each mission necessitates dedicated complementary systems. In this article, we present the results of an anomaly detection algorithm applied to the Resolve instrument onboard XRISM. Our methodology entails a machine-learning approach utilizing actual data collected during ground testing. We assess the efficacy of this approach in detecting anomalies in the detector noise spectra and the coldstage temperature data.
形態: カラー図版あり
Physical characteristics: Original contains color illustrations
レポート番号: JAXA-RR-23-007
DOI: 10.20637/0002000299
Format (IMT): application/pdf
Source: https://jaxa.repo.nii.ac.jp/record/2000299/files/AA2330025005.pdf
https://jaxa.repo.nii.ac.jp/record/2000299/files/AA2330025005.pdf
Access Restrictions: インターネット公開
Data Provider (Database): 国立情報学研究所 : 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）
https://irdb.nii.ac.jp
Original Data Provider (Database): 宇宙航空研究開発機構 : 宇宙航空研究開発機構リポジトリ