CN102735261A - 基于相关性模型的红外地球敏感器故障可诊断性确定方法 - Google Patents
基于相关性模型的红外地球敏感器故障可诊断性确定方法 Download PDFInfo
- Publication number
- CN102735261A CN102735261A CN2012102088906A CN201210208890A CN102735261A CN 102735261 A CN102735261 A CN 102735261A CN 2012102088906 A CN2012102088906 A CN 2012102088906A CN 201210208890 A CN201210208890 A CN 201210208890A CN 102735261 A CN102735261 A CN 102735261A
- Authority
- CN
- China
- Prior art keywords
- fault
- earth sensor
- infrared earth
- test
- fault mode
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开了基于相关性模型的红外地球敏感器故障可诊断性确定方法,步骤包括:(1)建立红外地球敏感器各功能模块的关联关系图;(2)确定红外地球敏感器故障模式集合;(3)在各功能模块关联关系图的基础上,得到红外地球敏感器的多信号流图,基于多信号流图建立红外地球敏感器的故障与测试关联矩阵;(4)提出红外地球敏感器故障可检测性和可分离性分析条件,并得到故障可诊断性分析结果;(5)利用可诊断性度量计算方法得到红外地球敏感器故障模式的故障可检测度和可分离度以及部件的故障可检测度和可分离度。本发明实现了对红外地球敏感器故障模式的可检测性、可分离性判别,并对红外地球敏感器故障的可诊断性进行度量。
Description
技术领域
本发明涉及一种基于相关性模型的红外地球敏感器故障可诊断性确定方法,属航空航天领域。
背景技术
红外地球敏感器,作为卫星控制系统的一种敏感器,主要借助于光学手段获取卫星相对于地球的姿态信息,经处理输出承载此信息的信号,它是卫星捕获地球以及对地定向的必要手段。红外地球敏感器输出信号是卫星控制器的输入,当地球敏感器发生故障时,由于控制器的存在将导致整个系统出现异常,因此针对地球敏感器开展故障诊断研究具有重要意义。
针对红外地球敏感器,目前过于关注故障诊断方法的研究,而忽略了对故障诊断所用信息的有效性分析。而且,目前尚未提供成熟的方法用于从故障诊断的角度衡量现有的测点是否足够,并且缺乏一系列定量的故障可诊断性度量指标,因此本发明基于红外地球敏感器的功能模块关联关系图,提出一种基于相关性模型的故障可诊断性分析方法,用于协助设计人员分析故障诊断所用信息是否充分,是否能够涵盖考虑的所有故障模式,进而为测点优化配置与故障诊断方法研究提供依据。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提供一种基于相关性模型的红外地球敏感器故障可诊断性确定方法,实现了对红外地球敏感器故障模式的可检测性、可分离性判别,并对红外地球敏感器故障的可诊断性进行度量。
本发明的技术解决方案是:1、一种基于相关性模型的红外地球敏感器故障可诊断性确定方法,步骤如下:
(1)首先对红外地球敏感器的功能模块进行划分,并根据功能模块的输入与输出连接关系、测点的配置和测试内容,建立红外地球敏感器各功能模块的关联关系图;
(2)针对红外地球敏感器在轨和测试阶段发生的故障,对红外地球敏感器进行故障模式影响分析,确定红外地球敏感器故障模式集合F={F1,F2,…Fm},m为故障模式个数;
(3)在步骤(1)建立的各功能模块关联关系图的基础上,标识出各功能模块故障的影响关系,得到红外地球敏感器的多信号流图,基于多信号流图建立红外地球敏感器的故障与测试关联矩阵,将多信息流图和关联矩阵统称为相关性模型;
(4)基于步骤(3)得到的相关性模型,给出红外地球敏感器各种故障对应的可检测性和可分离性条件,通过可检测性和可分离性条件得到红外地球敏感器故障可诊断性分析结果;
(5)利用可诊断性度量计算方法对步骤(4)得到的故障可诊断性分析结果进行计算,得到红外地球敏感器故障模式的故障可检测度和可分离度以及部件的故障可检测度和可分离度。
所述步骤(3)中基于多信号流图建立红外地球敏感器的故障与测试关联矩阵的方法为:
(1)定义故障与测试关联矩阵:
其中,行向量为功能模块对应的故障模式,m为故障模式个数,列向量为测试内容,n为测试内容个数,矩阵元素初始值均为0;
(2)遍历多信号流图,生成相应的故障列表和测试列表;
(3)根据故障列表和测试列表建立故障与测试关联矩阵,具体过程为:从故障模式Fi所在功能模块出发,沿输出方向按广度优先搜索遍历多信号流图,凡是能够到达的测试点,即为该故障模式的可达测试点,其它测试点为不可达测试点,当故障模式与测试均可达时则矩阵元素dij为1,否则为0,i∈(1,m),j∈(1,n)。
所述步骤(4)中红外地球敏感器各种故障对应的可检测性和可分离性条件为:
可检测性条件:在故障与测试关联矩阵Dm×n中,若故障模式Fi对应行的所有元素都为0,则称此故障模式为不可检测,即若故障模式Fi对应行中至少有一个元素不为0,则称此故障模式为可检测,即 i∈(1,m);
所述步骤(5)中故障模式的可检测度fd,i的计算公式为: i∈(1,m);
其中:λi为根据故障Fi确定的加权系数,m为故障模式个数。
所述步骤(5)中红外地球敏感器故障模式的可分离度γi的计算公式为:
其中:λi为根据故障Fi确定的加权系数,m为故障模式个数。
本发明与现有技术相比的有益效果是:
(1)目前在对红外地球敏感器进行设计时无法对其故障诊断能力进行定量分析,难以为红外地球敏感器的可诊断性设计提供指导。本发明给出了故障可检测性和可分离性判断条件,并采用可检测度、可分离度获得红外地球敏感器的定量评价。当上述定量指标低于设计指标时,可根据本发明得到的不可检测故障模式和不可分离故障集合增加测点,从而为红外地球敏感器的可诊断性设计提供依据。
(2)本发明建立的多信号流图完整描述了红外地球敏感器的特性,包括各功能模块之间的输入与输出关系,以及故障在各功能模块中的传播关系和对各测点的影响关系。
(3)本发明提出的基于相关性模型的红外地球敏感器故障可诊断性分析方法,考虑的因素更为全面,分析的层次更为深入,为工作人员评价目前配置情况下各故障是否具有可诊断性提供方法依据。
(4)本发明建立的红外地球敏感器相关性模型为定性模型,具有易于构建、计算简单的优点,适用于工程设计。
附图说明
图1为本发明方法的流程框图;
图2为红外地球敏感器功能模块的关联关系图;
图3为红外地球敏感器的多信号流图。
具体实施方式
如图1所示,本发明的步骤为:
(1)首先对红外地球敏感器的功能模块进行划分,并根据功能模块的输入与输出连接关系、测点的配置和测试内容,建立红外地球敏感器各功能模块的关联关系图;
(2)针对红外地球敏感器在轨和测试阶段发生的故障,对红外地球敏感器进行故障模式影响分析,确定红外地球敏感器故障模式集合F={F1,F2,…Fm},m为故障模式个数;
(3)在步骤(1)建立的各功能模块关联关系图的基础上,标识出各功能模块故障的影响关系,得到红外地球敏感器的多信号流图,基于多信号流图建立红外地球敏感器的故障与测试关联矩阵,将多信息流图和关联矩阵统称为相关性模型;
(4)基于步骤(3)得到的相关性模型,给出红外地球敏感器各种故障对应的可检测性和可分离性条件,通过可检测性和可分离性条件得到红外地球敏感器故障可诊断性分析结果;
(5)利用可诊断性度量计算方法对步骤(4)得到的故障可诊断性分析结果进行计算,得到红外地球敏感器故障模式的故障可检测度和可分离度以及部件的故障可检测度和可分离度。
下面给出上述步骤地具体实施方式:
步骤(1)的具体实施方式:
红外地球敏感器是一种相对于地球中心测量俯仰和滚动角的姿态敏感器,对卫星准确进入轨道和保持姿态起重要作用,其功能模块可划分为复合视场地球探头、四路模拟通道、扫描轴系统及驱动电路、扫描角读出装置、俯仰和滚动逻辑计算单元、命令和数据接口电路和二次电源,各功能模块作用如表1所示。
红外地球敏感器光学系统包括4束铅笔型射束组成的复合视场,在正常情况下,随着扫描轴系的摆动,这些射束沿南北纬45°的扫描路径对地平进行扫描,扫描路径包括空间段和地平段。四路地球信号经过四路模拟通道分别处理后产生空/地、地/空穿越信号,然后与内部扫描基准进行相位比较,得到的信息经逻辑电路处理后得到俯仰与滚动姿态信息。
根据各功能模块的输入与输出连接关系、各测点的配置情况以及如表2所示的各种测试内容,得到图2所示的红外地球敏感器功能模块的关联关系图。
表1红外地球敏感器功能模块
表2红外地球敏感器测试
步骤(2)的具体实施方式:
通过对红外地球敏感器进行故障模式影响分析(FMEA,Failure Modeand Effect Analysis),得到在轨和测试阶段发生的典型故障模式集合为F={F1,F2,…},如表3所示。航天领域对故障严酷度和发生概率的等级定义分别如表4和表5所示。
表3红外地球敏感器主要故障模式
表4严酷度等级定义表
表5故障发生概率分级定义
步骤(3)的具体实施方式:
步骤三主要建立相关性模型,包括多信号流图的建立和故障-测试关联矩阵的获得,多信号流图和关联矩阵统称为相关性模型。
在步骤(1)功能模块关联关系图的基础上,标识出各功能模块故障的影响关系,得到红外地球敏感器的多信号流图,如图3所示。
基于多信号流图建立红外地球敏感器的故障与测试关联矩阵的方法为:
(1)定义故障与测试关联矩阵:
其中,行向量为功能模块对应的故障模式,m为故障模式个数,列向量为测试内容,n为测试内容个数,矩阵元素初始值均为0;
(2)遍历多信号流图,生成相应的故障列表和测试列表;
(3)根据故障列表和测试列表建立故障与测试关联矩阵,具体过程为:从故障模式Fi所在功能模块出发,沿输出方向按广度优先搜索遍历多信号流图,凡是能够到达的测试点,即为该故障模式的可达测试点,其它测试点为不可达测试点,当故障模式与测试均可达时则矩阵元素dij为1,否则为0,i∈(1,m),j∈(1,n)。
基于表2所示的各种测试以及红外地球敏感器的多信号流图,建立故障与测试之间的关联矩阵Dm×n,如表6所示,它是进行故障可诊断性分析的基础。
表6故障与测试关联矩阵Dm×n
t1 | t2 | t3 | t4 | t5 | t6 | t7 | t8 | t9 | t10 | t11 | t12 | t13 | t14 | |
F1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 |
F2 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 |
F3 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 1 | 0 |
F4 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 |
F5 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 |
F6 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 1 | 0 |
F7 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 |
F8 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 1 | 0 |
F9 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 |
F10 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 1 | 0 |
F11 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 |
F12 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 1 |
F13 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 |
F14 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 |
F15 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 |
F16 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 |
步骤(4)的实施方式:
基于故障与测试关联矩阵Dm×n,给出各种故障可诊断性分析条件。
红外地球敏感器各种故障对应的可检测性和可分离性条件为:
可检测性条件:在故障与测试关联矩阵Dm×n中,若故障模式Fi对应行的所有元素都为0,则称此故障模式为不可检测,即若故障模式Fi对应行中至少有一个元素不为0,则称此故障模式为可检测,即 i∈(1,m);
表7红外地球敏感器故障可检测性分析结果
通过判断关联矩阵Dm×n中不同故障对应行中所有元素是否完全相同,给出各种故障的可分离性分析结果,如表8所示。
表8红外地球敏感器故障可分离性分析结果
步骤(5)的具体实施方式:
为了衡量不同部件或系统故障可诊断性性能的优劣,本发明提出各种定量指标并给出相应的计算公式。
红外地球敏感器故障模式的可检测度fd,i的计算公式为: i∈(1,m);
其中:λi为根据故障Fi确定的加权系数,m为故障模式个数。
红外地球敏感器故障模式的可分离度γi的计算公式为:
部件的故障可分离度FIR的计算公式为:
其中:λi为根据故障Fi确定的加权系数,m为故障模式个数。
基于表7-表8所示的故障可诊断性分析结果,根据给出的故障可诊断性度量的计算方法,得到故障模式和部件的各种度量如表9-表10所示(假定每种故障的加权系数为1)。
表9红外地球敏感器故障可诊断性度量
故障模式 | 可检测度 | 可分离度 | 故障模式 | 可检测度 | 可分离度 |
F1 | 1 | 1 | F9 | 1 | 1\4 |
F2 | 1 | 1 | F10 | 1 | 1\4 |
F3 | 1 | 1\4 | F11 | 1 | 1\2 |
F4 | 1 | 1\4 | F12 | 1 | 1 |
F5 | 1 | 1\4 | F13 | 1 | 1\2 |
F6 | 1 | 1\4 | F14 | 1 | 1 |
F7 | 1 | 1\4 | F15 | 1 | 1\2 |
F8 | 1 | 1\4 | F16 | 1 | 1\2 |
表10红外地球敏感器可诊断性度量
故障可检测度 | 100% |
故障可分离度 | 50% |
根据红外地球敏感器的可诊断性度量可知,在现有测点配置情况下,故障可分离度较低,有必要在现有测点的基础上,增加测点,用于提高红外地球敏感器的故障可诊断性度量指标。
使故障具有可分离性的测点配置过程为:
①分别针对不具有可分离性的故障集合,根据红外地球敏感器的多信号流图,建立故障与故障相关功能模块所有状态信息的关联矩阵(建立过程参考步骤三中故障与测试关联矩阵的构建方法)。
②对于建立的故障-状态关联矩阵,若存在状态si,其对应列中只有一个非零元素,则将此状态si加入最优测点集中,同时删除非零元素对应的行,对于剩余子表重复步骤②。若不存在,则转到步骤③。
③计算每个状态信息的故障分离权值WFI。计算公式如下所示:
其中,Z是根据矩阵分割思路(后续给出详细内容)得到的子矩阵个数,为第k个子矩阵内状态j所对应元素dij=1的个数,为第k个子矩阵内状态j所对应元素dij=0的个数,且(m为不可分离故障个数)。选取WFIj最大的状态si,并将其加入最优测点集中,同时针对所选状态sj,依次将Z个子矩阵作为当前矩阵,根据矩阵分割方法对当前矩阵进行分割。对分割得到的各子矩阵重复步骤①-③,直到各子矩阵是0为止。
根据选择的状态si,对当前矩阵D*进行分割的思路是:对当前矩阵D*进行初等变换,u为当前矩阵D*的行:对状态sj对应的列向量中dij进行筛选,i=1,2,…,u,将dij=1的行前移,使得当i=1,2,…,时,dij=1;当时,dij=0,其中为sj所对应元素dij=1的个数,j=1,2,…,n;
当前矩阵D*的初值为故障与状态信息相关矩阵Dm×n。
对于红外地球敏感器不可分离的故障集合{F4,F5,F7,F9},基于图3所示的多信号流图,建立故障与状态关联矩阵如表11所示。
表11红外地球敏感器故障-状态关联矩阵
根据测点配置的步骤可知,使{F4,F5,F7,F9}具有可分离性需要增加的测点是{四路探测器电平输出信号,四路S/E及E/S信号,光栅转动角脉冲原始输出,基准脉冲}或{四路探测器电平输出信号,四路S/E及E/S信号,光栅摆动速度信号,基准脉冲}或{四路探测器电平输出信号,四路S/E及E/S信号,处理后轮动脉冲输出,基准脉冲}。
采用相同步骤得到,使{F3,F6,F8,F10}具有可分离性需要增加的测点是{四路探测器电平输出信号,四路S/E及E/S信号,光栅转动角脉冲原始输出,基准脉冲}或{四路探测器电平输出信号,四路S/E及E/S信号,光栅摆动速度信号,基准脉冲}或{四路探测器电平输出信号,四路S/E及E/S信号,处理后轮动脉冲输出,基准脉冲}。
采用相同步骤得到,使{F11,F15}具有可分离性需要增加的测点是{滚动和俯仰逻辑处理单元的遥测数据输出}。
采用相同步骤得到,使{F13,F16}具有可分离性需要增加的测点是{滚动和俯仰逻辑处理单元的EP状态位输出}。
通过上述分析,我们得出如下结论:
①在目前的红外地球敏感器配置下,存在不可分离的故障集合为{F4,F5,F7,F9},{F3,F6,F8,F10},{F11,F15}和{F13,F16}。红外地球敏感器的故障可检测度是100%,故障可分离度为50%。
②若要使F={F1,F2,…,F16}都具有可分离性,则需要增加测点,增加的测点是{四路探测器电平输出信号,四路S/E及E/S信号,光栅转动角脉冲原始输出,基准脉冲,滚动和俯仰逻辑处理单元的32位遥测数据输出和EP状态位输出}。
本发明未详细描述内容为本领域技术人员公知技术。
Claims (5)
1.基于相关性模型的红外地球敏感器故障可诊断性确定方法,其特征在于步骤如下:
(1)首先对红外地球敏感器的功能模块进行划分,并根据功能模块的输入与输出连接关系、测点的配置和测试内容,建立红外地球敏感器各功能模块的关联关系图;
(2)针对红外地球敏感器在轨和测试阶段发生的故障,对红外地球敏感器进行故障模式影响分析,确定红外地球敏感器故障模式集合F={F1,F2,…Fm},m为故障模式个数;
(3)在步骤(1)建立的各功能模块关联关系图的基础上,标识出各功能模块故障的影响关系,得到红外地球敏感器的多信号流图,基于多信号流图建立红外地球敏感器的故障与测试关联矩阵,将多信息流图和关联矩阵统称为相关性模型;
(4)基于步骤(3)得到的相关性模型,给出红外地球敏感器各种故障对应的可检测性和可分离性条件,通过可检测性和可分离性条件得到红外地球敏感器故障可诊断性分析结果;
(5)利用可诊断性度量计算方法对步骤(4)得到的故障可诊断性分析结果进行计算,得到红外地球敏感器故障模式的故障可检测度和可分离度以及部件的故障可检测度和可分离度。
2.根据权利要求1所述的基于相关性模型的红外地球敏感器故障可诊断性确定方法,其特征在于:所述步骤(3)中基于多信号流图建立红外地球敏感器的故障与测试关联矩阵的方法为:
(1)定义故障与测试关联矩阵:
其中,行向量为功能模块对应的故障模式,m为故障模式个数,列向量为测试内容,n为测试内容个数,矩阵元素初始值均为0;
(2)遍历多信号流图,生成相应的故障列表和测试列表;
(3)根据故障列表和测试列表建立故障与测试关联矩阵,具体过程为:从故障模式Fi所在功能模块出发,沿输出方向按广度优先搜索遍历多信号流图,凡是能够到达的测试点,即为该故障模式的可达测试点,其它测试点为不可达测试点,当故障模式与测试均可达时则矩阵元素dij为1,否则为0,i∈(1,m),j∈(1,n)。
3.根据权利要求2所述的基于相关性模型的红外地球敏感器故障可诊断性确定方法,其特征在于:所述步骤(4)中红外地球敏感器各种故障对应的可检测性和可分离性条件为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210208890.6A CN102735261B (zh) | 2012-06-18 | 2012-06-18 | 基于相关性模型的红外地球敏感器故障可诊断性确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210208890.6A CN102735261B (zh) | 2012-06-18 | 2012-06-18 | 基于相关性模型的红外地球敏感器故障可诊断性确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102735261A true CN102735261A (zh) | 2012-10-17 |
CN102735261B CN102735261B (zh) | 2015-08-19 |
Family
ID=46991183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210208890.6A Active CN102735261B (zh) | 2012-06-18 | 2012-06-18 | 基于相关性模型的红外地球敏感器故障可诊断性确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102735261B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102927987A (zh) * | 2012-10-24 | 2013-02-13 | 北京控制工程研究所 | 一种地球敏感器探头在轨故障情况下的处理方法 |
CN103017789A (zh) * | 2012-11-30 | 2013-04-03 | 北京控制工程研究所 | 一种摆动式红外地球敏感器的故障模拟方法 |
CN105094829A (zh) * | 2015-07-29 | 2015-11-25 | 北京空间飞行器总体设计部 | 一种自动生成卫星测控信息流图的方法 |
CN107014398A (zh) * | 2017-04-13 | 2017-08-04 | 北京奥博太空科技有限公司 | 卫星模拟太阳敏感器故障检测方法及装置 |
CN107608333A (zh) * | 2017-09-05 | 2018-01-19 | 北京控制工程研究所 | 一种基于等效降阶的可诊断性评估方法 |
CN109506676A (zh) * | 2018-11-16 | 2019-03-22 | 中国西安卫星测控中心 | 基于回归建模的地球敏感器故障诊断方法 |
CN110132142A (zh) * | 2019-06-14 | 2019-08-16 | 济南大学 | 一种应用于钢卷运输过程发生位移的在线自动检测装置 |
CN111473799A (zh) * | 2020-03-24 | 2020-07-31 | 中国空间技术研究院 | 一种卫星天体敏感器故障诊断与恢复功能的测试方法及装置 |
CN113112123A (zh) * | 2021-03-22 | 2021-07-13 | 西北工业大学 | 一种基于关联矩阵的飞机航电系统故障诊断评估方法 |
-
2012
- 2012-06-18 CN CN201210208890.6A patent/CN102735261B/zh active Active
Non-Patent Citations (2)
Title |
---|
刘文静等: "《基于可诊断性约束的测点优化配置研究》", 《空间控制技术与应用》 * |
江耿丰等: "《利用奉献观测器诊断红外地球敏感器故障的新方法》", 《航天控制》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102927987B (zh) * | 2012-10-24 | 2015-07-08 | 北京控制工程研究所 | 一种地球敏感器探头在轨故障情况下的处理方法 |
CN102927987A (zh) * | 2012-10-24 | 2013-02-13 | 北京控制工程研究所 | 一种地球敏感器探头在轨故障情况下的处理方法 |
CN103017789A (zh) * | 2012-11-30 | 2013-04-03 | 北京控制工程研究所 | 一种摆动式红外地球敏感器的故障模拟方法 |
CN103017789B (zh) * | 2012-11-30 | 2015-05-27 | 北京控制工程研究所 | 一种摆动式红外地球敏感器的故障模拟方法 |
CN105094829A (zh) * | 2015-07-29 | 2015-11-25 | 北京空间飞行器总体设计部 | 一种自动生成卫星测控信息流图的方法 |
CN105094829B (zh) * | 2015-07-29 | 2018-03-20 | 北京空间飞行器总体设计部 | 一种自动生成卫星测控信息流图的方法 |
CN107014398B (zh) * | 2017-04-13 | 2020-01-14 | 北京国电高科科技有限公司 | 卫星模拟太阳敏感器故障检测方法及装置 |
CN107014398A (zh) * | 2017-04-13 | 2017-08-04 | 北京奥博太空科技有限公司 | 卫星模拟太阳敏感器故障检测方法及装置 |
CN107608333A (zh) * | 2017-09-05 | 2018-01-19 | 北京控制工程研究所 | 一种基于等效降阶的可诊断性评估方法 |
CN107608333B (zh) * | 2017-09-05 | 2019-06-18 | 北京控制工程研究所 | 一种基于等效降阶的可诊断性评估方法 |
CN109506676A (zh) * | 2018-11-16 | 2019-03-22 | 中国西安卫星测控中心 | 基于回归建模的地球敏感器故障诊断方法 |
CN110132142A (zh) * | 2019-06-14 | 2019-08-16 | 济南大学 | 一种应用于钢卷运输过程发生位移的在线自动检测装置 |
CN111473799A (zh) * | 2020-03-24 | 2020-07-31 | 中国空间技术研究院 | 一种卫星天体敏感器故障诊断与恢复功能的测试方法及装置 |
CN111473799B (zh) * | 2020-03-24 | 2022-04-08 | 中国空间技术研究院 | 一种卫星天体敏感器故障诊断与恢复功能的测试方法及装置 |
CN113112123A (zh) * | 2021-03-22 | 2021-07-13 | 西北工业大学 | 一种基于关联矩阵的飞机航电系统故障诊断评估方法 |
CN113112123B (zh) * | 2021-03-22 | 2023-07-18 | 西北工业大学 | 一种基于关联矩阵的飞机航电系统故障诊断评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102735261B (zh) | 2015-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102735261B (zh) | 基于相关性模型的红外地球敏感器故障可诊断性确定方法 | |
CN110161543B (zh) | 一种基于卡方检验的部分粗差抗差自适应滤波方法 | |
CN102928511B (zh) | 一种基于rapid层析的机械结构损伤无损识别方法 | |
CN103760231B (zh) | 基于决策树的焊接缺陷巨磁电阻涡流检测方法及检测装置 | |
CN102818948B (zh) | 基于模糊故障诊断和相关性模型诊断的合成诊断方法 | |
CN102426334B (zh) | 一种放大电路的贮存性能表征参数确定方法 | |
CN102722471B (zh) | 一种基于综合相关性矩阵的模糊关系矩阵生成方法 | |
CN106228176A (zh) | 一种基于工况数据检测设备状态的方法和系统 | |
CN109543743B (zh) | 一种基于重建预测残差的制冷机组多传感器故障诊断方法 | |
CN110443117B (zh) | 一种风电机组故障诊断方法 | |
CN105786678A (zh) | 一种基于相关性模型的测试性预计方法 | |
CN102930081B (zh) | 一种基于相关性模型的机内测试设计方法 | |
CN103927259A (zh) | 一种基于测试性建模数据的故障检测与隔离综合方法 | |
CN102735238B (zh) | 一种基于相关性模型的红外地球敏感器测点优化配置方法 | |
CN105277826A (zh) | 阵列天线故障诊断系统 | |
CN106600452A (zh) | 基于时间分析矩阵及聚类分析的配电网行波故障定位方法 | |
CN104764804A (zh) | 超声Lamb波局部循环扫描概率重构层析成像方法 | |
CN102735435B (zh) | 一种基于相关性模型的动量轮故障可诊断性确定方法 | |
Liu et al. | Validation of strain gauges for structural health monitoring with Bayesian belief networks | |
CN104265577A (zh) | 一种基于压缩感知的风力发电机组异常检测方法 | |
CN106021671B (zh) | 结合相关性关系和灰色聚类技术的电路健康分级评估方法 | |
CN104331602A (zh) | 基于马尔科夫链的gnss完好性检测率估计方法 | |
CN103699121B (zh) | 一种基于解析冗余关系的卫星控制系统敏感器可诊断性确定方法 | |
CN111046331A (zh) | 一种基于信号异常的健康监控方法 | |
CN103501257B (zh) | 一种ip网络故障探针的选择方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |