CN102735435B - 一种基于相关性模型的动量轮故障可诊断性确定方法 - Google Patents
一种基于相关性模型的动量轮故障可诊断性确定方法 Download PDFInfo
- Publication number
- CN102735435B CN102735435B CN201210205770.0A CN201210205770A CN102735435B CN 102735435 B CN102735435 B CN 102735435B CN 201210205770 A CN201210205770 A CN 201210205770A CN 102735435 B CN102735435 B CN 102735435B
- Authority
- CN
- China
- Prior art keywords
- fault
- fault mode
- test
- momenttum wheel
- degree
- 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.)
- Active
Links
Landscapes
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明公开了一种基于相关性模型的动量轮故障可诊断性确定方法,步骤如下:首先建立动量轮各功能模块的关联关系图;确定动量轮故障模式集合;得到动量轮的多信号流图并基于多信号流图建立动量轮的故障与测试关联矩阵;基于相关性模型,给出动量轮各种故障对应的可检测性和可分离性条件;最后利用可诊断性度量计算方法得到动量轮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。本发明实现了对动量轮故障模式的可检测性、可分离性判别,并对动量轮的可诊断性进行度量。
Description
技术领域
本发明涉及一种动量轮可诊断性确定方法,尤其涉及一种基于相关性模型的动量轮可诊断性确定方法,属于航空航天领域。
背景技术
动量轮作为航天器的惯性执行机构,不仅能够精确、连续地输出力矩,而且不消耗燃料,不污染光学设备和飞行环境,不易激发星上柔性附件的振动,因此它是长寿命卫星的首选部件。同时,提高动量轮的故障应对能力也是保证航天器安全、可靠运行的重要因素。
动量轮用于故障诊断的信息主要有轴温、电机电流、速度方向、速度信号和电源开关状态,但目前尚缺乏一种成熟的理论和方法用于协助设计人员分析这些测点是否足够,是否能够体现考虑的所有故障模式,进而实现准确的故障定位。同时,也缺乏一种定量的故障可诊断性度量指标用于衡量动量轮的故障诊断性能,因此本发明基于动量轮的关联关系图,提出了一种基于相关性模型的故障可诊断性确定方法,实现对功能模块故障模式的可检测性、可分离性判别,并给出动量轮可诊断性度量的计算方法。
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动量轮可诊断性确定方法,实现了对动量轮故障模式的可检测性、可分离性判别,并对动量轮的可诊断性进行度量。
本发明的技术解决方案是:一种基于相关性模型的动量轮可诊断性确定方法,具体步骤如下:
(1)首先对动量轮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,建立动量轮各功能模块的关联关系图;
(2)针对动量轮在轨和测试阶段发生的故障,对动量轮进行故障模式影响分析,确定动量轮故障模式集合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,得到动量轮的多信号流图,基于多信号流图建立动量轮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,给出动量轮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动量轮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(2)中基于多信号流图建立动量轮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)。
所述动量轮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);
可分离性条件:对于故障模式集合F'={f1,f2,…,fk},k<m,若集合中任意两个故障模式对应行的所有元素完全相同,则称故障模式集合F'中所有故障不具有可分离性,即:
其中表示逻辑异或运算;若集合中任意两个故障模式对应行中至少存在一个元素不相同,则称故障集合F'中所有故障具有可分离性,即:
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);
部件的故障可检测度FDR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。
所述步骤(5)中动量轮故障模式的可分离度γi的计算公式为: 其中|Fm|表示Fm中的故障个数,i∈(1,m);
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。
本发明与现有技术相比的有益效果是:
(1)目前在对动量轮进行设计时无法对其故障诊断能力进行定量分析,难以为动量轮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、可分离度获得动量轮的定量评价,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,从而为动量轮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动量轮的特性,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动量轮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)本发明建立的动量轮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为动量轮功能模块的关联关系图;
图3为动量轮的多信号流图。
具体实施方式
图1为本发明方法的流程框图。本发明的步骤为:
(1)首先对动量轮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,建立动量轮各功能模块的关联关系图;
(2)针对动量轮在轨和测试阶段发生的故障,对动量轮进行故障模式影响分析,确定动量轮故障模式集合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,得到动量轮的多信号流图,基于多信号流图建立动量轮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,给出动量轮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动量轮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。
步骤(1)的具体实施方式:
动量轮是一个相对独立的机电执行部件,其核心是一个高速旋转的轮体,通过对转速大小的改变对星体产生控制作用,其功能模块主要分为壳体组件、轮体组件、轴承组件、电机组件和电路构成,各功能模块作用如表1所示。分析各功能模块之间的关系,可得图2所示的动量轮功能模块关联关系图。
表1动量轮功能模块
步骤(2)的具体实施方式:
通过对动量轮进行故障模式影响分析(FMEA,Failure Mode and EffectAnalysis),得到在轨与测试阶段发生的典型故障模式集合为F={F1,F2,…},如表2所示。其中动量轮故障严酷度和发生概率等级根据航天领域对严酷度和故障发生概率的等级划分确定。航天领域对故障严酷度和发生概率的等级定义分别如表3和表4所示。
表2动量轮故障模式影响分析
表3严酷度等级定义表
表4故障发生概率分级定义
步骤(3)的实施方式:
步骤(3)主要建立相关性模型,包括多信号流图的建立和故障与测试关联矩阵的获得。
考虑动量轮各功能模块之间的关系和故障模式,设计各种故测试(如表5所示),利用多信号流图的相关知识,建立用于故障可诊断性分析的动量轮多信号流图(如图3所示),并将各种故障与测试在图中进行标识。
表5动量轮测试
故障-测试关联矩阵为故障模式与测试相关性的数学表示,它是进行故障可诊断性分析的基础。
(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3所示的各种测试以及动量轮的多信号流图,考虑各种故障模式对应的故障征兆,建立动量轮故障与测试关联矩阵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
故障 | t1 | t2 | t3 | t4 | t5 | t6 | t7 | t8 | t9 |
fb,1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 |
fb,2 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 |
fb,3 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 |
fm,1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 |
fm,2 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 |
fc,1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 |
fc,2 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 |
fd,1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 |
fd,2 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 |
fi,1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 |
步骤(4)的具体实施方式:
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。
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);
可分离性条件:对于故障模式集合F'={f1,f2,…,fk},k<m,若集合中任意两个故障模式对应行的所有元素完全相同,则称故障模式集合F'中所有故障不具有可分离性,即:
其中表示逻辑异或运算;若集合中任意两个故障模式对应行中至少存在一个元素不相同,则称故障集合F'中所有故障具有可分离性,即:
利用上述的故障可检测性和可分离性分析条件,对动量轮的故障可诊断性进行分析。
①故障可检测性分析
通过判断关联矩阵Dm×n中故障所在行的所有元素是否为0,给出各种故障的可检测性分析结果,如表7所示,从中可以看出,考虑的所有故障都具有可检测性(表示空集)。
表7动量轮故障可检测性分析结果
②故障可分离性分析
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,从中可以看出,故障fb,1和fb,2以及fd,1和fd,2不具有故障可分离性。
表8动量轮故障可分离性分析结果
可分离的故障集合EI | {fb,3,fm,1,fm,2,fc,1,fc,2,fi,1} |
不可分离的故障集合UI | {fb,1,fb,2},{fd,1,fd,2} |
(5)步骤五的实施方式:
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。
故障模式的可检测度fd,i的计算公式为: i∈(1,m);
部件的故障可检测度FDR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。
动量轮故障模式的可分离度γi的计算公式为: 其中|Fm|表示Fm中的故障个数,i∈(1,m);
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。
基于故障可诊断性分析结果,根据给出的故障可诊断性度量指标的计算方法,得到故障模式和部件的各种度量指标如表9-表10所示(假定每种故障的加权系数为1)。
表9动量轮故障模式可诊断性度量指标
故障 | 可检测度 | 可分离度 | 故障 | 可检测度 | 可分离度 |
fb,1 | 1 | 1/2 | fc,1 | 1 | 1 |
fb,2 | 1 | 1/2 | fc,2 | 1 | 1 |
fb,3 | 1 | 1 | fd,1 | 1 | 1/2 |
fm,1 | 1 | 1 | fd,2 | 1 | 1/2 |
fm,2 | 1 | 1 | fi,1 | 1 | 1 |
表10动量轮可诊断性度量指标
故障可检测度 | 100% |
故障可分离度 | 80% |
本发明主要针对现有的测点配置情况,判断考虑的各种故障是否具有可检测性和可分离性。若故障具有可检测性和可分离性,则可直接开展故障诊断方法的研究,当其不具有时,则需要添加测点使故障具有可检测性和可分离性,才能进行故障诊断方法的研究。同时,本发明还给出了部件故障可检测度和可分离度的计算方法,便于将可检测度和可分离度做为部件设计指标,用于衡量部件是否满足设计需求。
本发明未详细描述内容为本领域技术人员公知技术。
Claims (2)
1.一种基于相关性模型的动量轮故障可诊断性确定方法,其特征在于步骤如下:
(1)首先对动量轮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,建立动量轮各功能模块的关联关系图;
(2)针对动量轮在轨和测试阶段发生的故障,对动量轮进行故障模式影响分析,确定动量轮故障模式集合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,得到动量轮的多信号流图,基于多信号流图建立动量轮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,给出动量轮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动量轮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(2)中基于多信号流图建立动量轮的故障与测试关联矩阵的方法为:
(a)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;
(b)遍历多信号流图,生成相应的故障列表和测试列表;
(c)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)中动量轮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
可分离性条件:对于故障模式集合F′={f1,f2,…,fk},k<m,若集合中任意两个故障模式对应行的所有元素完全相同,则称故障模式集合F′中所有故障不具有可分离性,即:
其中表示逻辑异或运算;若集合中任意两个故障模式对应行中至少存在一个元素不相同,则称故障集合F′中所有故障具有可分离性,即:
所述步骤(5)中故障模式的可分离度γi的计算公式为: 其中|Fm|表示Fm中的故障个数,i∈(1,m);
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。
2.根据权利要求1所述的一种基于相关性模型的动量轮故障可诊断性确定方法,其特征在于:所述步骤(5)中故障模式的可检测度fd,i的计算公式为:
部件的故障可检测度FDR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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210205770.0A CN102735435B (zh) | 2012-06-18 | 2012-06-18 | 一种基于相关性模型的动量轮故障可诊断性确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210205770.0A CN102735435B (zh) | 2012-06-18 | 2012-06-18 | 一种基于相关性模型的动量轮故障可诊断性确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102735435A CN102735435A (zh) | 2012-10-17 |
CN102735435B true CN102735435B (zh) | 2014-12-17 |
Family
ID=46991335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210205770.0A Active CN102735435B (zh) | 2012-06-18 | 2012-06-18 | 一种基于相关性模型的动量轮故障可诊断性确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102735435B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105300675B (zh) * | 2015-10-14 | 2018-05-29 | 哈尔滨工业大学 | 一种基于比例系数分析的动量轮故障诊断方法 |
CN109918295A (zh) * | 2019-02-13 | 2019-06-21 | 长沙泰斯信息科技有限公司 | 一种功能覆盖率计算评估方法 |
CN110334395B (zh) * | 2019-05-28 | 2020-11-27 | 中国地质大学(武汉) | 基于jade的初始化em算法的卫星动量轮故障诊断方法及系统 |
CN111190759A (zh) * | 2019-12-25 | 2020-05-22 | 中国航空工业集团公司北京长城航空测控技术研究所 | 一种基于功能与故障模式的混合诊断策略生成方法 |
CN111324036B (zh) * | 2020-01-19 | 2020-11-20 | 北京空间飞行器总体设计部 | 一种有界干扰影响下时变系统可诊断性量化方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4911385A (en) * | 1987-04-30 | 1990-03-27 | Agrawal Brij N | Attitude pointing error correction system and method for geosynchronous satellites |
CN201297957Y (zh) * | 2008-09-12 | 2009-08-26 | 北京控制工程研究所 | 一种面向动量轮的三自由度振动频谱测量系统 |
CN201597761U (zh) * | 2009-12-10 | 2010-10-06 | 洛阳轴研科技股份有限公司 | 一种微型卫星用动量轮及其壳体 |
-
2012
- 2012-06-18 CN CN201210205770.0A patent/CN102735435B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4911385A (en) * | 1987-04-30 | 1990-03-27 | Agrawal Brij N | Attitude pointing error correction system and method for geosynchronous satellites |
CN201297957Y (zh) * | 2008-09-12 | 2009-08-26 | 北京控制工程研究所 | 一种面向动量轮的三自由度振动频谱测量系统 |
CN201597761U (zh) * | 2009-12-10 | 2010-10-06 | 洛阳轴研科技股份有限公司 | 一种微型卫星用动量轮及其壳体 |
Non-Patent Citations (3)
Title |
---|
Actuator fault distinguishability study for the DAMADICS benchmark problem;Jan M.Koscielny等;《Control Engineering Practice》;20061231;第14卷(第6期);第645-652页 * |
定量与定性相结合的动量轮故障可诊断性评价;刘文静等;《中国空间科学技术》;20110831(第4期);第54-63页 * |
故障可诊断性评价与设计研究进展;刘文静等;《航天控制》;20111231;第29卷(第6期);第72-78页 * |
Also Published As
Publication number | Publication date |
---|---|
CN102735435A (zh) | 2012-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Uckun et al. | Standardizing research methods for prognostics | |
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 | |
CN106484949B (zh) | 基于退化数据的动量轮可靠性分析与剩余寿命预测方法 | |
CN102945311B (zh) | 一种功能故障有向图进行故障诊断的方法 | |
CN101382439B (zh) | 多参数自确认传感器的状态自确认方法 | |
CN103076394B (zh) | 基于振动识别频率和振型综合的海洋平台安全评定的方法 | |
CN108268905A (zh) | 一种基于支持向量机的变压器故障诊断方法及系统 | |
CN111639467A (zh) | 一种基于长短期记忆网络的航空发动机寿命预测方法 | |
CN107077134A (zh) | 用于对监控飞机发动机的系统进行验证的工具 | |
CN103389701B (zh) | 基于分布式数据模型的厂级过程故障检测与诊断方法 | |
CN105866250A (zh) | 基于振动的通风机叶片裂纹识别方法 | |
CN102730198B (zh) | 一种基于传递函数的动量轮故障可诊断性确定方法 | |
Tan et al. | A novel approach of testability modeling and analysis for PHM systems based on failure evolution mechanism | |
CN102608519B (zh) | 基于节点信息的电路故障诊断方法 | |
CN102930081A (zh) | 一种基于相关性模型的机内测试设计方法 | |
Yuan et al. | Early stage internal short circuit fault diagnosis for lithium-ion batteries based on local-outlier detection | |
CN104571087A (zh) | 一种噪声影响下航天器控制系统可诊断性确定方法 | |
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 | |
Apostolidis et al. | An AI-based digital twin case study in the MRO sector | |
Xue et al. | Real-time diagnosis of an in-wheel motor of an electric vehicle based on dynamic Bayesian networks | |
Yan et al. | Two-stage degradation assessment and prediction method for aircraft engine based on data fusion | |
Zhang et al. | Hierarchical hybrid testability modeling and evaluation method based on information fusion | |
Zhang et al. | Sensor fault diagnosis based on correntropy filter and probabilistic neural network | |
CN103412223A (zh) | 一种基于定性模型的电气系统故障诊断方法 |
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 |