CN103019227A - 一种基于故障要素描述的卫星控制系统故障识别方法 - Google Patents

一种基于故障要素描述的卫星控制系统故障识别方法 Download PDF

Info

Publication number
CN103019227A
CN103019227A CN2012105198556A CN201210519855A CN103019227A CN 103019227 A CN103019227 A CN 103019227A CN 2012105198556 A CN2012105198556 A CN 2012105198556A CN 201210519855 A CN201210519855 A CN 201210519855A CN 103019227 A CN103019227 A CN 103019227A
Authority
CN
China
Prior art keywords
fault
failure
mode
control system
level
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
Application number
CN2012105198556A
Other languages
English (en)
Other versions
CN103019227B (zh
Inventor
王大轶
王南华
刘新彦
郭建新
常建松
李艳华
吕楠
甘永
刘成瑞
邢琰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Control Engineering
Original Assignee
Beijing Institute of Control Engineering
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Control Engineering filed Critical Beijing Institute of Control Engineering
Priority to CN201210519855.6A priority Critical patent/CN103019227B/zh
Publication of CN103019227A publication Critical patent/CN103019227A/zh
Application granted granted Critical
Publication of CN103019227B publication Critical patent/CN103019227B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Abstract

一种基于故障要素描述的卫星控制系统故障识别方法,首先确定描述卫星控制系统发生各种系统故障、部件故障、模块故障、器件故障时对应的故障特征参数;然后利用故障特征参数对已知的卫星控制系统的故障模式进行规范描述,并利用规范描述后的故障模式构建故障模式树,故障模式树中的每一个交叉点都是卫星中的一个实体,交叉点采用故障特征参数组合描述,交叉点之间的各连线作为下一级故障源对上一级故障的故障特征参数的影响通道;当故障发生时,查找故障所在交叉点至与其有联系的最低/高级交叉点的所有影响通道的组合作为计算通道,即可获得可能的故障源头/故障引发对象。本发明故障识别方法简单、明确,易于工程实现。

Description

一种基于故障要素描述的卫星控制系统故障识别方法
技术领域
本发明涉及一种卫星控制系统的故障诊断方法。
背景技术
从广义上讲,故障是指产品出现了偏离出设计范围的工况,导致其输出或是状态不能够满足使用要求。从卫星控制系统的故障表现上看,故障集中表现为两个方向:系统故障和部件故障,其中,系统故障由部件发生故障或由系统设计的缺陷导致系统失控或是技术指标不满足要求;部件故障是卫星失效的主要原因,这涉及到部件设计、使用条件、元器件老化、单粒子事件等多方面的原因,但是最终的表现形式可能较为单一,或者说接口数据上的表现形式还无法完整的表述出故障的详细特征,这种故障原因多样性和表现形式的单一决定了准确的描述故障较为困难。
目前,针对故障定位的研究主要分为两大类,第一是基于机理或是在线学习类的方法对系统输出的特征进行辨识,当相对正常情况有异常表现则定为故障;第二是基于专家系统,通过积累专家对系统或是部件的性能认识,在其主要参数出现异常时能够直接判断出故障形式。比较来说,第一种方法能更全面的解决某一固定系统或是部件的故障判断,但显然对系统认知的程度要求较高,对系统原有积累的故障模式也没有充分利用,且在系统趋向于复杂时会导致故障诊断系统也必须趋向于更高阶次,算法的可扩展性较差。第二种方法主要是通过逻辑判断的方式将故障因果体现出来,诊断系统扩容不会由于系统的复杂而变得过于庞大或是不易实现,但这种方法得到的结果较为单一,一般仅是给出从故障源到故障发生点的因果关系,但显然故障影响可能存在多种可能性。
对卫星控制系统的故障诊断要求主要有如下几个方面:
第一:故障定位方式必须涵盖系统至元器件所有的层面;
第二:对现有发生过的故障或是FMEA等方法研究得出的故障模式能够直接利用,避免浪费原有的可靠性分析工作;
第三:新增故障模式或是删除已有的故障模式简单,不影响故障分析的实现方法,计算简便、稳定;
第四:在实现故障定位的同时,还能够对故障点进行故障影响分析。
显然上述两种现有的故障定位方法已经无法满足对卫星控制系统特殊的故障诊断要求。
发明内容
本发明的技术解决问题是:克服现有技术的不足,提供了一种卫星控制系统故障识别方法,采用故障要素来描述故障的主要特征,基于该特征形成卫星控制系统四级故障模式的树状结构,通过关联关系,实现对故障反应预测和故障源识别等多方面的功能。
本发明的技术解决方案是:一种基于故障要素描述的卫星控制系统故障识别方法,包括如下步骤:
(1)确定描述卫星控制系统发生各种系统故障、部件故障、模块故障、器件故障时对应的故障特征参数,故障特征参数的异常对应故障的发生;其中系统故障级别最高,部件故障次之,器件故障级别最低;
(2)利用故障特征参数对已知的卫星控制系统的故障模式进行规范描述,每一种故障模式描述均包括故障名称、故障环境、故障源、故障表现、故障影响对象以及影响度;其中,故障源从所属故障模式对应的故障级别的低一级别的故障中选取,故障影响对象从所属故障模式对应的故障级别的高一级别的故障中选取,影响度从0~1之间取值,影响度数值越大表明导致故障影响对象发生故障的概率越大;
(3)利用规范描述后的故障模式构建故障模式树,故障模式树中的每一个交叉点都是卫星中的一个系统、部件、模块或者器件,交叉点采用故障特征参数组合描述对应多种故障模式,交叉点之间的各连线作为下一级故障源对上一级故障的故障特征参数的影响通道,影响通道的值为影响度,各影响通道的值写成矩阵的形式后形成影响度邻接矩阵;
(4)当故障发生时,查找故障所在交叉点至与其有联系的最低级交叉点的所有影响通道的组合作为故障引入组合,以及故障所在交叉点至与其有联系的最高级交叉点的所有影响通道的组合作为故障后果组合,并用邻接矩阵分别描述故障引入组合以及故障后果组合;
(5)计算故障引入组合中各组合所包含的影响度邻接矩阵的乘积,结果矩阵中最大系数对应的最低级交叉点判断为引起故障的源头;计算故障后果组合中各组合所包含的影响度邻接矩阵的乘积,结果矩阵中最大系数对应的上一级交叉点判断为故障引发的故障对象。
本发明与现有技术相比的优点在于:
(1)本发明方法以故障要素作为描述卫星控制分系统故障的手段,通过在描述故障时的核心要素,如故障源、故障现象以及影响度等,实现对故障模式的清晰、有效表达;
(2)本发明方法对以往发生过的故障模式或分析出的故障模式进行整理,并对卫星控制分系统进行四级分类,形成故障模式树,此树能完整展现整个卫星控制分系统的故障影响关系,便于故障的识别;
(3)本发明方法借鉴图论和矩阵运算的相关内容,在故障模式树的基础上,形成总体相关度矩阵,从而可以实现故障定位和故障影响分析两个方面的功能;
(4)本发明的故障识别方法简单、明确,对于新的故障模式添加方便,具有极好的可扩展性,计算方法适于工程实现。
附图说明
图1为本发明方法的流程框图;
图2为本发明方法中描述故障模式的核心故障要素组成;
图3为本发明方法中核心故障要素与非核心故障要素的关系图;
图4为本发明方法中系统级故障关键参数表;
图5为本发明方法中部件级故障关键参数表;
图6为本发明方法中故障标号格式;
图7为本发明方法中卫星控制分系统故障模式树状结构;
图8为本发明方法中各级故障模式之间关联的示例。
具体实施方式
针对卫星控制系统的特殊故障诊断要求,可以通过规范卫星控制系统故障的描述,尽可能实现通过简洁有效的属性描述方式将故障的特征描述完整,尤其是能够将故障发生的源头和影响建立起基本关联,形成关联矩阵;并能够适应分系统、部件、模块、元器件四级故障分析体系,即元器件故障会导致模块输出异常、模块故障会在部件上有反应、部件故障会引起系统指标出现问题。为此,本发明方法将四级故障按照功能性质划分成树状结构,连接纽带是故障影响通道,即下级的故障源导致上级的故障表现,并且,对卫星控制系统四个层面主要的故障模式用规范的故障要素描述,将影响因素量化,并形成列表数据;故障影响通道由邻接矩阵沟通,由此可实现:
(1)当一个部件或是模块发生故障时,能够很快的分析出系统或部件或模块发生怎样的故障反应;
(2)当一个故障反应被检测到后,能够由此向下推导出所有可能导致此故障反应的部件或模块,并给出故障可能性最大的故障点。
图1为本发明方法的实现流程。本发明的步骤为:(1)确立卫星控制系统故障特征参数命名的规范,分别给出各类部件、器件和系统故障时的故障情况的核心描述术语,即为系统、部件、模块、器件的故障特征参数,当参数异常时则认为发生故障;(2)基于故障特征参数,形成故障模式的核心要素,实现对卫星控制系统故障模式的规范描述,包括故障名称、时间、环境、故障源、故障表现和影响域等,并要求故障要素描述中必须包含下一级故障源与上一级发生故障的贡献程度,由影响度进行描述;按照卫星控制系统四级故障模式分析的要求,每一例故障模式的分析必须明确给出最少两级间的故障影响程度;其中影响度若为1,表示下一级故障必然导致上一级发生某一类故障,若是为0,表示两个定点间无直接影响,若在(0,1)之间,表明故障的影响存在一定的可能性,一般表征下一级故障只有在其它条件满足时才能触发上一级故障,如多重故障发生或是其它环境因素、特殊工况诱发;(3)基于对卫星控制系统四级故障模式的划分,将所有已知(已发生或已分析出的)的卫星控制系统故障模式进行规范描述后,形成卫星控制系统故障分析的树状结构,基于图论中树的定义,树状结构的每一个交叉点都是卫星中某一个实体,如姿控系统、某一部件、或某一部件的模块、或某一模块的某一器件,定义为树的一个顶点,任一个顶点都是多种故障模式的集合体,采用特征参数组合描述;连接这些顶点的是下一级故障对上一级的关键参数的影响通道,采用邻接矩阵的形式定量描述顶点间的连通关系,与图论中的邻接矩阵不同,此处的邻接矩阵只是描述两个定点间的多种故障模式之间的关联,将其中每一条连通关系定义为一条边,邻接矩阵中的每一个数值定为边的权值,即为故障影响的影响度,邻接矩阵即为影响度矩阵;(4)通过邻接矩阵的矩阵向下连乘运算,遍历所有的下游顶点,可以获得故障发生点与所有下游分支的故障引入组合,由此可知故障发生的可能源头;通过邻接矩阵的矩阵向上乘法运算,可以获得故障发生点与所有上游分支的故障后果组合,可以预测故障发生后对上游的影响程度,并用多级邻接矩阵描述组合形式;若是在矩阵相乘过程中有新的信息引入,如已知有一个模块故障,则计算中将该模块与上游的邻接矩阵乘以2,再加入至矩阵连乘中,使得所有经过该模块的影响度计算增倍,由此可以保证故障诊断先验信息越多则最终相关度数值越高。(5)计算故障引入组合中各组合所包含的影响度邻接矩阵的乘积,结果矩阵中最大系数对应的最低级交叉点判断为引起故障的源头;计算故障后果组合中各组合所包含的影响度邻接矩阵的乘积,结果矩阵中最大系数对应的上一级交叉点判断为故障引发的故障对象,从而实现了基于故障模式树的故障定位和故障影响分析。
卫星控制系统是一个闭环控制系统,主要目的是将卫星的姿态控制在所需要的范围内,所涉及的控制部件包括:敏感器有光学敏感器、惯性敏感器,执行结构有反作用轮、推力器,控制器一般由计算机以及内部的控制软件组成,所有这些部件都是由各功能模块构成,通过功能模块间的信息流或供配电关系最终形成了整个部件的功能,显然,各个功能模块最终是由各类器件组装而成。
描述卫星控制系统故障时首先需要对卫星控制系统的故障特征参数进行定义,给出简化的数学表达形式,以此作为构建卫星控制系统故障模式树的基础。
参数选取和定义的基本原则为:
系统参数(如图4所示):所选用的参数为当前描述卫星控制系统级对象的核心参数,原则上为参数最小集,其名称也为通用名称,包括姿态角、角速度、敏感器名字以及其输出至控制计算机的参数等,其对应的符号表示符合目前符号命名习惯;另外涉及到卫星运行状态,如控制模式、故障标志等,也与当前星上的设置一致。
部件参数(如图5所示):考虑到部件内部功能的多样性,所以在设计特征参数时,需要从模块划分的角度充分考虑其共同特性,如二次电源的区别仅在电压值不同,至于使用该电源的功能模块可以不予说明,电机电流在陀螺和动量轮中都含有,但从参数定义上没有区别,唯一的区别是电流值不同或是规格不同,所以部件的特征参数能够从功能出发,采用统一的参数命名,仅通过属性值进行区分,另外,通过参数间的信号流进行部件故障模型的构建。
在已知的卫星控制系统故障模式基础上,可以总结出描述故障模式的最简要素,通过这些要素可以将故障发生的时间和环境描述清晰,同时能够给出故障源和故障现象之间的关系和影响程度判断,甚至在分析充分的情况下还能包含处理措施。
如图2和3所示,为了故障整理和描述的方便将其定义为:故障名称、故障发生时间、故障发生环境、故障现象、故障源、故障危害影响,
各名称所代表的含义如下:
1)故障名称
作为故障发生的最集中体现,能够点明故障发生的最外在表现,所用术语来源于特征参数,可作为对故障描述的一种规范表达具体如图6所示;
2)故障发生时间
明确故障发生时间,不仅是为了表述故障的一个符号,并且时间描述将是确定故障发生前后承接关系的重要信息,故障发生时间分为两部分,分别为以下两个子要素:
●具体时间段,如:2011-11-12--09-30-00~2011-11-12--09-50-00
●发生阶段,如整星电测、部件力学试验、在轨末期等,其阶段划分方式由于部件和系统的不同而不同。
3)故障发生环境
环境项包括以下子要素:
●分系统工作状态:系统模式和方式
●卫星工作位置:远地点、地影期间等
●工作内容:向南位保期间
●温度特征:高温、低温、正常温度、波动温度,与温度无关
所以,在给出故障发生环境描述时,最少分为上述四项上述,若是如此项内容,可标为“通用”。
4)故障现象
每类故障都有其特殊性,其现象也不完全相同,但必然是下一级发生了故障后导致上一级故障,所以总的来说,故障现象可能包括本级故障现象以及由此导致的上一级的故障现象;作为规范描述核心部分,故障现象需要由关键故障特征参数的异常表现来反映,这需要包含两部分内容,第一为该参数的正常值范围,第二即为故障时的参数异常,由于核心参数及其指标要素是有限度的,所以故障现象必然也是有限的;具体为:
●指标要求
系统或部件在其特定的阶段都有其正常指标要求,作为故障描述的一部分,给出其合理值范围是描述清楚故障的基本输入。
●故障征兆
故障征兆是对故障发生时的情况做的最直接描述,通过这种描述可以使人直观的感受到故障发生时的各种数据变化以及影响;分为:
系统故障:姿态超差、姿态振荡、姿态随机性超标、姿态基准丢失、系统卸载次数过多、姿态机动稳定超时、姿态机动姿态误差超标、轨道计算异常、轨道控制边界超标等。
部件故障(一般型):输出长高、输出常零、输出常值误差、输出噪声变大、输出跳跃性故障、斜坡式输出、输出时延增大、输出阻力矩过大(针对轮子等惯性部件)、电源状态丢失、输入无响应,但电源状态正常。
5)故障源
任何一级发生故障都是由下游某一级故障引起的,所以下游故障对于本级故障而言是故障源,对故障源的描述必然需要对其发生故障时现象进行描述,即对故障源的描述其实也是对其故障现象的描述,但故障源描述的最核心内容是对故障源影响传递关系的说明,在描述故障源对本级故障影响时提供影响程度。
由于每一级的故障存在多样性,如可能有多种故障形式,同时其影响也可能比较深远,如一个器件故障导致模块故障、进而导致部件故障,最恶劣会导致系统发生故障,所以在故障模式分析中,为了给出故障源的影响,一般在给出本级故障现象的同时,需要给出其对上一级的故障影响程度,可能的情况下最好分级给出从本级故障源到最顶层(即系统级)的影响。
在定义故障源,除了物理结构组成外,还需要考虑以下两种输入型故障源,即自身没有出现任何故障的情况下输出异常,故障起因是其他部件或模块,所以在进行故障模式分析时,下一级中需要包括这两种,近似作为独立的一个功能块存在,该功能块没有下一级:
影响程度由影响度描述,影响度一般分为三种情况,由故障模式分析人员给出:
●1:表示该故障源必然导致上游故障
●0:表示该故障源不会导致上游故障
●(0,1):表示存在导致上游故障的可能性,一般表征此时的故障源还需要有其他的条件才能导致上游故障,如故障程度还需要更恶劣些,或需要与其他故障同时发生,或是其他的外在特殊条件出现时,
例如:
a)地球敏感器的四个探头中有一个出现异常时会导致噪声变大,但不一定导致系统姿态超差,因为系统带宽能够噪声程度降低,但当四个探头中三个好的探头由于为了避免日月影响时需要禁止一个时,此时所剩三个探头中有一坏探头,噪声量级可能会明显增大,直至触发卫星姿态超差故障,此时的相关度可设为0.3,表明在特定情况地敏故障会导致姿态超差,但这样情况比较少出现。
b)动量轮阻力矩增大时,在一定范围内,如±0.03Nm以内时对系统姿态没有大的影响,而当处在±0.05Nm以外时,系统姿态可能也能稳定,但只要此时出现一定的扰动,比如推力器卸载,则可能导致系统姿态谐振,甚至姿态超差,此时的相关度可设为0.8,即可能性较大。
6)故障危害影响
故障危害影响分析的主要方法需要借鉴故障模式分析的方式,以故障发生后的直接影响为依据,给出故障影响的危害情况;从要素描述的完整性上看,危害影响的分析主要需要表述:发生了什么,危害程度怎么样。
故障发生的现象和影响传递关系已经在之前的要素中有描述,但其实并未给出导致故障的机理,为了将故障的前因后果描述清楚,故障发生机理需要专门说明,考虑发生故障的都是下一级,如部件、模块、器件,所以以下按照三级进行划分:
A部件级故障:设计缺陷、方案设计错误、软件设计错误、机械尺寸设计错误、工艺缺陷、接口异常、结构共振、测试损伤
B模块级故障:器件故障、电磁不兼容、时序故障、地线串扰、机械故障、软件故障
C元器件级故障:存在缺陷、静电损伤、未按照手册要求使用、电装引起失效、装配损伤。
如图7所示,将卫星控制系统的故障模式树结构分为四级:卫星控制系统、部件、模块、元器件,其中模块的划分为功能划分,即根据部件中主要功能的不同进行分解,其拼起来后能够形成部件的所有功能;借助图论中的树的概念对其进行定义,明确了每一个交叉点都是一个顶点,表征了系统的一个实体,由于树结构不考虑回路,所以在故障模式树中不考虑同一级之间的故障相关性(其可能存在的相关性在故障源定义时就进行了解耦);每一级顶点都会与上一级顶点有相关性矩阵,即邻接矩阵,表征的是每一个顶点都存在一个故障列,该矩阵就是通过一个二维关系描述了一级顶点的故障列与其上一级故障列之间关系,矩阵中的元素就是相关度。
在进行一例故障模式分析时,首先是将其按照故障要素进行规范化描述,按照卫星控制系统四级的划分,明确涉及的内容,如地敏的电源板故障,这最少涉及了部件级和模块级的内容描述;将故障源的影响进行逐级划分,明确各级之间的相关度,若是故障模式分析中没有的级别,则无需填入,如仅是对动量轮进行的故障模式分析,不包括姿态控制系统的内容,则在归类中系统的故障现象一栏设为“无”,对应的与下一级的相关度设为“--”:
Figure BSA00000818539700101
最后将这些信息按照故障要素的分类归入至数据库,当集成了大量的故障模式分析结果后,该数据库就具备了形成故障模式树的能力;在数据库中,可以不同的数据归类方法可以得到不同的结果:从横向看,是所有故障模式的排列,按照数据库输入时间进行排序,其列定义为故障要素;从纵向看从故障模式树出发,按照级别划分:1~4级,除了第一级(控制系统)外,其它级别皆为多种组合,通过数据库检索功能能够将某一级的所以故障模式检出,从而可以得到一个与之相关的子树,通过该子树可进行与之相关的故障定位和故障影响分析。
在进行故障定位或故障影响分析时,首先需要对系统组成进行定义,即对每个部件选取参数Ku和Kt,分别是卫星闭环控制系统中部件选型,当Ku=1时表示系统包括此部件,特别强调的是,当Kt=1时,表明系统使用了推力器,具体使用见图8,在考虑某一部件对系统或某一模块对系统的影响时都是采用邻接矩阵的描述方式,不同之处是有的是由一个矩阵形成,有的是由若干个矩阵相乘后得到。
由图8可知,电源板与红外地敏之间的邻接矩阵C1,运放电路与红外地敏之间的邻接矩阵C2如下所示:
Figure BSA00000818539700111
地敏与卫星控制系统之间的故障影响关系C0如下,
e1 e2 e3
Se1 Ku×1 0 0
Se2 0 Ku×0.5 Kt×1
Se3 0 Ku×1 Kt×Ku×1
由此地敏电源板与卫星控制系统之间的故障影响关系C,C=C0*C1
ed1 ed2
Se1 Ku×1 0
Se2 0 Kt×0.6
Se3 0 Ku×Kt×0.6
之所以设置部件选取参数,是考虑到卫星控制系统在不同的阶段选用的敏感器和执行结构不同,所以需要在进行系统级模式分析时设置部件选用标志,从而形成不同的控制系统组成,同理,在进行与系统级故障相关的故障定位和故障影响分析时也必须进行相关参数设置,才能够明确系统组成,进而明确系统故障影响通道。
基于故障模式库进行故障分析的方式为以下顺序:
第一:确定故障点,通常是假设的故障或是发现的故障现象,比如:系统级故障-系统姿态基准丢失,或部件级故障-红外输出常零,或模块级-陀螺马达电流过低等;
第二:在故障模式数据库中通过主题词寻找该故障点,以此作为出发点,向下一级进行搜索计算,计算所有可能的邻接矩阵,直至元器件级,从而在每一级中可以寻找最大的相关度,作为故障定位的依据,系统将所有相关度非零的分支都记录下来,形成数据文件,便于进一步分析;若是从系统级开始,还需要先确定部件选择标志;在搜索过程中,若是有进一步的故障信息输入,比如:红外故障时,技术人员已经知道了其探头模块有问题,则在进行搜索矩阵时,所有经过探头模块的向下的邻接矩阵乘以2,以充分利用多路故障信息;
第三:若是需要进行故障影响分析,则从故障点出发,向上一级延展,计算所有的邻接矩阵,直至系统级,记录下所有相关度非零的搜索分支,以此作为故障影响分析的依据。
以上第二和第三步中在涉及到系统级时,需要在分析前首先确定部件选择参数。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。

Claims (1)

1.一种基于故障要素描述的卫星控制系统故障识别方法,其特征在于包括如下步骤:
(1)确定描述卫星控制系统发生各种系统故障、部件故障、模块故障、器件故障时对应的故障特征参数,故障特征参数的异常对应故障的发生;其中系统故障级别最高,部件故障次之,器件故障级别最低;
(2)利用故障特征参数对已知的卫星控制系统的故障模式进行规范描述,每一种故障模式描述均包括故障名称、故障环境、故障源、故障表现、故障影响对象以及影响度;其中,故障源从所属故障模式对应的故障级别的低一级别的故障中选取,故障影响对象从所属故障模式对应的故障级别的高一级别的故障中选取,影响度从0~1之间取值,影响度数值越大表明导致故障影响对象发生故障的概率越大;
(3)利用规范描述后的故障模式构建故障模式树,故障模式树中的每一个交叉点都是卫星中的一个系统、部件、模或者器件,交叉点采用故障特征参数组合描述对应多种故障模式,交叉点之间的各连线作为下一级故障源对上一级故障的故障特征参数的影响通道,影响通道的值为影响度,各影响通道的值写成矩阵的形式后形成影响度邻接矩阵;
(4)当故障发生时,查找故障所在交叉点至与其有联系的最低级交叉点的所有影响通道的组合作为故障引入组合,以及故障所在交叉点至与其有联系的最高级交叉点的所有影响通道的组合作为故障后果组合,并用邻接矩阵分别描述故障引入组合以及故障后果组合;
(5)计算故障引入组合中各组合所包含的影响度邻接矩阵的乘积,结果矩阵中最大系数对应的最低级交叉点判断为引起故障的源头;计算故障后果组合中各组合所包含的影响度邻接矩阵的乘积,结果矩阵中最大系数对应的上一级交叉点判断为故障引发的故障对象。
CN201210519855.6A 2012-11-30 2012-11-30 一种基于故障要素描述的卫星控制系统故障识别方法 Active CN103019227B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210519855.6A CN103019227B (zh) 2012-11-30 2012-11-30 一种基于故障要素描述的卫星控制系统故障识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210519855.6A CN103019227B (zh) 2012-11-30 2012-11-30 一种基于故障要素描述的卫星控制系统故障识别方法

Publications (2)

Publication Number Publication Date
CN103019227A true CN103019227A (zh) 2013-04-03
CN103019227B CN103019227B (zh) 2014-11-19

Family

ID=47967934

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210519855.6A Active CN103019227B (zh) 2012-11-30 2012-11-30 一种基于故障要素描述的卫星控制系统故障识别方法

Country Status (1)

Country Link
CN (1) CN103019227B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103425125A (zh) * 2013-08-23 2013-12-04 哈尔滨工业大学 基于连续状态的电气系统故障诊断方法
CN104200288A (zh) * 2014-09-18 2014-12-10 山东大学 一种基于因素与事件间相关关系识别的设备故障预测方法
CN107963240A (zh) * 2017-11-20 2018-04-27 中国运载火箭技术研究院 一种重复使用运载器自主故障诊断及智能维护系统及方法
CN108319517A (zh) * 2017-12-21 2018-07-24 北京旋极信息技术股份有限公司 一种故障诊断的方法及装置
CN108574585A (zh) * 2017-03-08 2018-09-25 中国移动通信集团内蒙古有限公司 一种系统故障解决方案获取方法及装置
CN109981331A (zh) * 2017-12-28 2019-07-05 北京华为数字技术有限公司 一种故障诊断方法及装置
CN110554682A (zh) * 2019-08-15 2019-12-10 中国航空工业集团公司上海航空测控技术研究所 基于故障关联分析的故障检测推理机
CN110989561A (zh) * 2019-12-26 2020-04-10 中国航空工业集团公司沈阳飞机设计研究所 一种构建故障传播模型的方法及故障传播路径确定方法
CN112278327A (zh) * 2020-10-28 2021-01-29 北京和德宇航技术有限公司 一种卫星姿控异常识别和处置系统及控制方法
CN112379655A (zh) * 2020-09-27 2021-02-19 北京控制工程研究所 一种基于星载日志系统的卫星在轨自主管理方法
CN113886396A (zh) * 2021-10-20 2022-01-04 电子科技大学 基于高效用频繁模式挖掘的电力系统故障检测方法及系统
CN116203926A (zh) * 2023-01-18 2023-06-02 北京控制工程研究所 基于性能-故障关系图谱的航天器故障分级诊断方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060112119A1 (en) * 2004-11-22 2006-05-25 The Boeing Company System, method and computer program product for real-time event indentification and course of action interpretation
CN101281248A (zh) * 2008-05-20 2008-10-08 北京航空航天大学 一种应用于组合卫星导航系统的多故障识别方法
CN102735259A (zh) * 2012-06-18 2012-10-17 北京控制工程研究所 一种基于多层状态估计器的卫星控制系统故障诊断方法
CN102749924A (zh) * 2012-06-18 2012-10-24 北京控制工程研究所 卫星控制系统可重构性薄弱环节识别方法
CN102789519A (zh) * 2012-06-18 2012-11-21 北京控制工程研究所 卫星控制系统部件的重要度确定方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060112119A1 (en) * 2004-11-22 2006-05-25 The Boeing Company System, method and computer program product for real-time event indentification and course of action interpretation
CN101281248A (zh) * 2008-05-20 2008-10-08 北京航空航天大学 一种应用于组合卫星导航系统的多故障识别方法
CN102735259A (zh) * 2012-06-18 2012-10-17 北京控制工程研究所 一种基于多层状态估计器的卫星控制系统故障诊断方法
CN102749924A (zh) * 2012-06-18 2012-10-24 北京控制工程研究所 卫星控制系统可重构性薄弱环节识别方法
CN102789519A (zh) * 2012-06-18 2012-11-21 北京控制工程研究所 卫星控制系统部件的重要度确定方法

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103425125B (zh) * 2013-08-23 2015-10-28 哈尔滨工业大学 基于连续状态的电气系统故障诊断方法
CN103425125A (zh) * 2013-08-23 2013-12-04 哈尔滨工业大学 基于连续状态的电气系统故障诊断方法
CN104200288A (zh) * 2014-09-18 2014-12-10 山东大学 一种基于因素与事件间相关关系识别的设备故障预测方法
CN104200288B (zh) * 2014-09-18 2017-03-15 山东大学 一种基于因素与事件间相关关系识别的设备故障预测方法
CN108574585A (zh) * 2017-03-08 2018-09-25 中国移动通信集团内蒙古有限公司 一种系统故障解决方案获取方法及装置
CN107963240A (zh) * 2017-11-20 2018-04-27 中国运载火箭技术研究院 一种重复使用运载器自主故障诊断及智能维护系统及方法
CN107963240B (zh) * 2017-11-20 2019-06-18 中国运载火箭技术研究院 一种重复使用运载器自主故障诊断及智能维护系统及方法
CN108319517B (zh) * 2017-12-21 2021-08-27 北京旋极信息技术股份有限公司 一种故障诊断的方法及装置
CN108319517A (zh) * 2017-12-21 2018-07-24 北京旋极信息技术股份有限公司 一种故障诊断的方法及装置
CN109981331A (zh) * 2017-12-28 2019-07-05 北京华为数字技术有限公司 一种故障诊断方法及装置
CN110554682A (zh) * 2019-08-15 2019-12-10 中国航空工业集团公司上海航空测控技术研究所 基于故障关联分析的故障检测推理机
CN110989561A (zh) * 2019-12-26 2020-04-10 中国航空工业集团公司沈阳飞机设计研究所 一种构建故障传播模型的方法及故障传播路径确定方法
CN112379655A (zh) * 2020-09-27 2021-02-19 北京控制工程研究所 一种基于星载日志系统的卫星在轨自主管理方法
CN112278327A (zh) * 2020-10-28 2021-01-29 北京和德宇航技术有限公司 一种卫星姿控异常识别和处置系统及控制方法
CN113886396A (zh) * 2021-10-20 2022-01-04 电子科技大学 基于高效用频繁模式挖掘的电力系统故障检测方法及系统
CN113886396B (zh) * 2021-10-20 2022-03-29 电子科技大学 基于高效用频繁模式挖掘的电力系统故障检测方法及系统
CN116203926A (zh) * 2023-01-18 2023-06-02 北京控制工程研究所 基于性能-故障关系图谱的航天器故障分级诊断方法
CN116203926B (zh) * 2023-01-18 2023-08-04 北京控制工程研究所 基于性能-故障关系图谱的航天器故障分级诊断方法

Also Published As

Publication number Publication date
CN103019227B (zh) 2014-11-19

Similar Documents

Publication Publication Date Title
CN103019227B (zh) 一种基于故障要素描述的卫星控制系统故障识别方法
US10095813B2 (en) Safety analysis of a complex system using component-oriented fault trees
Dubrova Fault-tolerant design
US8732112B2 (en) Method and system for root cause analysis and quality monitoring of system-level faults
Yoo et al. NP-completeness of sensor selection problems arising in partially observed discrete-event systems
JP2010181212A (ja) 故障診断システム、故障診断方法
Waghen et al. Interpretable logic tree analysis: A data-driven fault tree methodology for causality analysis
Athavale et al. AI and reliability trends in safety-critical autonomous systems on ground and air
CN102053910A (zh) 一种基于aadl模态蜕变关系的嵌入式软件测试方法
Leitão et al. Fault handling in discrete event systems applied to IEC 61499
Morozov et al. Openerrorpro: A new tool for stochastic model-based reliability and resilience analysis
CN104899043A (zh) 采用模块安全性分析获取软件安全性需求的方法
Wan et al. Analyzing and improving resilience and robustness of autonomous systems
Mader et al. A computer-aided approach to preliminary hazard analysis for automotive embedded systems
Khan et al. Synergizing reliability modeling languages: BDMPs without repairs and DFTs
CN113157562A (zh) 一种基于扩展有限状态机模型的测试用例生成方法及平台
KR101993635B1 (ko) 지능형 자율 시스템에서의 사고 원인 추적 시스템
Bozzano et al. Model-based safety assessment of a triple modular generator with xSAP
CN111859492B (zh) 一种MAPS故障综合分析工具基于Simulink危害发生与传播分析方法
Aït-Kadi et al. Fault isolation by test scheduling for embedded systems using a probabilistic approach
Saifan et al. Using formal methods for test case generation according to transition-based coverage criteria
Grimmeisen et al. Automated generation of hybrid probabilistic risk models from sysml v2 models of software-defined manufacturing systems
Yang et al. Sensor selection and optimization for aerospace system health management under uncertainty testing
Kodali et al. A framework to debug diagnostic matrices
Pourgolmohamad et al. Development of an efficient approach for reliability analysis using the comparative study of several static and dynamic methods; case study of an unmanned aerial vehicle

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