CN105300675B - 一种基于比例系数分析的动量轮故障诊断方法 - Google Patents
一种基于比例系数分析的动量轮故障诊断方法 Download PDFInfo
- Publication number
- CN105300675B CN105300675B CN201510662581.XA CN201510662581A CN105300675B CN 105300675 B CN105300675 B CN 105300675B CN 201510662581 A CN201510662581 A CN 201510662581A CN 105300675 B CN105300675 B CN 105300675B
- Authority
- CN
- China
- Prior art keywords
- mrow
- proportionality coefficient
- moment
- momenttum wheel
- telemetering
- 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
- Electric Propulsion And Braking For Vehicles (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
一种基于比例系数分析的动量轮故障诊断方法，本发明涉及基于比例系数分析的动量轮故障诊断方法。本发明的目的是为了解决现有的动量轮故障检测方法不能很好地对故障进行有效及时地检测，只能诊断较为严重的故障，不能实现微小故障的早期预警的问题。该方法通过以下步骤实现：一、以电机电流的遥测数据为基准，得到所有遥测数据的分段时刻；二、得到每段电机电流内的平均控制输入电压值；三、第j段平均控制输入电压值与电机电流值的比例系数为四、设定异常阈值；五、根据异常阈值对动量轮进行故障检测时，对当前遥测数据按照一至三进行处理，获得k′，若k′大于异常阈值，则表明有故障。本发明应用于动量轮故障诊断领域。
Description
技术领域
本发明涉及基于比例系数分析的动量轮故障诊断方法。
背景技术
卫星是重要的航天器，长期在轨运行于恶劣的太空环境。动量轮作为其重要的姿态执行机构，难免发生性能衰退等异常情况。有必要对其进行故障诊断方面的研究。
现有的动量轮故障检测手段大多仅以单个测量参量为诊断依据，通过阈值以及连续性的监测来进行故障诊断，这种方法不能很好地对故障进行有效及时地检测，只能诊断较为严重的故障，不能实现微小故障的早期预警。
发明内容
本发明的目的是为了解决现有的动量轮故障检测方法不能很好地对故障进行有效及时地检测，只能诊断较为严重的故障，不能实现微小故障的早期预警的问题，而提出的一种基于比例系数分析的动量轮故障诊断方法。
上述的发明目的是通过以下技术方案实现的：
步骤一、以电机电流的遥测数据为基准，若第n个遥测时刻的电机电流值和第n+1个遥测时刻的电机电流值相同，则不记为分段时刻，若第n个遥测时刻的电机电流值和第n+1个遥测时刻的电机电流值不同，则记第n个遥测时刻为分段时刻，得到所有遥测数据的分段时刻；
任意顺次的两个相邻分段时刻确定了一个电机电流段，并顺次标记为j，设电机电流的总分段数为N；
步骤二、根据得到的每段电机电流对遥测电压数据进行划分，并将每段电机电流内的相应遥测电压值相加求平均，标记为每段电机电流内的平均控制输入电压值；
步骤三、设第j段电机电流值为I(j)，第j段平均控制输入电压值为U(j)，则第j段平均控制输入电压值与电机电流值的比例系数为j＝1,2,…,N；
步骤四、对N段的比例系数进行均值和标准差的计算记做和σ，设定异常阈值为
步骤五、根据异常阈值对动量轮进行故障检测时，对当前遥测数据按照步骤一至三进行处理，获得每段平均控制输入电压值与电机电流值的比例系数k′，若k′大于异常阈值，则表明有故障，若k′小于等于异常阈值，则表明无故障。
发明效果
(1)关联关系模型的建立：根据实际卫星，飞轮的工作模式，以及实际可得遥测数据的类型特点，建立控制电压与电流的关联关系模型，以其比例系数作为诊断的特征量。该特征量可以很好的反映动量轮的工作状态，表达不变的关联关系特征。当该特征量发生变化时，表明动量轮出现异常。
(2)基于统计分析的故障检测：根据遥测参数的特点，考虑电流和电压采样频率不同的限制，采用电流分段、电压平均的处理方式，获得比例系数。由于扰动等不确定因素的影响，即使在正常情况下，关联系数仍会在一定范围内波动，因此，为获得可靠的故障诊断结果。在应用该方法时，需要采用特征量的统计分析方法。具体为对长期的正常状态遥测参数进行建模，以关联系数的统计量(均值和方差)来进行最终的诊断，以此建立能够反映正常波动的异常阈值来避免误报。对于超出阈值的情况，进行诊断报警。很好地对故障进行有效及时地检测。
本发明从遥测数据入手，以遥测量间的关联关系为特征量进行故障诊断，提高故障诊断精度，实现动量轮微小故障的早期预警，以更好地适应工程实际的应用。
附图说明
图1为力矩模式的飞轮等效模型框图；
图2为本发明的诊断流程图；
图3为电机输入电压遥测数据图；
图4为电机电流遥测数据图；
图5为电机电流与分段平均输入电压的关系图；
图6为电流电压比例系数检测图。
具体实施方式
具体实施方式一：结合图2说明本实施方式，本实施方式的一种基于比例系数分析的动量轮故障诊断方法具体是按照以下步骤制备的：
动量轮通常采用直流无刷电机，其时域方程为：
E(t)＝KeΩ(t) (1)
其中，E(t)为电枢反电动势；U(t)为电机电枢电压；R为电枢电阻；L为电枢电感；J为电机转子和飞轮转动惯量；M(t)为电机电磁力矩；Ω(t)为飞轮转速；Km为力矩常数；Ke为电势常数；Md(t)为电机轴系摩擦力矩；h(t)＝JΩ(t)为飞轮的角动量；i(t)为电机电流；t为时间；由于电枢电感L通常为小量，可忽略不计，根据(1)，有如下传递函数：
式中，s为拉氏变换中的复数参变量；Kw为电机增益系数；Tw为机电时间常数；Md(s)为Md(t)的拉氏变换式，Ω(s)为Ω(t)的拉氏变换式，U(s)为U(t)的拉氏变换式；
其中，电机增益系数Kw和机电时间常数Tw分别为
作为姿态执行器，动量轮输出的实际控制力矩为
式中，为Ω(t)的一阶导数；
将式(3)代入式(2)，可得传递函数
式中，h(s)为h(t)的拉氏变换式；
对于作为执行机构的动量轮，不以电枢电压作为直接控制信号。
对于以力矩模式工作的动量轮，其控制电压uc(t)与期望控制力矩成正比，图1为等效的模型框图；
由此，动量轮产生的实际控制力矩与期望控制力矩Tc(t)的传递函数为
其中，K1为可选取的比例系数，这样上式中为比例常数；又由于通常很小，近似相互抵消，由此，动量轮产生的实际控制力矩与期望控制力矩Tc(t)成正比，因此，控制电压uc与动量轮产生的实际控制力矩成正比；
由于，所以控制电压与电机电流为近似的正比例关系；
定义控制电压与电机电流的比例系数为
采用统计量分析的方法对比例系数k进行统计分析，即对其进行均值和方差计算，得到其统计特性，进而可以作为动量轮性能变化的判据；实际应用中，可以将多次遥测数据进行统一分析，得到的统计规律可以反映动量轮性能参数的变化规律，根据统计量分析设定异常值阈值，从而对其进行故障检测及诊断；
根据以上分析，我们可以针对具体遥测数据，建立实际卫星动量轮遥测控制电压与遥测电机电流关联关系模型，具体步骤如下：
输入电压与动量轮电机电流为近似的比例关系，由于通常情况下遥测数据中的电压采样频率高于电流采样频率；因此，考虑以电流数据为基准对数据进行分段处理；
步骤一、以电机电流的遥测数据为基准，若第n个遥测时刻的电机电流值和第n+1个遥测时刻的电机电流值相同，则不记为分段时刻，若第n个遥测时刻的电机电流值和第n+1个遥测时刻的电机电流值不同，则记第n个遥测时刻为分段时刻，得到所有遥测数据的分段时刻；
任意顺次的两个相邻分段时刻确定了一个电机电流段，并顺次标记为j，设电机电流的总分段数为N；
步骤二、根据得到的每段电机电流对遥测电压数据进行划分，并将每段电机电流内的相应遥测电压值相加求平均，标记为每段电机电流内的平均控制输入电压值；
步骤三、设第j段电机电流值为I(j)，第j段平均控制输入电压值为U(j)，则第j段平均控制输入电压值与电机电流值的比例系数为j＝1,2,…,N；无故障状态下，其应在一定范围内波动；
步骤四、对N段的比例系数进行均值和标准差的计算记做和σ，设定异常阈值为
步骤五、根据异常阈值对动量轮进行故障检测时，对当前遥测数据按照步骤一至三进行处理，获得每段平均控制输入电压值与电机电流值的比例系数k′，若k′大于异常阈值，则表明有故障，若k′小于等于异常阈值，则表明无故障。
具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤四中对N段的比例系数进行均值和标准差的计算记做和σ，设定异常阈值为具体过程为：
其它步骤及参数与具体实施方式一相同。
采用以下实施例验证本发明的有益效果：
实施例一：
一种基于比例系数分析的动量轮故障诊断方法，具体是按照以下步骤制备的：
步骤一、以电机电流的遥测数据为基准，若第n个遥测时刻的电机电流值和第n+1个遥测时刻的电机电流值相同，则不记为分段时刻，若第n个遥测时刻的电机电流值和第n+1个遥测时刻的电机电流值不同，则记第n个遥测时刻为分段时刻，得到所有遥测数据的分段时刻；
任意顺次的两个相邻分段时刻确定了一个电机电流段，并顺次标记为j，设电机电流的总分段数为N；
步骤二、根据得到的每段电机电流对遥测电压数据进行划分，并将每段电机电流内的相应遥测电压值相加求平均，标记为每段电机电流内的平均控制输入电压值；
步骤三、每段电机电流内的平均控制输入电压值比该段电机电流值，所得结果即为每段平均控制输入电压与电机电流的比例系数，该值应近似为某常值；
步骤四、设第j段电机电流值为I(j)，第j段平均控制输入电压值为U(j)，则第j段平均控制输入电压值与电机电流值的比例系数为j＝1,2,…,N；无故障状态下，其应在一定范围内波动；
步骤五、对N段的比例系数进行均值和标准差的计算记做和σ，设定异常阈值为
考察一段时间动量轮的监测数据，该段时间内动量轮发生某微小故障。对该动量轮的历史数据进行上述分析处理，计算其电压电流的关联系数值，得到其均值和方差分别为和σ＝0.196，设定异常值阈值为利用该检测阈值可以进行实时的故障诊断。
步骤六、根据异常阈值对动量轮进行故障检测时，对当前遥测数据按照步骤一至四进行处理，获得每段平均控制输入电压值与电机电流值的比例系数k′，若k′大于异常阈值，则表明有故障，若k′小于等于异常阈值，则表明无故障。
当前获得的输入电压和电流的遥测数据如图3和4所示。根据上述步骤1-4，可获得相应各段时间历程内的平均控制输入电压值与每段电流时间历程的对应关系，如图5所示。进而，可计算各段时间历程电压与电流的关联系数，如图6所示。通过与检测阈值的比较，可知从第五段时间历程开始，关联系数以超出阈值，表明动量轮有故障，需要操控人员进行相应处理。
若应用传统的检测方法，由于电压的可变范围为[-5,+5]，电流的可变范围为[-2.5,2.5]。而动量轮虽然出现故障，但电压和电流遥测数据均在报警阈值范围内，所以不能诊断出这种微小故障。
显然，本发明提出的基于关联系数分析的动量轮故障诊断方法，能够在传统阈值检测的范围内，对故障进行精细检测，实现微小故障的早期预警，达到了预期目的。
本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (2)
1.一种基于比例系数分析的动量轮故障诊断方法，其特征在于一种基于比例系数分析的动量轮故障诊断方法具体是按照以下步骤进行的：
步骤一、以直流无刷电机电流的遥测数据为基准，若第n个遥测时刻的直流无刷电机电流值和第n+1个遥测时刻的直流无刷电机电流值相同，则不记为分段时刻，若第n个遥测时刻的直流无刷电机电流值和第n+1个遥测时刻的直流无刷电机电流值不同，则记第n个遥测时刻为分段时刻，得到所有遥测数据的分段时刻；
任意顺次的两个相邻分段时刻确定了一个直流无刷电机电流段，并顺次标记为j，设直流无刷电机电流的总分段数为N；
步骤二、根据得到的每段直流无刷电机电流对遥测电压数据进行划分，并将每段直流无刷电机电流内的相应遥测电压值相加求平均，标记为每段直流无刷电机电流内的平均控制输入电压值；
步骤三、设第j段直流无刷电机电流值为I(j)，第j段平均控制输入电压值为U(j)，则第j段平均控制输入电压值与电机电流值的比例系数为
步骤四、对N段的比例系数进行均值和标准差的计算记做和σ，设定异常阈值为
步骤五、根据异常阈值对动量轮进行故障检测时，对当前遥测数据按照步骤一至三进行处理，获得每段平均控制输入电压值与电机电流值的比例系数k′，若k′大于异常阈值，则表明有故障，若k′小于等于异常阈值，则表明无故障。
2.根据权利要求1所述一种基于比例系数分析的动量轮故障诊断方法，其特征在于：所述步骤四中对N段的比例系数进行均值和标准差的计算记做和σ，设定异常阈值为具体过程为：
<mrow>
<mover>
<mi>k</mi>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mi>k</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>&sigma;</mi>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
<mo>-</mo>
<mover>
<mi>k</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>.</mo>
</mrow>
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510662581.XA CN105300675B (zh) | 2015-10-14 | 2015-10-14 | 一种基于比例系数分析的动量轮故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510662581.XA CN105300675B (zh) | 2015-10-14 | 2015-10-14 | 一种基于比例系数分析的动量轮故障诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105300675A CN105300675A (zh) | 2016-02-03 |
| CN105300675B true CN105300675B (zh) | 2018-05-29 |
Family
ID=55198190
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510662581.XA Active CN105300675B (zh) | 2015-10-14 | 2015-10-14 | 一种基于比例系数分析的动量轮故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105300675B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6597453B2 (ja) * | 2016-03-30 | 2019-10-30 | 株式会社Ｉｈｉ | 異常診断方法、異常診断装置、及び異常診断プログラム |
| CN110031871B (zh) * | 2019-02-21 | 2023-04-11 | 中国西安卫星测控中心 | 基于电压和角动量关系的动量轮故障检测方法 |
| CN113324759B (zh) * | 2021-06-01 | 2022-08-05 | 西安交通大学 | 基于振动能量梯度分解的旋转设备状态监测指标提取方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4007630A (en) * | 1974-07-12 | 1977-02-15 | Nippon Seiko K.K. | Device for detecting damage on rotators |
| US4211973A (en) * | 1972-10-11 | 1980-07-08 | Kabushiki Kaisha Teikoku Denki Seisakusho | Apparatus for detecting faults to be occurred or initially existing in a running electric rotary machine |
| US6034856A (en) * | 1997-07-31 | 2000-03-07 | Fev Motorentechnik Gmbh & Co Kg | Method of recognizing whether an armature is in contact with an electromagnetic actuator |
| CN101813560A (zh) * | 2009-12-16 | 2010-08-25 | 洛阳轴研科技股份有限公司 | 动量轮早期故障频谱诊断识别方法 |
| CN102288398A (zh) * | 2011-05-16 | 2011-12-21 | 南京航空航天大学 | 基于支持向量机的动量轮故障检测装置及方法 |
| CN102736618A (zh) * | 2012-06-18 | 2012-10-17 | 北京控制工程研究所 | 一种基于传递函数的卫星控制系统可诊断性确定方法 |
| CN102730198A (zh) * | 2012-06-18 | 2012-10-17 | 北京控制工程研究所 | 一种基于传递函数的动量轮故障可诊断性确定方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102735435B (zh) * | 2012-06-18 | 2014-12-17 | 北京控制工程研究所 | 一种基于相关性模型的动量轮故障可诊断性确定方法 |
-
2015
- 2015-10-14 CN CN201510662581.XA patent/CN105300675B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4211973A (en) * | 1972-10-11 | 1980-07-08 | Kabushiki Kaisha Teikoku Denki Seisakusho | Apparatus for detecting faults to be occurred or initially existing in a running electric rotary machine |
| US4007630A (en) * | 1974-07-12 | 1977-02-15 | Nippon Seiko K.K. | Device for detecting damage on rotators |
| US6034856A (en) * | 1997-07-31 | 2000-03-07 | Fev Motorentechnik Gmbh & Co Kg | Method of recognizing whether an armature is in contact with an electromagnetic actuator |
| CN101813560A (zh) * | 2009-12-16 | 2010-08-25 | 洛阳轴研科技股份有限公司 | 动量轮早期故障频谱诊断识别方法 |
| CN102288398A (zh) * | 2011-05-16 | 2011-12-21 | 南京航空航天大学 | 基于支持向量机的动量轮故障检测装置及方法 |
| CN102736618A (zh) * | 2012-06-18 | 2012-10-17 | 北京控制工程研究所 | 一种基于传递函数的卫星控制系统可诊断性确定方法 |
| CN102730198A (zh) * | 2012-06-18 | 2012-10-17 | 北京控制工程研究所 | 一种基于传递函数的动量轮故障可诊断性确定方法 |
Non-Patent Citations (1)
| Title |
|---|
| 贝叶斯网络在模型诊断中的应用;邵继业 等;《吉林大学学报》;20100131;第40卷(第1期);第234-237页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105300675A (zh) | 2016-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102880170B (zh) | 基于基线模型和贝叶斯因子的系统故障早期预警方法 | |
| CN105300675B (zh) | 一种基于比例系数分析的动量轮故障诊断方法 | |
| CN105716844B (zh) | 建立机电作动器的卡尔曼滤波模型及故障诊断方法 | |
| CN102033200B (zh) | 基于统计模型的交流电机在线监测和诊断方法 | |
| DE19736004C2 (de) | Vorrichtung zum Erfassen einer Abnormalität eines Motors | |
| D’Angelo et al. | Fault detection in dynamic systems by a Fuzzy/Bayesian network formulation | |
| CN104242774B (zh) | 一种电机相电流预测与诊断方法 | |
| Alkaya et al. | Luenberger observer-based sensor fault detection: online application to DC motor | |
| CN113391621B (zh) | 一种电动仿真测试转台的健康状态评估方法 | |
| CN106202792A (zh) | 一种融合电流和轴温的动量轮剩余寿命预测方法 | |
| CN105865769A (zh) | 电动隔离刀闸机械参数检测装置及其方法 | |
| US20170073064A1 (en) | Rotor system structural fault estimation | |
| CN114035140A (zh) | 一种感应电机电流传感器故障检测及容错控制方法 | |
| Huang et al. | Intelligent fault monitoring and diagnosis in electrical machines | |
| Hofmeister et al. | Prognostic health management (PHM) of electrical systems using condition-based data for anomaly and prognostic reasoning | |
| CN109375103A (zh) | 三相无刷直流电机逆变器功率管单管开路故障诊断方法 | |
| US20220129603A1 (en) | Motor winding insulation diagnosis and prognosis using resistance simulation method | |
| CN105260604A (zh) | 基于符号动力学与云模型的卫星动量轮故障检测方法 | |
| CN110031871B (zh) | 基于电压和角动量关系的动量轮故障检测方法 | |
| Ghazal et al. | Robust stator winding fault detection in induction motors | |
| CN104062555B (zh) | 配电线路高阻接地故障特征谐波的辨识方法 | |
| CN104035029B (zh) | 一种感应电机定子匝间短路检测及线圈级别定位方法 | |
| CN105197260B (zh) | 一种基于休哈特控制图的卫星动量轮早期异常检测方法 | |
| Rayyam et al. | Detection of broken bars in induction motor using the Extended Kalman Filter (EKF) | |
| Zhang et al. | Fault diagnosis and prognosis based on lebesgue sampling |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |