CN106742068A - 一种诊断卫星姿态控制系统未知故障的方法 - Google Patents
一种诊断卫星姿态控制系统未知故障的方法 Download PDFInfo
- Publication number
- CN106742068A CN106742068A CN201611114426.5A CN201611114426A CN106742068A CN 106742068 A CN106742068 A CN 106742068A CN 201611114426 A CN201611114426 A CN 201611114426A CN 106742068 A CN106742068 A CN 106742068A
- Authority
- CN
- China
- Prior art keywords
- fault
- failure
- sample
- control system
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 41
- 238000012360 testing method Methods 0.000 claims abstract description 34
- 238000002955 isolation Methods 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims description 21
- 238000003745 diagnosis Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012407 engineering method Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
- B64G1/00—Cosmonautic vehicles
- B64G1/22—Parts of, or equipment specially adapted for fitting in or to, cosmonautic vehicles
- B64G1/24—Guiding or controlling apparatus, e.g. for attitude control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
- B64G1/00—Cosmonautic vehicles
- B64G1/22—Parts of, or equipment specially adapted for fitting in or to, cosmonautic vehicles
- B64G1/24—Guiding or controlling apparatus, e.g. for attitude control
- B64G1/244—Spacecraft control systems
- B64G1/245—Attitude control algorithms for spacecraft attitude control
Abstract
本发明提供了一种诊断卫星姿态控制系统未知故障的方法,所述方法包括四大步骤:首先,基于单类主元分析构建已知故障检测统计量,该统计量利用数据的统计信息,判断测试数据是否为故障数据、判断故障发生时间和确定测试数据的样本故障方向;其次,基于样本故障方向与已知故障方向之间的夹角,实现已知故障的隔离;再次,利用样本故障方向构建未知故障检测统计量并计算对应的检测阈值,从而实现未知故障的检测;最后,针对未知故障的样本故障方向,利用变量对统计量的贡献指标来实现未知故障的隔离,并且找到发生故障硬件。当复杂卫星控制系统可能发生未知故障时,该方法可以实现未知故障检测和隔离,从而提高卫星控制系统的可诊断性和可靠性。
Description
技术领域
本发明涉及卫星姿态控制系统故障诊断方法,具体涉及一种诊断卫星姿态控制系统未知故障的方法。
背景技术
对于卫星姿态控制系统这种高可靠系统来说,已有对策的已知故障往往很少发生,而发生的故障很多都是暂时没有对策的未知故障。卫星作为航天器中的一个重要类型,是一个大系统,具有结构复杂、传感器多、数据非平稳、非线性等特征。由于任务艰巨且自身非常昂贵,所以在上天之前,技术人员就通过机理分析、物理仿真等手段建立了比较完备的故障模式库和对应的故障处理方法。卫星控制系统的故障诊断的任务已经由传统的已知故障诊断转变为未知故障诊断。在轨卫星不可避免地会发生难以预料的故障,如“宇流”故障——在卫星姿态调整过程中,喷气执行机构通过喷气发动机产生高压气体向星体外喷射,气体对卫星太阳能帆板产生了冲击,导致该卫星姿态大角度翻转。在此之前,卫星控制系统技术人员对“宇流”引起的帆板故障没有相应的经验,也从来没有预见过这种故障。在先验知识缺乏、故障样本稀缺、故障模式不完备的情况下,如何及时地检测、甚至隔离和处理未知故障,是控制系统故障诊断的一大难点,对故障诊断技术也是一个重大挑战。
从二十世纪七十年代起,涌现出大量的故障诊断方法。大部分的方法都假定故障模式库是完备的,即发生的故障都是已知故障。这些方法大体分为三类:基于模型的故障诊断方法,基于知识的故障诊断方法和数据驱动的故障诊断方法。基于模型的故障诊断方法所需要的先验信息全部来源于已知的模型结构和模型参数。基于知识的故障诊断方法所需要的先验信息全部来源于知识规则库。数据驱动的故障诊断方法所需要的先验信息全部来源于离线训练数据。基于模型和基于知识的故障诊断方法只能部分解决未知故障检测问题,但几乎无法解决未知故障隔离问题。随着大数据时代的到来,数据驱动方法在这几年重新受到重视。传感器技术的发展使得监控数据的获取变得容易且冗余,数据库技术的发展使得数据的存取变得快捷稳定,数据处理技术的发展使得数据驱动故障诊断方法变得丰富。数据为未知故障的检测和隔离提供了最重要的信息源,包括数据的位置分布信息,数据的方向分布信息,数据对检测统计量的贡献信息和高维数据的低维可视化信息。
尽管现有技术中存在数据驱动故障诊断方法,但是尚未有针对未知故障的检测和隔离方法。
发明内容
针对现有技术中的上述不足之处,本发明所要解决的技术问题是:针对先验信息的不足,提供一种卫星控制系统未知故障的故障诊断方法,它可以提高卫星控制系统故障诊断的性能。
本发明“一种诊断卫星姿态控制系统未知故障的方法”具体包括四个步骤:
步骤一:已知故障检测。
该步骤主要包括中心化与单位化处理、计算协方差矩阵、奇异值分解、构建检测统计量和计算阈值,具体过程如下:
S1.1对正常训练数据Y和测试数据y进行中心化与单位化处理,生成训练残差Z和测试残差z
其中N表示Y的列数,即正常训练数据的样本个数;ny表示Y的行数,即正常训练数据的维数,它等于卫星控制系统姿态测量变量的个数;表示N个ny维正常训练数据;表示单个测试数据;表示Y的均值向量;表示Y的标准差对角矩阵;
S1.2计算Z的协方差矩阵
其中
S1.3Σ的奇异值分解为
其中Γ是正交矩阵,Λ1=diag(λ1,…,λa)表示a个最大奇异值构成的对角矩阵,而Λ2≈0表示剩余的ny-a个接近零的奇异值,此时称a为主元数。
S1.4构建单类主元分析分类器,该分类器实质是T2检测统计量:
S1.5若显著性水平为α(一般α∈[0.01,0.05]),则T2检测统计量对应的检测阈值为
其中F1-α(a,k-a)表示自由度为(a,k-a)的F分布对应于(1-α)的分位数
若则测试数据y为正常数据,诊断过程结束;否则为故障数据,故障发生时刻的测试残差就是样本故障方向,进入步骤二。
步骤二、已知故障隔离。
该步骤主要包括构建已知故障方向库、表示样本故障方向、计算样本故障方向与已知故障方向的夹角和搜索最小夹角,具体过程如下。
S2.1用集合表示已知故障模式库,它包含nf类已知故障模式fi,其中i=1,2,…,nf;表示已知故障模式库对应的已知故障方向库,表示已知故障模式fi的故障向量,已知故障向量都是长度等于1的向量;其中nf为大于等于1的正整数;
S2.2检测到的故障为第i种已知故障,则样本故障方向可以表示为
z=|f|ri+e (6)
其中|f|表示故障的幅值,e表示均值为零、方差为∑的正态随机噪声向量,即e~N(0,∑),因而测试残差是均值为|f|ri、方差为∑的正态随机噪声向量,即
z~N(|f|ri,∑) (7)
S2.3用θ(z,ri),i=1,2,…,nf表示样本故障方向z与已知故障方向ri之间的夹角,其中
θ(z,ri)=arccos(|zTri|/(||z||)) (8)
S2.4若则样本故障方向z的故障模式暂定为第i0类已知故障模式然后进入步骤三。
步骤三、未知故障检测。
该步骤主要包括构建未知故障检测统计量、计算未知故障检测统计量的阈值和更新已知故障方向,具体过程如下。
S3.1若以及故障噪声比能够保证则计算未知故障检测统计量UFDS(z):
UFDS(z)=z*∑-1z* (9)
S3.2由于UFDS(z)是满足自由度为ny的卡方分布,显著性水平为α,α的含义与取值与步骤一相同,则UFDS(z)对应的检测阈值为:
其中表示表示自由度为ny的卡方分布对应于(1-α)的分位数;
S3.3若UFDS(z)>UFDSα,则样本故障方向z的故障模式是未知的,进入步骤四;否则样本故障方向z的故障模式是已知的,就是第i0类已知故障模式此时用样本故障方向z更新已知故障模式的故障方向诊断过程结束。
步骤四、未知故障隔离。
该步骤主要包括计算贡献指标和搜索最大贡献指标,具体过程如下:
S4.1计算样本故障方向z的第k个变量对公式(4)中的T2统计量的贡献指标CNT(k):
其中tj是向量t中的第j个分量,且zk是z的第k个分量,Γkj是公式(3)中Γ的第k行第j列上的元素,λj是公式(3)中Λ的第j行第j列上的元素,其中j=1,2,…,a;
S4.2如果那么样本故障方向z的第k0个变量就是故障变量,且与之对应的卫星控制系统姿态测量机构硬件判断为故障硬件,诊断结束。
本发明与现有技术相比具有如下优点:
本发明利用单类主元分析分类器,实现卫星控制系统已知故障的检测;基于样本故障方向与已知故障方向夹角实现卫星控制系统的已知故障的隔离;再通过样本故障方向构造未知故障检测统计量,实现对卫星控制系统的未知故障的检测;最后采用贡献指标,实现卫星控制系统未知故障的隔离。本发明可以提高控制系统故障诊断的性能,方法具有通用性,适用于平稳数据控制系统的未知故障诊断。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明中诊断卫星控制系统未知故障诊断方法流程图;
图2为本发明实施例中卫星控制系统测试数据test-kf1故障检测图;横轴表示采样序列,纵轴表示检测统计量或者阈值;
图3为本发明实施例中卫星控制系统测试数据test-kf2故障检测图;横轴表示采样序列,纵轴表示检测统计量或者阈值;
图4为本发明实施例中卫星控制系统测试数据test-uf1故障检测图;横轴表示采样序列,纵轴表示检测统计量或者阈值;
图5为本发明实施例中卫星控制系统测试数据test-uf2故障检测图;横轴表示采样序列,纵轴表示检测统计量或者阈值;
图6为本发明实施例中卫星控制系统测试数据test-uf1贡献指标图;横轴表示卫星控制系统的数据变量,纵轴表示每个变量贡献指标值。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明“一种诊断卫星姿态控制系统未知故障的方法”,其流程如图1所示。现结合图1所示流程图对诊断卫星姿态控制系统未知故障方法的各步骤做具体说明。
本实施例中卫星控制系统姿态测量机构的输出数据有ny=7维,如表1所示,对应的七个传感器分别为滚动地球敏感器、俯仰地球敏感器、滚动太阳敏感器、俯仰太阳敏感器、滚动陀螺仪、俯仰陀螺仪和偏航陀螺仪。
表1输出信号变量
变量 | 传感器 | 变量 | 传感器 |
y1 | 滚动地球敏感器 | y5 | 滚动滚动陀螺仪 |
y2 | 俯仰地球敏感器 | y6 | 俯仰俯仰陀螺仪 |
y3 | 滚动太阳敏感器 | y7 | 偏航偏航陀螺仪 |
y4 | 俯仰太阳敏感器 |
本实施例中有3个批次的训练数据,分别记为train-kf0,train-kf1,train-kf2,见表2,它们分别来自正常模式f0,滚动地球敏感器故障模式f1和俯仰地球敏感器故障模式f2。有4个批次的测试数据,分别记为test-kf1,test-kf2,test-uf1,test-uf2,其中test-kf1的故障模式与训练数据train-kf1的故障模式相同,test-kf2的故障模式与训练数据train-kf2的故障模式相同,但是test-uf1和test-uf2没有相同故障模式的训练数据,所以是未知故障测试数据。每个批次训练数据和测试数据的仿真时间为500s,每隔1s采集一个数据,即N=501。
表2训练数据和测试数据
步骤一:已知故障检测。
S1.1对正常训练数据Y(即train-kf0)和测试数据(即test-kf1,test-kf2,test-uf1,test-uf2)的每个样本y进行中心化和单位化处理,生成训练残差Z和测试残差z:
其中正常训练数据的样本均值m和对角标准差阵V分别为
m=(-0.7789,0.9017,21.0982,-10.1675,0.0016,-0.0559,0.0015)T
V=diag(0.05405,0.0291,0.6070,9.5202,0.0012,0.0002,0.0008)
S1.2计算正常训练数据的协方差矩阵:
S1.3Σ的奇异值分解为
可以发现并不存在明显等于0的奇异值,因此主元数为a=7。
其中Λ=diag(2.5890,1.9058,1.1184,0.8598,0.4452,0.0501,0.0317)。
S1.4构建单类主元分析分类器,即T2检测统计量为:
S1.5显著性水平设置为α=0.05,则T2检测统计量对应的检测阈值为
其中F0.95(7,501-7)表示自由度为(7,501-7)的F分布对应于0.95的分位数。
分别对test-kf1,test-kf2,test-uf1,test-uf2进行已知故障检测,检测结果对数图见图2-图5,可以发现故障发生后,每个批次的测试数据的检测统计量曲线都在检测阈值的上方,且检测率几乎都是100%,检测到的故障的发生时间分别为365s,171s,353s,396s,对应的样本方向分别为
进入下一个环节——已知故障隔离。
步骤二、已知故障隔离。
S2.1本实施例中根据表2中训练数据train-kf1和train-kf2可知:已知故障方向库只有nf=2个,分别为
S2.2若检测到的故障为第i种已知故障,则z可以表示为
z=|f|ri+e (6)
z~N(|f|ri,Σ) (7)
其中|f|表示故障的幅值,e是噪声向量,∑同公式(2)。
S2.3用θ(z,ri),i=1,2表示样本故障方向z与已知故障方向ri之间的夹角,其中
θ(z,ri)=arccos(|zTri|/(||z||)) (8)
经计算4个样本故障方向(z1,z2,z3,z4)与2个已知故障方向(r1,r2)的夹角(单位:度)分别为
其中矩阵A中的元素
S2.4若则测试数据y的故障模式暂定为第i0类已知故障模式
依据上述规则,暂时认为test-kf1和test-uf2的故障模式为f1;暂时认为test-kf2和test-uf1的故障模式为f2,然后进入步骤三;
步骤三、未知故障检测。
S3.1若以及故障噪声比能够保证则计算未知故障检测统计量UFDS(z):
UFDS(z)=z*∑-1z* (9)
4个样本故障方向对应的未知故障检测统计量为:
UFDS=(7.2306,4.0235,37.5141,22375.1332)
S3.2由于UFDS(z)是满足自由度为7的卡方分布,显著性水平与步骤一相同,为α=0.05,则UFDS(z)对应的检测阈值为:
其中表示自由度为7的卡方分布对应于(1-α)的分位数。
S3.3若UFDS(z)>UFDSα,则样本故障方向z的故障模式是未知的,进入步骤四;否则样本故障方向z的故障模式是已知的,就是第i0类已知故障模式此时用测试残差z更新已知故障模式的故障方向 诊断过程结束。
依据上述规则可知测试数据test-kf1,test-kf2确实是已知故障,更新后的已知故障方向为
步骤四、未知故障隔离。
S4.1计算样本故障方向z的第k个变量对公式(4)中的T2统计量的贡献指标CNT(k):
其中tj是向量t中的第j个分量,且t=Γ1 Tz;zk是z的第k个分量,Γkj是公式(3)中Γ的第k行第j列上的元素,λj是公式(3)中Λ的第j行第j列上的元素,其中j=1,2,…,a;
对于测试数据test-uf1和test-uf2样本故障方向,其7个变量对应的贡献值分别为
(15.6578,0.4658,96.1422,332.9832,2.9599,0.3037,5.4672)
(12.2516,1.4037,10149.8174,697.9105,155.7466,8.8493,462.1933)
S4.2如果那么测试数据y的第k0个变量就是故障变量,而且与相关的卫星控制系统姿态测量机构硬件判别为故障硬件。
对于测试数据test-uf1的样本故障方向,可以发现第4个变量的贡献值最大,所以y4为故障变量,对应的故障元件为俯仰太阳敏感器,对数贡献图更直观地表现了不同变量的贡献值大小关系,见图6。类似地,对于测试数据test-uf2的样本故障方向,可以发现第3个变量的贡献值最大,所以y3为故障变量,对应的故障元件为滚动太阳敏感器。
本发明未详细说明部分属本领域技术人员公知常识。
Claims (4)
1.一种诊断卫星姿态控制系统未知故障的方法,其特征在于,包括如下步骤:
步骤一、已知故障检测,具体包括如下步骤:
S1.1对正常训练数据Y和测试数据y进行中心化与单位化处理,生成训练残差Z和测试残差z
其中N表示Y的列数,即正常训练数据的样本个数;ny表示Y的行数,即正常训练数据的维数,它等于卫星控制系统姿态测量变量的个数;表示N个ny维正常训练数据;表示单个测试数据;表示Y的均值向量;表示Y的标准差对角矩阵;
S1.2计算Z的协方差矩阵:
其中
S1.3Σ的奇异值分解为:
其中Γ是正交矩阵,Λ1=diag(λ1,…,λa)表示a个最大奇异值构成的对角矩阵,而Λ2≈0表示剩余的ny-a个接近零的奇异值;
S1.4构建单类主元分析分类器:
S1.5若显著性水平为α,则T2检测统计量对应的检测阈值为:
其中F1-α(a,k-a)表示自由度为(a,k-a)的F分布对应于(1-α)的分位数;
若则测试数据y为正常数据,诊断过程结束;否则为故障数据,故障发生时刻的测试残差z就是样本故障方向z,进入步骤二;
步骤二、已知故障隔离,具体包括如下步骤:
S2.1用集合表示已知故障模式库,它包含nf类已知故障模式fi;表示已知故障模式库对应的已知故障方向库,表示已知故障模式fi的故障向量;已知故障向量都是长度等于1的向量;其中i=1,2,…,nf,nf为大于等于1的正整数;
S2.2检测到的故障为第i种已知故障,则样本故障方向z可以表示为
z=|f|ri+e (6)
因而测试残差z是均值为|f|ri、方差为∑的正态随机噪声向量,即
z~N(|f|ri,∑) (7)
其中|f|表示故障的幅值,e表示均值为零、方差为∑的正态随机噪声向量;
S2.3用θ(z,ri),i=1,2,…,nf表示样本故障方向z与已知故障方向ri之间的夹角,其中
θ(z,ri)=arccos(|zTri|/(||z||)) (8)
S2.4若则样本故障方向z的故障模式暂定为第i0类已知故障模式然后进入步骤三;
步骤三、未知故障检测,具体包括如下步骤:
S3.1若以及故障噪声比能够保证则计算未知故障检测统计量UFDS(z):
UFDS(z)=z*∑-1z* (9)
S3.2由于UFDS(z)是满足自由度为ny的卡方分布,选取与步骤一中相同的显著性水平α,则UFDS(z)对应的检测阈值为:
其中表示表示自由度为ny的卡方分布对应于(1-α)的分位数;
S3.3若UFDS(z)>UFDSα,则样本故障方向z的故障模式是未知的,进入步骤四;否则样本故障方向z的故障模式是已知的,就是第i0类已知故障模式此时用样本故障方向z更新已知故障模式的故障方向诊断过程结束;
步骤四、未知故障隔离,具体包括如下步骤:
S4.1计算样本故障方向z的第k个变量对公式(4)中的T2统计量的贡献指标CNT(k):
其中tj是向量t中的第j个分量,且t=Γ1 Tz;zk是z的第k个分量,Γkj是公式(3)中Γ的第k行第j列上的元素,λj是公式(3)中Λ的第j行第j列上的元素,其中j=1,2,…,a;
S4.2如果那么样本故障方向z的第k0个变量就是故障变量,且与之对应的卫星控制系统姿态测量机构硬件判断为故障硬件,诊断结束。
2.如权利要求1所述的方法,其特征在于,所述卫星控制系统姿态测量机构硬件包括:滚动地球敏感器、俯仰地球敏感器、滚动太阳敏感器、俯仰太阳敏感器、滚动陀螺仪、俯仰陀螺仪和偏航陀螺仪。
3.如权利要求1所述的方法,其特征在于,所述显著性水平α满足α∈[0.01,0.05]。
4.如权利要求1所述的方法,其特征在于,所述显著性水平α为5%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611114426.5A CN106742068B (zh) | 2016-12-07 | 2016-12-07 | 一种诊断卫星姿态控制系统未知故障的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611114426.5A CN106742068B (zh) | 2016-12-07 | 2016-12-07 | 一种诊断卫星姿态控制系统未知故障的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106742068A true CN106742068A (zh) | 2017-05-31 |
CN106742068B CN106742068B (zh) | 2019-01-04 |
Family
ID=58874762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611114426.5A Active CN106742068B (zh) | 2016-12-07 | 2016-12-07 | 一种诊断卫星姿态控制系统未知故障的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106742068B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108181917A (zh) * | 2018-01-02 | 2018-06-19 | 佛山科学技术学院 | 一种航天器姿态控制系统故障可诊断性定量分析方法 |
CN111506044A (zh) * | 2020-04-23 | 2020-08-07 | 北京空间技术研制试验中心 | 航天器用通用离线检测装置 |
CN111813074A (zh) * | 2020-06-16 | 2020-10-23 | 中国人民解放军国防科技大学 | 基于故障噪声比及特种提取的微小故障诊断方法及系统 |
CN112036440A (zh) * | 2020-07-31 | 2020-12-04 | 山东科技大学 | 一种基于随机森林的卫星姿态控制系统故障诊断与预警方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS59191618A (ja) * | 1983-04-14 | 1984-10-30 | Mitsubishi Electric Corp | 人工衛星の姿勢制御装置 |
US20080313488A1 (en) * | 2005-09-29 | 2008-12-18 | Seong-Kyun Jeong | Apparatus and Method for Diagnosing Fault and Managing Data in Satellite Ground System |
CN101859146A (zh) * | 2010-07-16 | 2010-10-13 | 哈尔滨工业大学 | 一种基于预测滤波和经验模态分解的卫星故障预测方法 |
CN102208028A (zh) * | 2011-05-31 | 2011-10-05 | 北京航空航天大学 | 一种适用于动态复杂系统的故障预测和诊断方法 |
CN103676918A (zh) * | 2013-12-24 | 2014-03-26 | 北京控制工程研究所 | 一种基于未知输入观测器的卫星执行机构故障诊断方法 |
CN105182955B (zh) * | 2015-05-15 | 2016-06-22 | 中国石油大学(华东) | 一种多变量工业过程故障识别方法 |
-
2016
- 2016-12-07 CN CN201611114426.5A patent/CN106742068B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS59191618A (ja) * | 1983-04-14 | 1984-10-30 | Mitsubishi Electric Corp | 人工衛星の姿勢制御装置 |
US20080313488A1 (en) * | 2005-09-29 | 2008-12-18 | Seong-Kyun Jeong | Apparatus and Method for Diagnosing Fault and Managing Data in Satellite Ground System |
CN101859146A (zh) * | 2010-07-16 | 2010-10-13 | 哈尔滨工业大学 | 一种基于预测滤波和经验模态分解的卫星故障预测方法 |
CN102208028A (zh) * | 2011-05-31 | 2011-10-05 | 北京航空航天大学 | 一种适用于动态复杂系统的故障预测和诊断方法 |
CN103676918A (zh) * | 2013-12-24 | 2014-03-26 | 北京控制工程研究所 | 一种基于未知输入观测器的卫星执行机构故障诊断方法 |
CN105182955B (zh) * | 2015-05-15 | 2016-06-22 | 中国石油大学(华东) | 一种多变量工业过程故障识别方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108181917A (zh) * | 2018-01-02 | 2018-06-19 | 佛山科学技术学院 | 一种航天器姿态控制系统故障可诊断性定量分析方法 |
CN111506044A (zh) * | 2020-04-23 | 2020-08-07 | 北京空间技术研制试验中心 | 航天器用通用离线检测装置 |
CN111813074A (zh) * | 2020-06-16 | 2020-10-23 | 中国人民解放军国防科技大学 | 基于故障噪声比及特种提取的微小故障诊断方法及系统 |
CN112036440A (zh) * | 2020-07-31 | 2020-12-04 | 山东科技大学 | 一种基于随机森林的卫星姿态控制系统故障诊断与预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106742068B (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106742068A (zh) | 一种诊断卫星姿态控制系统未知故障的方法 | |
CN101697079B (zh) | 用于航天器实时信号处理的盲系统故障检测与隔离方法 | |
CN103884359B (zh) | 一种基于主元分析算法的卫星陀螺部件故障诊断方法 | |
JP4783394B2 (ja) | センサの故障適応方法 | |
CN104035431B (zh) | 用于非线性过程监控的核函数参数的获取方法和系统 | |
CN104134010B (zh) | 一种基于朴素贝叶斯算法面向离散型数据的卫星故障诊断方法 | |
CN102221363A (zh) | 一种水下潜器用捷联惯性组合导航系统容错组合方法 | |
CN108092623B (zh) | 一种光伏阵列多传感器故障检测定位方法 | |
CN105093095B (zh) | 模拟非线性直流电路的改进粒子群优化诊断方法及系统 | |
CN108181917A (zh) | 一种航天器姿态控制系统故障可诊断性定量分析方法 | |
CN106707304A (zh) | 一种卫星导航接收机故障星检测方法 | |
CN105512011B (zh) | 一种电子装备测试性建模评估方法 | |
CN108171277A (zh) | 一种基于稀疏表示的bit间歇故障诊断方法 | |
CN107766668A (zh) | 一种基于神经网络的复杂仿真模型验证方法 | |
CN105277826A (zh) | 阵列天线故障诊断系统 | |
CN106443577A (zh) | 一种针对星间射频相对测量的多径误差检测与消除方法 | |
CN111122811A (zh) | 一种oica和rnn融合模型的污水处理过程故障监测方法 | |
CN106767898B (zh) | 一种检测卫星姿态测量系统微小故障的方法 | |
CN107918381A (zh) | 一种基于组合核函数的类均值核主元故障诊断方法 | |
CN104331602A (zh) | 基于马尔科夫链的gnss完好性检测率估计方法 | |
CN106886620A (zh) | 航天器测试资源优化配置方法 | |
CN110567485B (zh) | 一种多探头星敏感器在轨自主故障诊断与修复方法 | |
CN110262447A (zh) | 一种基于ann的acs闭环系统故障定位方法 | |
Crowther et al. | A neural network approach to the calibration of a flush air data system | |
CN107490758A (zh) | 基于故障传播的模块化bp神经网络电路故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |