CN108181917B - 一种航天器姿态控制系统故障可诊断性定量分析方法 - Google Patents
一种航天器姿态控制系统故障可诊断性定量分析方法 Download PDFInfo
- Publication number
- CN108181917B CN108181917B CN201810001171.4A CN201810001171A CN108181917B CN 108181917 B CN108181917 B CN 108181917B CN 201810001171 A CN201810001171 A CN 201810001171A CN 108181917 B CN108181917 B CN 108181917B
- Authority
- CN
- China
- Prior art keywords
- fault
- variable
- control system
- vector
- attitude control
- 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.)
- Withdrawn - After Issue
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 7
- 238000011158 quantitative evaluation Methods 0.000 claims abstract description 26
- 238000005070 sampling Methods 0.000 claims abstract description 24
- 238000013179 statistical model Methods 0.000 claims abstract description 22
- 230000003068 static effect Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000010606 normalization Methods 0.000 claims abstract description 7
- 238000005215 recombination Methods 0.000 claims abstract description 5
- 230000006798 recombination Effects 0.000 claims abstract description 5
- 239000013598 vector Substances 0.000 claims description 49
- 238000005259 measurement Methods 0.000 claims description 45
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000026676 system process Effects 0.000 claims description 17
- 238000005315 distribution function Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 6
- 239000004576 sand Substances 0.000 claims description 3
- LYAVXWPXKIFHBU-UHFFFAOYSA-N N-{2-[(1,2-diphenylhydrazinyl)carbonyl]-2-hydroxyhexanoyl}-6-aminohexanoic acid Chemical compound C=1C=CC=CC=1N(C(=O)C(O)(C(=O)NCCCCCC(O)=O)CCCC)NC1=CC=CC=C1 LYAVXWPXKIFHBU-UHFFFAOYSA-N 0.000 claims 1
- 230000007704 transition Effects 0.000 claims 1
- 238000002955 isolation Methods 0.000 abstract description 5
- 238000001514 detection method Methods 0.000 abstract description 4
- 238000003745 diagnosis Methods 0.000 description 7
- 230000006872 improvement Effects 0.000 description 7
- 238000004451 qualitative analysis Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003380 propellant Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- B64G1/244—Spacecraft control systems
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Navigation (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种航天器姿态控制系统故障可诊断性定量分析方法，包括设置航天器姿态控制系统的离散状态空间模型，对所述离散状态空间模型，按照时间序列进行多次采样和变量重组，得到时间堆积方程；对所述时间堆积方程进行模型归一化处理，得到系统标准静态方程；构建航天器姿态控制系统故障的可检测性量化评价统计模型；构建航天器姿态控制系统故障的可隔离性量化评价统计模型。本发明通过构建航天器姿态控制系统故障的可检测性量化评价统计模型以及可隔离性量化评价统计模型，实现航天器姿态控制系统故障可诊断性的定量判别，给出故障检测和隔离的难易程度，提高故障可诊断性辨识能力。本发明用于分析航天器姿态控制系统的故障。
Description
技术领域
本发明涉及航天器技术领域，更具体地说涉及一种航天器姿态控制系统故障分析方法。
背景技术
航天器姿态控制系统承担着姿态控制、太阳帆板和天线驱动控制任务，是航天器中最重要和最复杂的系统之一。由于承担任务的重要性，姿态控制系统一旦发生故障，后果十分严重，姿态失控将使卫星业务中断，帆板不能对日，卫星电源不能正常供给，或使推进剂非正常耗尽。航天器姿态控制系统在轨运行质量是影响航天器寿命与可靠性的关键因素之一。
为了确保航天器姿态控制系统在轨安全与运行质量，目前已在设计、生产、试验过程中采取一系列保障措施，从而提高产品的固有可靠性，减少在轨发生故障的概率。但是，由于姿态控制系统是一个涉及多学科、多领域技术的大型复杂系统，又在恶劣复杂的空间环境中长期飞行，加之元器件、原材料和加工水平的限制，在轨飞行中不可避免地会发生各种各样的故障，使系统健康状况出现突然的或逐渐的恶化。因此，为了确保航天器姿态控制系统在轨运行质量，还必须提高在轨故障诊断及相应的处理能力，确保在故障发生后，及时检测到故障，准确定位故障源，并采取有效措施使故障影响降至最低，这是从系统层面克服产品固有可靠性不足，提高航天器姿态控制系统运行可靠性和延长寿命的有效手段。
发明内容
本发明要解决的技术问题是：提供一种航天器姿态控制系统故障可诊断性定量分析方法。
本发明解决其技术问题的解决方案是：
一种航天器姿态控制系统故障可诊断性定量分析方法，包括以下步骤：
步骤1.设置由星敏感器和陀螺组成的航天器姿态控制系统的离散状态空间模型，对所述离散状态空间模型，按照时间序列进行多次采样和变量重组，得到含有姿态测量输出变量、系统控制输入变量、系统状态变量、故障变量、系统过程噪声、系统测量噪声的时间堆积方程；
步骤2.对所述时间堆积方程进行模型归一化处理，得到系统标准静态方程；
步骤3.对所述系统标准静态方程，结合故障向量、姿态测量向量、系统控制向量的多元随机变量分布函数的能量距离，构建航天器姿态控制系统故障的可检测性量化评价统计模型；
步骤4.对所述系统标准静态方程，结合不同故障模式下，故障向量、姿态测量向量、系统控制向量分布函数的能量距离，构建航天器姿态控制系统故障的可隔离性量化评价统计模型。
作为上述技术方案的进一步改进，步骤1中所述离散状态空间模型如表达式1所示，
其中x∈Rs是s维的系统状态变量，y∈Rm是m维的姿态测量输出变量，u∈Rq是q维的系统控制输入变量，f∈Rp是p维的故障变量，包括传感器故障fs和执行器故障fa，w∈Rl是l维的系统过程噪声，v∈Rt是t维的系统测量噪声；k、k+1为相应的采样时刻；A、Bu、Bf、Bw、C、Du、Df、Dv为对应的系统矩阵。
作为上述技术方案的进一步改进，步骤1中对所述离散状态空间模型进行多次采样和变量重组的过程包括：设置累计采样窗口长度为n+1，对航天器姿态控制系统的离散状态空间模型中的系统状态变量、姿态测量输出变量、系统控制输入变量、故障变量、系统过程噪声、系统测量噪声，进行累计n+1次采样，并对采样后得到的向量进行重新组合，将姿态测量输出y和系统控制输入u组合为系统输入输出向量z，系统过程噪声w和系统测量噪声v组合为系统不确定性噪声向量e，即z＝(y[k-n+1]T,...,y[k]T,u[k-n+1]T,...,u[k]T)T，x＝(x[k-n+1]T,...,x[k]T,x[k+1]T)T，f＝(f[k-n+1]T,...,f[k]T)T，e＝(w[k-n+1]T,...,w[k]T,v[k-n+1]T,...,v[k]T)T。
作为上述技术方案的进一步改进，步骤1中所述含有姿态测量输出变量、系统控制输入变量、系统状态变量、故障变量、系统过程噪声、系统测量噪声的时间堆积方程如表达式2所示，Lz＝Hx+Ff+Ee，其中
0，I为零矩阵和单位矩阵。
作为上述技术方案的进一步改进，步骤2中对所述时间堆积方程进行模型归一化处理，得到系统标准静态方程的过程包括：对步骤1中所述时间堆积方程Lz＝Hx+Ff+Ee，求出H的左零元NH，即使得NHH＝0的NH，消去系统状态变量x，进而得到含有姿态测量向量、系统控制向量、故障向量、系统噪声向量的系统标准静态方程，所述系统标准静态方程如表达式3所示，NHLz＝NHFf+NHEe。
作为上述技术方案的进一步改进，步骤3中，两个多元随机变量的能量距离D(G1,G2)，定义如表达式4所示，
其中，随机变量ξ，ξ′分布函数为G1，η，η′分布函数为G2，||·||为向量2-范数；对于来自总体G1分布下的一组观测样本x1,x2,…xp，来自G2分布下的一组观测样本y1,y2,…yq，其中，p表示为来自总体G1分布下的一组观测样本的样本数量，q表示为来自G2分布下的一组观测样本的样本数量，两个多元随机变量分布函数G1，G2间相应的能量距离统计量如表达式5所示，
其中
作为上述技术方案的进一步改进，步骤3中航天器姿态控制系统故障的可检测性量化评价统计模型如表达式6所示，
其中
表示故障模式fi下，以ta时刻为起始，窗口长度为m的采样值向量。
作为上述技术方案的进一步改进，步骤4中航天器姿态控制系统故障的可隔离性量化评价统计模型如表达式7所示，
其中
表示故障模式fi下，以ta时刻为起始，窗口长度为m的采样量，而
表示故障模式fj下，以t′b时刻为起点，窗口长度为n的采样量。
本发明的有益效果是：本发明通过构建航天器姿态控制系统故障的可检测性量化评价统计模型以及可隔离性量化评价统计模型，实现航天器姿态控制系统故障可诊断性的定量判别，给出故障检测和隔离的难易程度，提高故障可诊断性辨识能力。本发明创造用于分析航天器姿态控制系统的故障。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本发明的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。
图1是本发明的分析方法流程图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。
参照图1，本发明创造公开了一种航天器姿态控制系统故障可诊断性定量分析方法，包括以下步骤：
步骤1.设置由星敏感器和陀螺组成的航天器姿态控制系统的离散状态空间模型，对所述离散状态空间模型，按照时间序列进行多次采样和变量重组，得到含有姿态测量输出变量、系统控制输入变量、系统状态变量、故障变量、系统过程噪声、系统测量噪声的时间堆积方程；
步骤2.对所述时间堆积方程进行模型归一化处理，得到系统标准静态方程；
步骤3.对所述系统标准静态方程，结合故障向量、姿态测量向量、系统控制向量的多元随机变量分布函数的能量距离，构建航天器姿态控制系统故障的可检测性量化评价统计模型；
步骤4.对所述系统标准静态方程，结合不同故障模式下，故障向量、姿态测量向量、系统控制向量分布函数的能量距离，构建航天器姿态控制系统故障的可隔离性量化评价统计模型。
具体地，本发明通过构建航天器姿态控制系统故障的可检测性量化评价统计模型以及可隔离性量化评价统计模型，实现航天器姿态控制系统故障可诊断性的定量判别，给出故障检测和隔离的难易程度，提高故障可诊断性辨识能力。
本发明创造中航天器姿态控制系统在轨故障诊断能力主要取决于两个因素，即故障可诊断性和故障诊断方法。要实现对航天器姿态控制系统故障的诊断与处理，首先故障自身必须是可诊断的。故障可诊断性是指提供辨识航天器在轨运行中故障与其产生原因之间有效相关关系的信息或知识的能力，包括故障可检测性和故障可隔离性。
航天器控制系统故障可诊断性分析，就是分析一个姿态控制系统的故障可诊断性，是故障诊断方法实施的基础。如果模型(故障)的可诊断性良好，则可测信息就可以更准确、及时反映故障的变化趋势，故障诊断算法就可以更好地从可测信息中挖掘出有效的故障信息，从而对姿态控制系统的故障情况进行判断；如果模型(故障)的可诊断性不佳，缺乏适当的可达测点集合，准确的故障信息不能在可测信息中体现出来，则故障诊断算法的实施难度增大，同时算法的准确性和有效性亦下降。
如何评价故障可诊断性的良好性，主流方法是定性分析方法。然而，随着待诊断系统的规模增大，定性分析方法(如故障树、因果网络)的复杂度(包括时间和空间)通常以指数形式增大，从而会增加对测试硬件的要求；而时间复杂度同样会增加分析、计算的时间消耗，产生一定的资源浪费；此外，由于复杂环境、不确定性因素的影响，定性分析方法的精确度也很难得到保障。定性分析方法仅能知道故障能否被检测或隔离，而无法明确故障检测和隔离的难易程度。
进一步作为优选的实施方式，本发明创造具体实施方式中，步骤1中所述离散状态空间模型如表达式1所示，
其中x∈Rs是s维的系统状态变量，y∈Rm是m维的姿态测量输出变量，u∈Rq是q维的系统控制输入变量，f∈Rp是p维的故障变量，包括传感器故障fs和执行器故障fa，w∈Rl是l维的系统过程噪声，v∈Rt是t维的系统测量噪声；k、k+1为相应的采样时刻；A、Bu、Bf、Bw、C、Du、Df、Dv为对应的系统矩阵。
进一步作为优选的实施方式，本发明创造具体实施方式中，步骤1中对所述离散状态空间模型进行多次采样和变量重组的过程包括：设置累计采样窗口长度为n+1，对航天器姿态控制系统的离散状态空间模型中的系统状态变量、姿态测量输出变量、系统控制输入变量、故障变量、系统过程噪声、系统测量噪声，进行累计n+1次采样，并对采样后得到的向量进行重新组合，将姿态测量输出y和系统控制输入u组合为系统输入输出向量z，系统过程噪声w和系统测量噪声v组合为系统不确定性噪声向量e，即z＝(y[k-n+1]T,...,y[k]T,u[k-n+1]T,...,u[k]T)T，x＝(x[k-n+1]T,...,x[k]T,x[k+1]T)T，f＝(f[k-n+1]T,...,f[k]T)T，e＝(w[k-n+1]T,...,w[k]T,v[k-n+1]T,...,v[k]T)T。
进一步作为优选的实施方式，本发明创造具体实施方式中，步骤1中所述含有姿态测量输出变量、系统控制输入变量、系统状态变量、故障变量、系统过程噪声、系统测量噪声的时间堆积方程如表达式2所示，Lz＝Hx+Ff+Ee，其中
0，I为零矩阵和单位矩阵。
进一步作为优选的实施方式，本发明创造具体实施方式中，步骤2中对所述时间堆积方程进行模型归一化处理，得到系统标准静态方程的过程包括：对步骤1中所述时间堆积方程Lz＝Hx+Ff+Ee，求出H的左零元NH，即使得NHH＝0的NH，消去系统状态变量x，进而得到含有姿态测量向量、系统控制向量、故障向量、系统噪声向量的系统标准静态方程，所述系统标准静态方程如表达式3所示，NHLz＝NHFf+NHEe。
进一步作为优选的实施方式，本发明创造具体实施方式中，步骤3中，两个多元随机变量的能量距离D(G1,G2)，定义如表达式4所示，
其中，随机变量ξ，ξ′分布函数为G1，η，η′分布函数为G2，||·||为向量2-范数；对于来自总体G1分布下的一组观测样本x1,x2,…xp，来自G2分布下的一组观测样本y1,y2,…yq，其中，p表示为来自总体G1分布下的一组观测样本的样本数量，q表示为来自G2分布下的一组观测样本的样本数量，两个多元随机变量分布函数G1，G2间相应的能量距离统计量如表达式5所示，
其中
进一步作为优选的实施方式，本发明创造具体实施方式中，步骤3中航天器姿态控制系统故障的可检测性量化评价统计模型如表达式6所示，
其中
表示故障模式fi下，以ta时刻为起始，窗口长度为m的采样值向量。
进一步作为优选的实施方式，本发明创造具体实施方式中，步骤4中航天器姿态控制系统故障的可隔离性量化评价统计模型如表达式7所示，
其中
表示故障模式fi下，以ta时刻为起始，窗口长度为m的采样量，而
表示故障模式fj下，以t′b时刻为起点，窗口长度为n的采样量。
举一具体实施例进行详细说明，航天器姿态控制系统中，所述星敏感期器用于测量航天器的姿态角，所述陀螺用于测量航天器的角速率，为简化计算，本实施例仅考虑航天器在本体系y轴(仅考虑姿态俯仰角θ)上的离散状态空间模型，如表达式1所示，
其中x(k)＝(θ(k)dy(k)by(k))T为系统状态变量，包括航天器姿态角、陀螺相关漂移量、陀螺常值漂移量；u(k)＝(ω0+dy(k)+by(k)00)T为系统控制变量，ω0为航天器轨道角速度；f(k)＝(fgy(k)fhθ(k))T为系统故障变量，包括陀螺故障和星敏感器故障；w(k)＝(ny(k)ndy(k)nby(k))T为系统过程噪声，包括陀螺测量噪声、相关漂移量噪声、常值漂移量噪声；y(k)＝θ(k)为星敏感器姿态测量输出量；v(k)＝nθ(k)为星敏感器测量噪声；此外，对应的系统矩阵A、Bu、Bf、Bw、C、Du、Df、Dv分别为：
C＝[1 00]，Du＝[0 0 0]，
Dv＝1；dt为采样时间间隔；τy为陀螺相关漂移时间常数。
以上离散状态空间模型中，各参数仿真取值设置为：dt＝0.1s，仿真时长1000s，τy＝1/10，ω0＝0.08rad/s，ny～N(0,10-6)，nby～N(0,10-4)，ndy～N(0,10-5)，nθ～N(0,5×10-5)，星敏感器和陀螺的故障模式均包括：常值偏差型故障fcs、偏差增大型故障模式frs两种模式。
设置累计采样窗口长度：9+1，即n＝9，对航天器姿态控制系统的离散状态空间模型中的系统状态变量、姿态测量输出变量、系统控制输入变量、故障变量、系统过程噪声、系统测量噪声，进行累计10次采样，并对采样后得到的向量进行重新组合，将姿态测量输出变量和系统控制输入变量组合为系统输入输出向量，系统过程噪声和系统测量噪声组合为系统不确定性噪声向量，即z＝(y[k-n+1]T,...,y[k]T,u[k-n+1]T,...,u[k]T)T，x＝(x[k-n+1]T,...,x[k]T,x[k+1]T)T，f＝(f[k-n+1]T,...,f[k]T)T，e＝(w[k-n+1]T,...,w[k]T,v[k-n+1]T,...,v[k]T)T，之后得到如表达式2所示的时间堆积方程，Lz＝Hx+Ff+Ee，其中
对所述时间堆积方程，Lz＝Hx+Ff+Ee，利用齐次线性方程组求解方法，求出H的左零元NH，消去系统状态量x，得到含有姿态测量、系统控制、故障、系统噪声等向量的系统标准方程NHLz＝NHFf+NHEe。
构建航天器姿态控制系统的故障可检测性量化评价统计模型，设置m＝10，对于星敏感器和陀螺的常值偏差型故障模式fcsi＝[1 1 1 1]T进行可检测性量化评价，得到的可检测性量化评价统计量如表1所示。
构建航天器姿态控制系统的故障可隔离性量化评价统计模型，对于星敏感器和陀螺的偏差增大型故障模式frsi＝[1 3 5 7]T，进行可隔离性量化评价，得到的可隔离性量化评价统计量如表2所示。
从表1可以看出，对于星敏感器和陀螺的常值偏差型故障模式，故障fgy和fhθ都可以被检测，可检测性指标分别为5.462，0.245，说明陀螺故障更易被检测；两类传感器的故障的可隔离性指标为：4.984，fgy和fhθ之间可以被隔离。
同样表2可以看出，对于星敏感器和陀螺的偏差增大型故障模式，故障fgy和fhθ也可以被检测，可检测性指标分别为27.365，12.105，也说明陀螺故障更易被检测；两类传感器的故障的可隔离性指标为：9.451，fgy和fhθ之间可以被隔离。
此外，对于同类传感器，对于常值偏差型故障模式，偏差增大型故障模式更易被检测和隔离。
另外需要说明的是，本发明创造为详细说明的部分属于本领域技术人员的公知常识。
以上对本发明的较佳实施方式进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变型或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。
Claims (2)
1.一种航天器姿态控制系统故障可诊断性定量分析方法，其特征在于，包括以下步骤：
步骤1.设置由星敏感器和陀螺组成的航天器姿态控制系统的离散状态空间模型，对所述离散状态空间模型，按照时间序列进行多次采样和变量重组，得到含有姿态测量输出变量、系统控制输入变量、系统状态变量、故障变量、系统过程噪声、系统测量噪声的时间堆积方程；
步骤2.对所述时间堆积方程进行模型归一化处理，得到系统标准静态方程；
步骤3.对所述系统标准静态方程，结合故障向量、姿态测量向量、系统控制向量的多元随机变量分布函数的能量距离，构建航天器姿态控制系统故障的可检测性量化评价统计模型；
步骤4.对所述系统标准静态方程，结合不同故障模式下，故障向量、姿态测量向量、系统控制向量分布函数的能量距离，构建航天器姿态控制系统故障的可隔离性量化评价统计模型；
步骤1中所述离散状态空间模型如下所示，
其中x∈Rs是s维的系统状态变量，y∈Rm是m维的姿态测量输出变量，u∈Rq是q维的系统控制输入变量，f∈Rp是p维的故障变量，包括传感器故障fs和执行器故障fa，w∈Rl是l维的系统过程噪声，v∈Rt是t维的系统测量噪声；k、k+1为相应的采样时刻；A为状态转移矩阵，Bu为控制系统矩阵，Bf为故障系统矩阵，Bw为过程噪声系统矩阵，C为测量系统矩阵，Du为测量控制系统矩阵，Df为测量故障系统矩阵、Dv为测量噪声系统矩阵；
步骤1中对所述离散状态空间模型进行多次采样和变量重组的过程包括：设置累计采样窗口长度为n+1，对航天器姿态控制系统的离散状态空间模型中的系统状态变量、姿态测量输出变量、系统控制输入变量、故障变量、系统过程噪声、系统测量噪声，进行累计n+1次采样，并对采样后得到的向量进行重新组合，将姿态测量输出y和系统控制输入u组合为系统输入输出向量z，系统过程噪声w和系统测量噪声v组合为系统不确定性噪声向量e；
步骤1中所述含有姿态测量输出变量、系统控制输入变量、系统状态变量、故障变量、系统过程噪声、系统测量噪声的时间堆积方程如下所示，Lz＝Hx+Ff+Ee，其中
步骤2中对所述时间堆积方程进行模型归一化处理，得到系统标准静态方程的过程包括：对步骤1中所述时间堆积方程Lz＝Hx+Ff+Ee，求出H的左零元NH，即使得NHH＝0的NH，消去系统状态变量x，进而得到含有姿态测量向量、系统控制向量、故障向量、系统噪声向量的系统标准静态方程，所述系统标准静态方程如下所示，NHLz＝NHFf+NHEe；
步骤3中，两个多元随机变量的能量距离D(G1,G2)，定义如下所示，
其中，随机变量ξ，ξ′分布函数为G1，随机变量η，η′分布函数为G2，||·||为向量2-范数，E表示期望；对于来自总体G1分布下的一组观测样本x1,x2,…xp，来自G2分布下的一组观测样本y1,y2,…yq，其中，p表示为来自总体G1分布下的一组观测样本的样本数量，q表示为来自G2分布下的一组观测样本的样本数量，两个多元随机变量分布函数G1，G2间相应的能量距离统计量如下所示，
其中
其中T表示能量距离统计量，T1，T2，T3均表示中间变量；
步骤3中航天器姿态控制系统故障的可检测性量化评价统计模型如下所示，
其中，L表示为如下：
NH表示矩阵H的左零元，
表示故障模式fi下，以ta时刻为起始，窗口长度为m的采样值向量。
2.根据权利要求1所述的一种航天器姿态控制系统故障可诊断性定量分析方法，其特征在于，步骤4中航天器姿态控制系统故障的可隔离性量化评价统计模型如下所示，
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810001171.4A CN108181917B (zh) | 2018-01-02 | 2018-01-02 | 一种航天器姿态控制系统故障可诊断性定量分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810001171.4A CN108181917B (zh) | 2018-01-02 | 2018-01-02 | 一种航天器姿态控制系统故障可诊断性定量分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108181917A CN108181917A (zh) | 2018-06-19 |
| CN108181917B true CN108181917B (zh) | 2021-07-13 |
Family
ID=62549774
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810001171.4A Withdrawn - After Issue CN108181917B (zh) | 2018-01-02 | 2018-01-02 | 一种航天器姿态控制系统故障可诊断性定量分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108181917B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107544460B (zh) * | 2017-09-05 | 2019-08-09 | 北京控制工程研究所 | 考虑航天器控制系统非完全失效故障的可诊断性量化方法 |
| CN109143558B (zh) * | 2018-10-11 | 2023-08-08 | 佛山科学技术学院 | 一种小型化全天候星敏感器光学系统 |
| CN109212750B (zh) * | 2018-10-11 | 2023-08-08 | 佛山科学技术学院 | 一种长焦距无热化星敏感器光学系统 |
| CN110502023B (zh) * | 2019-07-18 | 2020-10-27 | 南京航空航天大学 | 一种基于分布式智能敏感器的航天器姿态确定实现方法 |
| CN110703738B (zh) * | 2019-10-28 | 2022-05-06 | 长光卫星技术股份有限公司 | 监督局部线性嵌入的卫星姿态控制系统故障检测方法 |
| 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 |
| CN111290366B (zh) * | 2020-02-12 | 2022-05-27 | 北京科技大学顺德研究生院 | 一种航天器姿控系统多故障诊断方法 |
| CN111562794B (zh) * | 2020-04-08 | 2021-09-14 | 中南大学 | 执行器故障和输入量化的航天器姿态控制方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0850816A2 (en) * | 1996-12-25 | 1998-07-01 | Kabushiki Kaisha Toyota Chuo Kenkyusho | Diagnostic apparatus for a dynamic system, braking pressure estimation device, anti-lock brake controller, and braking pressure controller |
| EP0881146A2 (en) * | 1997-05-29 | 1998-12-02 | TRW Inc. | In situ method and system for autonomous fault detection, isolation and recovery in spacecraft |
| CN103697915A (zh) * | 2013-12-24 | 2014-04-02 | 北京控制工程研究所 | 一种考虑干扰影响的卫星敏感器故障可诊断性评价方法 |
| CN104614989A (zh) * | 2014-12-26 | 2015-05-13 | 北京控制工程研究所 | 提高故障可诊断性的航天器姿态感知系统优化配置方法 |
| CN105843240A (zh) * | 2016-04-08 | 2016-08-10 | 北京航空航天大学 | 一种考虑执行器故障的航天器姿态积分滑模容错控制方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106325264B (zh) * | 2016-11-04 | 2018-08-14 | 山东科技大学 | 一种无人机飞行控制系统的故障可分离性评价方法 |
| CN106742068B (zh) * | 2016-12-07 | 2019-01-04 | 中国人民解放军国防科学技术大学 | 一种诊断卫星姿态控制系统未知故障的方法 |
-
2018
- 2018-01-02 CN CN201810001171.4A patent/CN108181917B/zh not_active Withdrawn - After Issue
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0850816A2 (en) * | 1996-12-25 | 1998-07-01 | Kabushiki Kaisha Toyota Chuo Kenkyusho | Diagnostic apparatus for a dynamic system, braking pressure estimation device, anti-lock brake controller, and braking pressure controller |
| EP0881146A2 (en) * | 1997-05-29 | 1998-12-02 | TRW Inc. | In situ method and system for autonomous fault detection, isolation and recovery in spacecraft |
| CN103697915A (zh) * | 2013-12-24 | 2014-04-02 | 北京控制工程研究所 | 一种考虑干扰影响的卫星敏感器故障可诊断性评价方法 |
| CN104614989A (zh) * | 2014-12-26 | 2015-05-13 | 北京控制工程研究所 | 提高故障可诊断性的航天器姿态感知系统优化配置方法 |
| CN105843240A (zh) * | 2016-04-08 | 2016-08-10 | 北京航空航天大学 | 一种考虑执行器故障的航天器姿态积分滑模容错控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 动态系统实际故障可诊断性的量化评价研究;李文博等;《自动化学报》;20150331;第41卷(第3期);第497-503页 * |
| 基于能量的距离推广的Ward聚类算法研究;陈兴荣等;《统计与决策》;20171130;第22卷;第21-25页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108181917A (zh) | 2018-06-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108181917B (zh) | 一种航天器姿态控制系统故障可诊断性定量分析方法 | |
| Elokda et al. | Data‐enabled predictive control for quadcopters | |
| US8121818B2 (en) | Method and system for diagnostics of apparatus | |
| Weeks et al. | A note on the determination of connectedness in an N-way cross classification | |
| CN109359432A (zh) | 一种动量轮寿命预测方法 | |
| Naresky | Reliability definitions | |
| Fernández et al. | Telemetry anomaly detection system using machine learning to streamline mission operations | |
| Patton et al. | Reliable fault diagnosis scheme for a spacecraft attitude control system | |
| CN111076744B (zh) | 一种基于自编码观测器的卫星敏感器故障检测定位方法 | |
| Raley et al. | Orbitoutlook: autonomous verification and validation of non-traditional data for improved space situational awareness | |
| Xu et al. | Integrated system health management-based progressive diagnosis for space avionics | |
| Dutta et al. | Rotor Fault Detection and Identification on a Hexacopter Based on Statistical Time Series Methods | |
| Tong et al. | Machine learning for uav propeller fault detection based on a hybrid data generation model | |
| Barua et al. | A diagnostic tree approach for fault cause identification in the attitude control subsystem of satellites | |
| Bittner et al. | Fault detection, isolation, and recovery techniques for large clusters of inertial measurement units | |
| Orejas et al. | Implementation and testing of clustered ARAIM in a GPS/Galileo receiver | |
| Zhang et al. | A methodology for optimum sensor localization/selection in fault diagnosis | |
| Nasri et al. | Spacecraft actuator diagnosis with principal component analysis: application to the rendez‐vous phase of the Mars sample return mission | |
| Wang | Reliability analysis in Kalman filtering | |
| Okatan et al. | Kalman filter innovation sequence based fault detection in LEO satellite attitude determination and control system | |
| Gueddi et al. | VPCA-based fault diagnosis of spacecraft reaction wheels | |
| Zhang et al. | Fault monitoring and diagnosis of aerostat actuator based on pca and state observer | |
| Casey et al. | Recent radiation test results on cots ai edge processing asics | |
| Hoffmann et al. | Fault tolerant relative navigation using inertial and relative sensors | |
| Babuscia et al. | Risk-based space system design: A novel probabilistic approach to design risk for small satellites |
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 | ||
| AV01 | Patent right actively abandoned | ||
| AV01 | Patent right actively abandoned | ||
| AV01 | Patent right actively abandoned |
Granted publication date: 20210713 Effective date of abandoning: 20240311 |
|
| AV01 | Patent right actively abandoned |
Granted publication date: 20210713 Effective date of abandoning: 20240311 |