CN110031871B - 基于电压和角动量关系的动量轮故障检测方法 - Google Patents

基于电压和角动量关系的动量轮故障检测方法 Download PDF

Info

Publication number
CN110031871B
CN110031871B CN201910130677.XA CN201910130677A CN110031871B CN 110031871 B CN110031871 B CN 110031871B CN 201910130677 A CN201910130677 A CN 201910130677A CN 110031871 B CN110031871 B CN 110031871B
Authority
CN
China
Prior art keywords
momentum
angular momentum
time interval
momentum wheel
wheel
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
Application number
CN201910130677.XA
Other languages
English (en)
Other versions
CN110031871A (zh
Inventor
李赣华
李建成
曹亚妮
魏峻
樊恒海
陈剑平
徐敏强
兰宝君
董黎
梁敏
李永华
楚江
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.)
China Xian Satellite Control Center
Original Assignee
China Xian Satellite Control Center
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 China Xian Satellite Control Center filed Critical China Xian Satellite Control Center
Priority to CN201910130677.XA priority Critical patent/CN110031871B/zh
Publication of CN110031871A publication Critical patent/CN110031871A/zh
Application granted granted Critical
Publication of CN110031871B publication Critical patent/CN110031871B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/20—Integrity monitoring, fault detection or fault isolation of space segment

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Regulating Braking Force (AREA)

Abstract

本发明公开的基于电压和角动量关系的动量轮故障检测方法，首先以动量轮的角动量的遥测数据为基准，以角动量的不同变化量进行分段，其次计算每个角动量变化段对应的时间间隔内输入电压值的平均值，并将所有时间段内的电压平均值与角动量变化时间形成求其反比例系数，然后求取每个时间段的反比例系数的均值和标准差，计算异常阈值，最后按照上述过程对需要进行故障检测的遥测数据进行处理，获得当前段平均控制输入电压值与角动量变化时间间隔的反比例系数k′，若k′大于异常阈值，则表明动量轮有故障，若k′小于等于异常阈值，则表明动量轮无故障。本发明公开的方法利用提取出的特征量的统计特性，实现动量轮微小故障的检测及故障的早期预警。

Description

基于电压和角动量关系的动量轮故障检测方法
技术领域
本发明属于卫星太空故障诊断技术领域，涉及一种基于电压和角动量关系的动量轮故障检测方法。
背景技术
卫星是一类重要的航天器，由于太空环境的复杂性和恶劣性，长期在轨运行可能出现故障，特别是作为其重要执行机构的动量轮，难免发生各种异常情况。因此，对其进行故障诊断方面的研究具有重要意义。
目前广泛使用的动量轮故障检测方法主要是以单个测量参量为诊断依据，从限制检测和连续性监测两方面来进行故障诊断，这些方法对于较为严重的故障可以进行很好的故障检测。但是，不能实现微小故障的有效及时地检测。因此，本发明从遥测数据入手，分析多参量间的关联性，具体以动量轮电压和角动量间的关联关系为基础获得特征量，并进行故障诊断，以实现动量轮故障的早期预警，更好应用于工程实际中。
发明内容
本发明的目的是提供一种基于电压和角动量关系的动量轮故障检测方法，解决了目前通过单一参变量进行限制检测及连续性检测的方法，不能实现动量轮微小故障有效检测的问题。
本发明所采用的技术方案是，基于电压和角动量关系的动量轮故障检测方法，具体按照以下步骤进行：
步骤1.选择动量轮的正常情况下的遥测数据，以动量轮的角动量的遥测数据为基准，以角动量的不同变化量进行分段，任意顺次的两个相邻分段时刻确定了一个角动量变化段，并顺次标记为j，则j＝1,2,3,…,N，令角动量第j段变化的时间间隔为Δtj，时间变化总数为N；
步骤2.计算每个角动量变化段对应的时间间隔Δtj，并记录每个时间间隔Δtj内的所有时刻相对应的采样电压值；
步骤3.将每个时间间隔Δtj内的所有采样电压值相加并求平均值，记为每个时间间隔Δtj内的平均控制输入电压值Uj；
步骤4.令第j段变化的时间间隔为Δtj，第j段时间间隔内的平均控制输入电压值Uj，则输入电压与角动量变化时间的反比例系数为k＝Uj*Δtj在一定范围内会有波动；
步骤5.求取N段内反比例系数k的均值和标准差，记做
Figure BDA0001975210710000024
和σ，则异常阈值设定为
Figure BDA0001975210710000023
步骤6.根据步骤5得到的异常阈值对动量轮进行故障检测时，首先按照步骤1至4对遥测数据进行处理，获得当前段平均控制输入电压值与角动量变化时间间隔的反比例系数k′，若k′大于异常阈值，则表明动量轮有故障，若k′小于等于异常阈值，则表明动量轮无故障。
本发明的其他特点还在于，
步骤5中反比例系数k的均值和标准差的具体计算公式如下：
Figure BDA0001975210710000021
Figure BDA0001975210710000022
本发明的有益效果是，基于电压和角动量关系的动量轮故障检测方法，解决了目前通过单一参变量进行限制检测及连续性检测的方法，不能实现动量轮微小故障有效检测的问题。能够对动量轮进行早期的故障检测，通过得到表征电压和角动量间不变的关联系数，在对该系数采用统计分析的方法来确定动量轮的状态，实现有效的故障检测。
附图说明
图1是本发明的故障诊断方法流程图；
图2是实施例中输入电压的遥测数据；
图3是实施例中角动量的遥测数据；
图4是实施例中角动量与分段平均输入电压的关系图；
图5是实施例中角动量与电压关联系数检测图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明的基于电压和角动量关系的动量轮故障检测方法，之所以选择角动量的变化为基准，是因为动量轮的工作原理可采用如下的时域方程描述：
Figure BDA0001975210710000031
E(t)＝KeΩ(t)
Figure BDA0001975210710000032
其中，U(t)为电机电枢电压；E(t)为电枢反电动势；R,L分别为电枢电阻和电感；J为动量轮的转动惯量；M(t)为电机电磁力矩；Ω(t)为动量轮转速；Ke为电势常数；Km为力矩常数；Md(t)为电机轴系摩擦力矩；h＝JΩ(t)为动量轮的角动量。
由于L为小量可忽略，所以得到如下传递函数：
Figure BDA0001975210710000041
将h(s)＝JΩ(s)代入式2，得到传递函数：
Figure BDA0001975210710000042
对于以力矩模式工作的动量轮，由于控制电压uc与期望控制力矩Tc成正比，设其比例系数为K1，则动量轮的实际控制力矩
Figure BDA0001975210710000043
与期望控制力矩Tc的传递函数为：
Figure BDA0001975210710000044
其中，
Figure BDA0001975210710000045
为比例常数，又由于
Figure BDA0001975210710000046
通常很小，所以，
Figure BDA0001975210710000047
与Tc成正比，因此，控制电压uc与实际控制力矩
Figure BDA0001975210710000048
正比，即
Figure BDA0001975210710000049
由此，输入电压与动量轮的角动量的微分近似成比例关系。即，角动量变化快，则电压值大；角动量变化慢，则电压值小。
通常，在离散时间系统中，所采用的差分代替微分在该模型的建立中遇到困难，原因是从采样所获得的数据分析可见，角动量变量成阶梯状，在某局部时间步长维持某恒定幅值，而不是体现在相邻采样点时间点的幅值变化。由此，根据
Figure BDA00019752107100000410
当dh(t)为某常值时，即每次的角动量变化相同时，若所需变化时间大(即dt大)，则
Figure BDA00019752107100000411
小；若所需变化时间小(即dt小)，则
Figure BDA0001975210710000051
大；因此，每次的角动量变化量dh(t)相同时，角动量变化率
Figure BDA0001975210710000052
与变化时间dt成反比；从而输入电压与变化时间dt成反比，即，
Figure BDA0001975210710000053
其中k为比例系数。
通过对比例系数k的统计分析，计算得到其均值和方差，依据这些统计量可以设定异常值阈值，作为动量轮性能变化的判据，从而对其进行故障检测。当动量轮当前的比例系数超出其应处于的统计范围时，表明动量轮性能参数发生变化，动量轮有异常。
本发明的方法采用角动量与电压的关系进行动量轮故障检测，具有采样频率更高，稳定度更好，有利于得到更好的检测精度的优势。
本发明的基于电压和角动量关系的动量轮故障检测方法，如图1所示，具体按照以下步骤进行：
步骤1.以动量轮的角动量的遥测数据为基准，以角动量的不同变化量进行分段，任意顺次的两个相邻分段时刻确定了一个角动量变化段，并顺次标记为j，则j＝1,2,3,…,N，令角动量第j段变化的时间间隔为Δtj，时间变化总数为N；
步骤2.计算每个角动量变化段对应的时间间隔Δtj，并记录每个时间间隔Δtj内的所有时刻相对应的采样电压值；
步骤3.将每个时间间隔Δtj内的所有采样电压值相加并求平均值，记为每个时间间隔Δtj内的平均控制输入电压值Uj；
每段时间间隔内的平均输入电压值应与该段变化时间成反比例关系，即满足变化时间长，电压值小；变化时间短，电压值大；每段时间间隔内，用平均控制输入电压值乘以时间变化量，所得结果即为输入电压与变化时间的反比例系数，该值应近似为某常值；
步骤4.令第j段变化的时间间隔为Δtj，第j段时间间隔内的平均控制输入电压值Uj，则输入电压与角动量变化时间的反比例系数为k＝Uj*Δtj在一定范围内会有波动；
步骤5.求取N段内反比例系数k的均值和标准差，记做
Figure BDA0001975210710000061
和σ，则异常阈值设定为
Figure BDA0001975210710000062
步骤5中反比例系数k的均值
Figure BDA0001975210710000063
和标准差σ的具体计算公式如下：
Figure BDA0001975210710000064
Figure BDA0001975210710000065
步骤6.根据步骤5得到的异常阈值对动量轮进行故障检测时，首先按照步骤1至步骤4对遥测数据进行处理，获得当前段平均控制输入电压值与角动量变化时间间隔的反比例系数k′，若k′大于异常阈值，则表明动量轮有故障，若k′小于等于异常阈值，则表明动量轮无故障。
本发明的方法基本原理如下：
(1)关联关系模型的建立：根据实际卫星中，飞轮的工作模式，以及实际可得遥测数据的类型特点，建立遥测电压与遥测角动量的关联关系模型，以其比例系数作为检测的特征量。通过原理分析可知，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)关联关系系数的求取：根据遥测参数的特点，考虑遥测电压和角动量采样频率不同的限制，采用角动量分段、电压平均的处理方式，获得关联关系系数。
(3)基于统计分析的故障检测：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。
结合本发明的方法给出如下实施例子：
以无故障的动量轮的历史数据为对象进行上述分析处理，计算其角动量和电压的关联系数值，得到其均值和方差分别为
Figure BDA0001975210710000071
和σ＝0.2602，则异常值阈值设定为
Figure BDA0001975210710000072
从而可以对动量轮进行实时的故障检测。
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，根据当前动量轮的输入电压和角动量的遥测数据，如图2和3所示，通过步骤1至步骤4，获得相应的平均控制输入电压值与角动量对应关系，如图4所示。进而计算各段时间历程电压与角动量的关联系数，如图5所示。由此可见，从第五段时间历程开始，关联系数超出阈值，即动量轮有故障发生。
如果应用传统的检测方法，由于电压的允许变化范围为[-5,+5]，动量轮角动量的允许变化范围为[-15,15]。当动量轮出现微小故障时，其电压和角动量的测数据均分别在各自的报警阈值内，所以不能进行有效的微小故障诊断。显然，本发明提出的基于电压和角动量关系的故障诊断方法，能够对动量轮故障进行传统阈值检测范围内的精细检测，实现微小故障的早期发现。

Claims (1)

1.基于电压和角动量关系的动量轮故障检测方法，其特征在于，具体按照以下步骤进行：
步骤1.选择动量轮的正常情况下的遥测数据，以动量轮的角动量的遥测数据为基准，以角动量的不同变化量进行分段，任意顺次的两个相邻分段时刻确定了一个角动量变化段，并顺次标记为j，则j＝1,2,3,…,N，令角动量第j段变化的时间间隔为Δtj，时间变化总数为N；
步骤2.计算每个角动量变化段对应的时间间隔Δtj，并记录每个时间间隔Δtj内的所有时刻相对应的采样电压值；
步骤3.将每个时间间隔Δtj内的所有采样电压值相加并求平均值，记为每个时间间隔Δtj内的平均控制输入电压值Uj；
步骤4.令第j段变化的时间间隔为Δtj，第j段时间间隔内的平均控制输入电压值Uj，则输入电压与角动量变化时间的反比例系数为k＝Uj*Δtj在一定范围内会有波动；
步骤5.求取N段内反比例系数k的均值和标准差，记做k和σ，则异常阈值设定为
Figure FDA0004056112240000011
步骤6.根据步骤5得到的异常阈值对动量轮进行故障检测时，首先按照步骤1至4对遥测数据进行处理，获得当前段平均控制输入电压值与角动量变化时间间隔的反比例系数k′，若k′大于异常阈值，则表明动量轮有故障，若k′小于等于异常阈值，则表明动量轮无故障；
所述步骤5中反比例系数k的均值k和标准差σ的具体计算公式如下：
Figure FDA0004056112240000021
Figure FDA0004056112240000022
CN201910130677.XA 2019-02-21 2019-02-21 基于电压和角动量关系的动量轮故障检测方法 Active CN110031871B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910130677.XA CN110031871B (zh) 2019-02-21 2019-02-21 基于电压和角动量关系的动量轮故障检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910130677.XA CN110031871B (zh) 2019-02-21 2019-02-21 基于电压和角动量关系的动量轮故障检测方法

Publications (2)

Publication Number Publication Date
CN110031871A CN110031871A (zh) 2019-07-19
CN110031871B true CN110031871B (zh) 2023-04-11

Family

ID=67235690

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910130677.XA Active CN110031871B (zh) 2019-02-21 2019-02-21 基于电压和角动量关系的动量轮故障检测方法

Country Status (1)

Country Link
CN (1) CN110031871B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110487327B (zh) * 2019-08-13 2021-08-17 中铁十二局集团有限公司 一种机械设备电气系统的运行状态检测系统
CN116202558B (zh) * 2023-05-04 2023-08-01 中国西安卫星测控中心 基于增量式数据统计的cmg转动部件工况检测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017088354A1 (zh) * 2015-11-27 2017-06-01 张泽 设备故障诊断方法、装置及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7701381B2 (en) * 2008-07-18 2010-04-20 Raytheon Company System and method of orbital angular momentum (OAM) diverse signal processing using classical beams
CN102999042B (zh) * 2012-11-30 2015-07-08 北京控制工程研究所 深空探测器gnc系统分层自主故障诊断方法
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
CN108657468B (zh) * 2018-04-20 2020-08-14 北京控制工程研究所 一种具有最大角动量包络的动量轮驱动力矩分配方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017088354A1 (zh) * 2015-11-27 2017-06-01 张泽 设备故障诊断方法、装置及系统

Also Published As

Publication number Publication date
CN110031871A (zh) 2019-07-19

Similar Documents

Publication Publication Date Title
Liu et al. Fault detection and diagnosis of permanent-magnet DC motor based on parameter estimation and neural network
EP2682835B1 (en) Environmental control systems and techniques for monitoring heat exchanger fouling
Zhang et al. A wavelet-based approach to abrupt fault detection and diagnosis of sensors
JP3254624B2 (ja) スティックスリップ検出方法および検出装置
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
CN110031871B (zh) 基于电压和角动量关系的动量轮故障检测方法
EP1643332A2 (en) Hybrid model based fault detection and isolation system
CN113391621B (zh) 一种电动仿真测试转台的健康状态评估方法
EP2889712A2 (en) Self-diagnostic process control loop for a process plant
US7323868B2 (en) System and method for temperature independent measurement of standoff distance using an eddy current sensor
Patton et al. Robustness in quantitative model-based fault diagnosis
CN109883691A (zh) 核估计和随机滤波集成的齿轮剩余寿命预测方法
CN110174261A (zh) 多退化量监测的齿轮实时剩余寿命预测方法
US8355879B2 (en) Trending of vibration data taking into account torque effect
Bittencourt et al. Modeling and identification of wear in a robot joint under temperature uncertainties
CN111505500B (zh) 一种工业领域基于滤波的电机智能故障检测方法
CN105867360A (zh) 一种机电控制系统的初值预估迭代学习故障诊断算法
CN113468721A (zh) 一种对齿轮减速箱中齿轮和轴承剩余寿命的预测方法
US20170073064A1 (en) Rotor system structural fault estimation
US7949497B2 (en) Machine condition monitoring using discontinuity detection
Xiao et al. Prognosis of electric scooter with intermittent faults: Dual degradation processes approach
CN114942139A (zh) 齿轮箱中考虑轴承退化影响的齿轮剩余寿命预测方法
CN109597403A (zh) 基于迭代学习滤波器的机电控制系统故障诊断方法
US20050246593A1 (en) Methods and apparatus for providing alarm notification
US20220099717A1 (en) Frequency sensing systems and methods

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