CN112651078B - 一种基于符号动力学的箭体结构状态异常检测方法 - Google Patents
一种基于符号动力学的箭体结构状态异常检测方法 Download PDFInfo
- Publication number
- CN112651078B CN112651078B CN202011389598.XA CN202011389598A CN112651078B CN 112651078 B CN112651078 B CN 112651078B CN 202011389598 A CN202011389598 A CN 202011389598A CN 112651078 B CN112651078 B CN 112651078B
- Authority
- CN
- China
- Prior art keywords
- telemetry data
- rocket
- frequency
- carrier rocket
- body structure
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Geometry (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Automation & Control Theory (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Testing Of Engines (AREA)
Abstract
本发明提供了一种基于符号动力学的箭体结构状态异常检测方法,将遥测数据的周期特征作为箭体结构异常检测的特征量,适用于运载火箭飞行过程中的箭体结构异常检测。本发明针对箭体的遥测数据,传统的频率特征提取方法无法表征结构频率增加的现象,而本发明能够利用单变量提取频率变化特征。通过符合动力学方法提取遥测数据的周期特征来检测箭体结构状态的变化趋势,由对此周期特征的距离指标来确定箭体结构状态的变异程度,进而来进行有效的箭体结构状态异常检测,解决现有检测方法基于频率特征判断箭体模态参数变化规律不够准确的问题。
Description
技术领域
本发明属于箭体结构状态检测技术领域,尤其涉及一种基于符号动力学的箭体结构状态异常检测方法。
背景技术
运载火箭是一种携带有效载荷至指定地点的飞行器,其飞行过程的力学环境恶劣,结构部件的异常容易导致发射任务失败,由于测点数量有限,导致运载火箭的故障归零存在困难,故障定位不清楚。运载火箭能将载荷送到指定地点,因而在空间试验、环境研究、卫星通信等研究领域得到广泛的应用。然而,由于释放有效载荷,运载火箭在飞行过程中会出现舱段分离、反推发动机、姿控发动机工作等现象,导致其质量特性和连接刚度特性的变化规律复杂,加上运载火箭可安装的传感器数量有限,导致运载火箭的箭体结构故障难以得检测与定位。有必要对其进行箭体结构异常检测方面的研究,能够判断运载火箭发生故障的时刻,检测运载火箭的箭体结构状态在飞行过程中出现的异常现象。
现有的运载火箭箭体结构异常检测方法较少,只是提取了火箭飞行过程的模态参数或者识别飞行过程的载荷。比如王亮(王亮,蔡毅鹏,朱辰,等.基于ARMA-NExT的飞行器工作模态辨识技术研究[J].导弹与航天运载技术,2017(1):18-21;)针对某飞行器的实际遥测数据,采用了ARMA-NExT混合模型分析遥测数据,预测模态频率随时间变化的规律。王洪波(王洪波,赵长见,廖选平,等.基于飞行工作模态分析的飞行器动载荷识别研究[J].动力学与控制学报,2017,15(2):178-183.)针对飞行遥测振动数据,采用ERA环境激励模态辨识方法对飞行器各时刻的模态(模态频率、模态振型)进行辨识,并进行动载荷识别。杜飞平(飞平,谭永华,陈建华,等.基于ARMA时序分析的液体火箭发动机模态参数辨识方法[J].火箭推进,2010,36(6):19-24.)在液体火箭发动机模态参数辨识领域,将基于时域识别的ARMA时序分析法应用到该领域,计算获得了较为精确的模态参数,并且还进行了液体火箭发动机结构非线性影响检测。但上述文献均未涉及使用运载火箭遥测数据,利用符号动力学方法进行的运载火箭结构状态监测的研究。
现有工程上广泛应用的运载火箭箭体结构异常检测手段通常以地面力学环境试验为主,利用振动试验平台给运载火箭加载飞行过程承受的模拟力学环境,同时测试运载火箭各分部件的工作性能,以此考核运载火箭各分部件的结构性能。但是,这种方法不能对飞行过程的运载火箭箭体结构异常进行有效及时的检测,只能检测较为严重的箭体结构损坏,不能很好的分析飞行过程中的箭体结构异常以及箭体异常所发生的时间段。
发明内容
有鉴于此,本发明提供了一种基于符号动力学的箭体结构状态异常检测方法,将遥测数据的周期特征作为箭体结构异常检测的特征量,适用于运载火箭飞行过程中的箭体结构异常检测。
为实现上述目的,本发明的一种基于符号动力学的箭体结构状态异常检测方法,包括如下步骤:
步骤1,获取运载火箭在飞行过程中的遥测数据,对遥测数据进行数据分段,获得不同时间段遥测数据;
步骤2,针对各个时间段遥测数据,分别采用符号动力学方法对遥测数据的振动响应信息进行特征提取;
对于一个时间段遥测数据的特征提取,包括如下子步骤:
步骤2.1,根据运载火箭的箭体结构状态,设定符号动力学字符总数n;
步骤2.2,利用符号动力学算法对该时间段遥测数据的时间序列数据进行分割,划分出n个符号动力学状态;计算n个符号动力学状态之间的转移概率,组成马尔科夫矩阵;
步骤2.3,对马尔科夫矩阵进行特征值进行求解,获得特征值为1的特征向量,完成特征提取;
步骤3,以第一时间段遥测数据对应的特征向量为基准,计算所有时间段遥测数据对应的特征向量与该基准的偏差;
统计所有时间段对应偏差的均值和方差σ,设定异常值阈值为/>其中p表征阈值检测精度;
步骤4,依次判断所有时间段遥测数据对应的特征向量与基准的偏差是否超出异常值阈值,若超出则说明该时间段运载火箭的箭体结构状态异常。
其中,所述步骤1中,针对不同时间段遥测数据,采用信号降噪方法进行异常值剔除后再执行步骤2。
其中,所述步骤1中,所述遥测数据的数据分段方式为:
根据运载火箭的控制时序指令,结合遥测信号的时序数据、振动响应数据以及箭体结构频率变化,对运载火箭的弹体频率突变点进行选取,进而实现箭体结构状态的划分,同时按照箭体结构突变时刻对遥测数据进行数据分段。
有益效果:
(1)本发明基于运载火箭的遥测振动数据,通过建立遥测数据的周期特征来进行结构异常检测,实现对运载火箭的箭体结构的异常检测。其中,本发明针对运载火箭的遥测数据,传统的频率特征提取方法无法表征结构频率增加的现象,而本发明能够利用单变量提取频率变化特征。通过符合动力学方法提取遥测数据的周期特征来检测运载火箭结构状态变化趋势,由对此周期特征的距离指标来确定运载火箭结构状态的变异程度,进而来进行有效的箭体结构状态异常检测,解决现有检测方法基于频率特征判断箭体模态参数变化规律不够准确的问题。
(2)运载火箭由于在飞行过程中,发动机质量不断下降,导致其模态频率参数不断增加,然而由于遥测数据的噪声影响,其频率无法得到有效的预测,而本发明算法首先对噪声进行降噪,加上符合动力学算法对噪声有较强的抑制能力。因此,本发明能利用遥测数据预测运载火箭弹体频率逐渐增大的趋势。
附图说明
图1为本发明基于符号动力学的箭体结构状态变化的检测方法流程图。
图2为本发明根据火箭工作状态划分的时域信号示意图。
图3为本发明实施例前70s的飞行遥测数据示意图。
图4为本发明实施例功率谱识别前10s的遥测数据的频率信息示意图。
图5为本发明实施例功率谱识别前70s的遥测数据的频率信息示意图。
图6为本发明实施例前三段数据的距离指标计算结果示意图。
图7为本发明实施例运载火箭箭体结构异常检测结果示意图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
目前没有利用符号动力学的方法分析遥测数据进行运载火箭状态分析的相关技术的报导。本发明利用单变量提取频率变化特征,通过符合动力学方法提取遥测数据的周期特征来检测运载火箭结构状态变化趋势,由对此周期特征的距离指标来确定运载火箭结构状态的变异程度,进而来进行有效的箭体结构状态异常检测。
其中,运载火箭的结构的动力学方程为:
其中,M为运载火箭的质量矩阵;C为运载火箭的阻尼矩阵;K分运载火箭的刚度矩阵;F为运载火箭在飞行过程中承受的载荷(主要包含主级发动机、反推发动机的推力、飞行过程的气动力以及舵机产生的附加力矩等),x(t)为箭体结构状态,为箭体结构状态的一阶导。根据公式(1),运载火箭的模态参数——频率:
ωdr为第r阶模态阻尼固有频率;ωnr为第r阶模态无阻尼固有频率;ξ为r阶模态阻尼;其中,运载火箭的结构固有频率为:
式(3)中Mr为归一化刚度质量,Kr=为归一化刚度矩阵,和其中,/>为第r阶模态振型分量,上标T表示转置。
对n自由度的线性系统,结构在k点受到单位脉冲激励时,i点的脉冲响应函数为:
其中;分别为第i点和第k点的第r阶模态振型分量;
mr为归一化质量矩阵Mr的对角线元素第r个值。
由于发动机在工作的过程中,是通过内部药柱不断燃烧,产生高温燃气,因此运载火箭的质量由于发动机的药柱质量不断消耗而不断减少,根据式(3)可知,当运载火箭的质量不断减少,导致运载火箭的固有频率逐渐变大,这一点通过运载火箭地面的满载、空载的地面试验结果和仿真计算得到验证。因此,其运载火箭在飞行过程中的固有频率逐渐增大。
假设运载火箭箭体结构的阻尼不变,公式(2)的模态阻尼频率增大,从而导致公式(4)的遥测数据的周期特征发生变化,可以根据符号动力学方法对i测点的遥测数据进行特征提取,将其信号的周期特征作为运载火箭箭体结构状态异常变化的判据。
式中,a(t)表征运载火箭某测点的加速度响应信号,在运载火箭的箭体结构振动过程中,测点的加速度响应信号可以看做弹体在外力的作用下,发生受迫振动的结果,在运载火箭飞行过程中,测点加速度的响应可以用一个非线性函数表征;w(ts)是弹体频率的变化量,此处可以看做运载火箭固有频率ωnr对应的一阶频率,通常假设箭体结构的一阶频率值比加速度响应信号的部分其他频率值大,即:加速度信号所包含的缓变周期信号为弹体的一阶频率,这种假设与运载火箭的飞行过程相符,其他频率信号可以看作与箭体结构频率无关的频率信息;a0表征运载火箭零时刻的加速度值(一般取值为零,或者其他微小量)。
公式(4)的测点振动响应即位移、速度和加速度(其中,位移是弹体振动分析的基本变量,位移的时间导数是速度,而速度的时间导数是加速度。)可以通过公式(5)表征。公式(5)中的长周期(与箭体结构的一阶频率对应,属于加速度信号所包含的缓变周期特征)和短周期信号(与遥测加速度信号a(t)所包含的部分无用频率信息对应)特征可以通过字符特征划分,实现信号长周期特征(与箭体结构的一阶频率对应)的提取。
ai→si0si1si2…sik… (6)
其中,ai表征运载火箭遥测数据的第i段加速度响应信号;si0表示了第i段加速度响应信号通过字符映射认定的状态0,而sik表示第i段加速度响应信号通过字符映射认定的状态k。通过字符映射实现了第i段信号k+1中状态的获取。
公式(5)所对应的遥测数据通过公式(6)的字符特征划分,获得的字符序列(表示为si0si1si2…sik…或siksi1si2…si0…)通过公式(7)获得字符的状态转移概率。状态转移概率计算公式如下:
表征字符序列的/>条件概率,s代表了与/>序列不同的另外一组字符序列;/>表征条件概率可以通过字符序列出现的次数统计来等效计算,实现概率统计;其中,j,k=1…n,n为运载火箭的箭体结构状态的总个数(符号动力学字符总数),n×n个πjk概率值构成了马尔科夫矩阵。
对公式(7)进行特征值求解,获得特征值为1的特征向量。计算不同信号所对应特征向量的距离,将距离指标作为长周期特征偏移程度的度量:
Mij=norm(Vi-Vj) (8)
norm(·)为定义距离的函数,表征两个向量的距离。
式(8)的Vi为第i段遥测数据所对应的特征向量,Vj为第j段遥测数据所对应的特征向量,Mij衡量两个信号之间周期特征偏移的程度。
考虑不同时间段内,运载火箭的遥测数据包含不同的频率信息,以及其他噪声信号。采用统计量分析的方法,对其进行均值和方差计算,实际中,可以将多次遥测数据进行统一的分析,得到的统计规律可以反映运载火箭箭体结构频率参数的变化规律,根据统计量分析设定异常值阈值,从而对运载火箭进行箭体结构状态异常检测。
根据以上分析,本发明提出了一种基于符号动力学的箭体结构状态异常检测方法,工作流程图如图1所示,具体包括如下步骤:
步骤1,获取火箭在飞行过程中的遥测数据(通过加速度传感器、速度传感器或者位移传感器获得),对遥测数据进行数据分段,获得不同时间段遥测数据;
其中,根据运载火箭的控制时序指令,结合遥测信号的时序数据、遥测数据以及箭体结构频率变化,对运载火箭的弹体频率突变点进行选取,进而实现箭体结构状态的划分,同时按照箭体结构突变时刻对遥测数据进行数据分段。
运载火箭的工作阶段的划分如图2所示,运载火箭的状态大概可分为三个阶段:火箭离轨、发动机关机以及头体分离。其中,从火箭离轨到发动机关机阶段,由于发动机质量不断减少,导致遥测数据的箭体结构频率w(ts)快速增大。而发动机关机到头体分离阶段,主要箭体结构频率w(ts)缓慢增大。运载火箭的遥测数据按照10s划分,70s划分为7段遥测振动数据。
步骤2,针对各个时间段遥测数据,分别采用符号动力学方法对遥测数据的振动响应信息进行特征提取;
对于一个时间段遥测数据的特征提取,包括如下子步骤:
步骤2.1,根据运载火箭的箭体结构状态,设定符号动力学字符个数n;
运载火箭的箭体结构在控制时序下的不同状态,由于控制时序会要求运载火箭发射、姿控发动机工作以及载荷释放等动作,箭体结构发生显著变化,因而箭体结构的状态可以分5~7种。n个字符代表了运载火箭箭体结构频率信息,遥测数据包含了运载火箭箭体结构的变化信息,需要通过符合动力学提取;运载火箭的7个状态意味着运载火箭箭体结构将有显著的7次跳变,而每次跳变意味着主要的频率点(运载火箭箭体的第1个状态一阶频率30Hz,到了第2个状态下,运载火箭的一阶频率为45Hz),而在遥测信号中,符合动力学需要通过字符个数n表征这种频率信息的变化,因而需要相应个数的n个字符。实际由于噪声的影响,这种n个符合动力学的状态不一定与运载火箭箭体的状态一致,需要适当的调整,以便于利用符合动力学准确的提取遥测信号中的运载火箭箭体结构的频率信息。
步骤2.2,利用符号动力学算法对该时间段遥测数据的时间序列数据进行分割,划分出n个符号动力学状态;
计算n个符号动力学状态之间的转移概率,即获得马尔科夫矩阵;
步骤2.3,对马尔科夫矩阵进行特征值进行求解,获得特征值为1的特征向量V,完成特征提取;
步骤2.4,以第一时间段遥测数据对应的特征向量为基准,计算所有其他时间段遥测数据对应的特征向量与该基准的偏差;
所述偏差记为M1j,j=1…N,N为遥测数据总数,具体通过公式(8)来计算;
在运载火箭飞行过程中,第一时间段遥测数据出现异常的概率很低,因此采用第一时间段遥测数据对应的特征向量为基准。
步骤3,统计各段遥测数据中遥测数据的长周期特征向量与对应基准的偏差,获得统计量的均值和方差σ;
步骤4,设定异常值阈值为其中p指标表征了阈值检测精度;
根据阈值判断结构异常的状态,实现箭体结构状态异常检测,其中,超出阈值表明运载火箭的弹体频率出现异常变化,进而发现箭体结构异常变化的引发原因和故障部件。
具体地,对某一次运载火箭飞行任务进行分析,获得不同遥测数据集合对应的长周期特征偏差距离指标M1j,对N个距离指标的数值进行均值和方差的计算记做和σ,设定异常值阈值Mmax为/>其中p指标表征了阈值检测精度,取决于信号长周期特征提取的精度以及符合动力学算法的抗噪能力,两者相互制约,根据检测算法要求进行选取。根据阈值/>对运载火箭箭体结构进行异常检测,超出阈值表明运载火箭的弹体频率出现异常变化。
进一步地,状态特征进行提取前,针对分段后遥测数据,可以采用信号降噪方法对遥测数据进行异常值剔除好,实现遥测数据的初步降噪分析。
当同一型号运载火箭的遥测数据量足够大时,可利用本发明寻找运载火箭在飞行过程中,遥测数据所包含频率信息突变的时间段,进而能有助于判断运载火箭结构异常变化的时间段,结合运载火箭弹载计算机指令信息,从而辅助运载火箭寻找结构异常的部件。
结合本发明内容的具体测试例子:
对某次运载火箭飞行过程所获得的遥测数据采用本发明进行处理。其中,运载火箭测某点Y方向的前70s的飞行遥测数据(加速度信号,取决于传感器的类型,可能是位移传感器或者速度传感器)如图3所示,将Y方向的遥测数据进行划分,按照10s划分一个时间序列,一共获得7段时间序列。相对于传统的频率识别方法,如图4和图5,0s~10的频率特征频率为24Hz和55Hz,60s~70的频率特征频率仍然为24Hz和55Hz,所以根据简单的频率特征信号识别方法并不能检测遥测信号的频率信息增加的异常现象。
根据上述步骤1-3,计算遥测数据集合长周期特征的距离指标,选取前30s的遥测数据,一共划分为3段遥测数据,且以第1段遥测数据作为基准,计算第2段遥测数据与第3段遥测数据的距离指标,计算结果如图6所示。设定字符numS=2~15,当字符个数为12时,距离指标之间的差距最显著,因此,本发明选择字符个数为12。在此基础之上,得到距离指标均值和方差分别为σ=0.6582和p=0.7,设定异常值阈值为Mmax=1.2160。利用该检测阈值可以进行实时的箭体结构异常检测,如图7所示。通过与检测阈值的比较,可知第4段时间序列对应的距离指标超出阈值,表明运载火箭的箭体结构频率发生较大突变,而运载火箭在40s处关机,因此运载火箭的弹体频率突变,导致距离指标超出阈值。第7段时间序列对应的距离指标超出阈值,表明运载火箭的箭体结构频率发生较大突变,而运载火箭在70s处实现箭头、箭体分离,运载火箭的质量、刚度突变,因而导致运载火箭的弹体频率突变,最终导致距离指标超出阈值。
从第1个距离指标到第4个距离指标,可以看出其距离指标逐渐增大,这是由于前40s的发动机质量不断消耗,导致运载火箭的弹体频率逐渐增大,与图7的指标变化趋势相同,因而可以将本发明用于判断运载火箭在飞行过程中频率信息的变化趋势。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于符号动力学的箭体结构状态异常检测方法,其特征在于,包括如下步骤:
步骤1,获取运载火箭在飞行过程中的遥测数据,对遥测数据进行数据分段,获得不同时间段遥测数据;
其中,所述遥测数据的数据分段方式为:
根据运载火箭的控制时序指令,结合遥测信号的时序数据、振动响应数据以及箭体结构频率变化,对运载火箭的箭体频率突变点进行选取,进而实现箭体结构状态的划分,同时按照箭体结构突变时刻对遥测数据进行数据分段;
步骤2,针对各个时间段遥测数据,分别采用符号动力学方法对遥测数据的振动响应信息进行特征提取;
对于一个时间段遥测数据的特征提取,包括如下子步骤:
步骤2.1,根据运载火箭的箭体结构状态,设定符号动力学字符总数n;
步骤2.2,利用符号动力学算法对该时间段遥测数据的时间序列数据进行分割,划分出n个符号动力学状态,具体如下:
对n自由度的线性系统,结构在k点受到单位脉冲激励时,i点的脉冲响应函数为:
其中;分别为第i点和第k点的第r阶模态振型分量;mr为归一化质量矩阵Mr的对角线元素第r个值;ωdr为第r阶模态阻尼固有频率;ωnr为第r阶模态无阻尼固有频率;ξ为r阶模态阻尼;
根据符号动力学方法对i测点的遥测数据进行特征提取,将其信号的周期特征作为运载火箭箭体结构状态异常变化的判据:
式中,a(t)表征运载火箭某测点的加速度响应信号,在运载火箭的箭体结构振动过程中,测点的加速度响应信号看做弹体在外力的作用下,发生受迫振动的结果,在运载火箭飞行过程中,测点加速度的响应用一个非线性函数表征;w(ts)是弹体频率的变化量,看做运载火箭固有频率ωnr对应的一阶频率,假设箭体结构的一阶频率值比加速度响应信号的部分其他频率值大,其他频率信号看作与箭体结构频率无关的频率信息;t=0时,a(t)=a(0)=a0,a0表征运载火箭零时刻的加速度值;
i点的脉冲响应函数的测点振动响应即位移、速度和加速度通过a(0)=a0表征,其中的长周期和短周期信号特征通过字符特征划分,实现信号长周期特征的提取:
ai→si0si1si2…sik…
其中,ai表征运载火箭遥测数据的第i段加速度响应信号;si0表示第i段加速度响应信号通过字符映射认定的状态0,sik表示第i段加速度响应信号通过字符映射认定的状态k,通过字符映射实现第i段信号k+1中状态的获取;
计算n个符号动力学状态之间的转移概率,组成马尔科夫矩阵;
步骤2.3,对马尔科夫矩阵进行特征值进行求解,获得特征值为1的特征向量,完成特征提取;
步骤3,以第一时间段遥测数据对应的特征向量为基准,计算所有时间段遥测数据对应的特征向量与该基准的偏差;
统计所有时间段对应偏差的均值和方差σ,设定异常值阈值为/>其中p表征阈值检测精度;
步骤4,依次判断所有时间段遥测数据对应的特征向量与基准的偏差是否超出异常值阈值,若超出则说明该时间段运载火箭的箭体结构状态异常。
2.如权利要求1所述的基于符号动力学的箭体结构状态异常检测方法,其特征在于,所述步骤1中,针对不同时间段遥测数据,采用信号降噪方法进行异常值剔除后再执行步骤2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011389598.XA CN112651078B (zh) | 2020-12-02 | 2020-12-02 | 一种基于符号动力学的箭体结构状态异常检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011389598.XA CN112651078B (zh) | 2020-12-02 | 2020-12-02 | 一种基于符号动力学的箭体结构状态异常检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112651078A CN112651078A (zh) | 2021-04-13 |
CN112651078B true CN112651078B (zh) | 2023-09-08 |
Family
ID=75350049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011389598.XA Active CN112651078B (zh) | 2020-12-02 | 2020-12-02 | 一种基于符号动力学的箭体结构状态异常检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112651078B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117886241A (zh) * | 2024-03-14 | 2024-04-16 | 山东中建众力机械工程有限公司 | 基于振动分析的塔式起重机自检系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104359694A (zh) * | 2014-11-06 | 2015-02-18 | 北京强度环境研究所 | 液体火箭系统级试车工作模态及工作变形试验方法 |
CN105260604A (zh) * | 2015-10-14 | 2016-01-20 | 哈尔滨工业大学 | 基于符号动力学与云模型的卫星动量轮故障检测方法 |
CN109163622A (zh) * | 2018-08-31 | 2019-01-08 | 西安航天动力技术研究所 | 一种探空火箭可抛式反安定翼机构 |
CN109873668A (zh) * | 2019-03-08 | 2019-06-11 | 北京星际荣耀空间科技有限公司 | 基于运载火箭的数据组包方法、传输方法及系统 |
CN110907208A (zh) * | 2019-11-26 | 2020-03-24 | 蓝箭航天空间科技股份有限公司 | 一种运载火箭的模态试验方法 |
CN111027204A (zh) * | 2019-12-05 | 2020-04-17 | 中国人民解放军63620部队 | 航天发射光、雷、遥与导航卫星测量数据融合处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8826640B2 (en) * | 2010-11-12 | 2014-09-09 | Raytheon Company | Flight vehicles including electrically-interconnective support structures and methods for the manufacture thereof |
-
2020
- 2020-12-02 CN CN202011389598.XA patent/CN112651078B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104359694A (zh) * | 2014-11-06 | 2015-02-18 | 北京强度环境研究所 | 液体火箭系统级试车工作模态及工作变形试验方法 |
CN105260604A (zh) * | 2015-10-14 | 2016-01-20 | 哈尔滨工业大学 | 基于符号动力学与云模型的卫星动量轮故障检测方法 |
CN109163622A (zh) * | 2018-08-31 | 2019-01-08 | 西安航天动力技术研究所 | 一种探空火箭可抛式反安定翼机构 |
CN109873668A (zh) * | 2019-03-08 | 2019-06-11 | 北京星际荣耀空间科技有限公司 | 基于运载火箭的数据组包方法、传输方法及系统 |
CN110907208A (zh) * | 2019-11-26 | 2020-03-24 | 蓝箭航天空间科技股份有限公司 | 一种运载火箭的模态试验方法 |
CN111027204A (zh) * | 2019-12-05 | 2020-04-17 | 中国人民解放军63620部队 | 航天发射光、雷、遥与导航卫星测量数据融合处理方法 |
Non-Patent Citations (1)
Title |
---|
龚学兵.基于数据驱动方法的飞轮系统早期故障检测.《中国博士学位论文全文数据库 工程科技Ⅱ辑》.2018,C031-67. * |
Also Published As
Publication number | Publication date |
---|---|
CN112651078A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2570880B1 (en) | A method for real-time model based structural anomaly detection | |
US20110288836A1 (en) | Detection of anomalies in an aircraft engine | |
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 | |
CN102037421A (zh) | 航空器的结构元件承受的负荷判据的测算以及使用这种判据检测所谓“硬”着陆的辅助系统 | |
CN112348124B (zh) | 一种基于数据驱动的微小故障诊断方法及装置 | |
Eubank et al. | Fault detection and fail-safe operation with a multiple-redundancy air-data system | |
CN112651078B (zh) | 一种基于符号动力学的箭体结构状态异常检测方法 | |
Lu et al. | Gas path on-line fault diagnostics using a nonlinear integrated model for gas turbine engines | |
Li et al. | A data driven fault detection and isolation scheme for UAV flight control system | |
Han et al. | Quadratic-Kalman-filter-based sensor fault detection approach for unmanned aerial vehicles | |
AU2022358641A1 (en) | Spike echo state network model for fault prediction of aeroengine | |
Wang et al. | Data-driven anomaly detection of UAV based on multimodal regression model | |
CN109460071B (zh) | 航天器轨道动力异常补偿方法 | |
Hu et al. | Novelty detection methods for online health monitoring and post data analysis of turbopumps | |
CN112046761B (zh) | 一种基于统计检验和滤波的飞机结冰在线探测方法 | |
CN115218927B (zh) | 基于二次卡尔曼滤波的无人机imu传感器故障检测方法 | |
Wang et al. | A robust state estimation method for unknown, time-varying and featureless aircraft sensor failures | |
CN114839869B (zh) | 基于高压天然气循环喷气量实时检测的adrc喷气量闭环控制方法 | |
CN114964798A (zh) | 一种涡喷发动机关键参数测试系统及测试方法 | |
CN116992338B (zh) | 基于典型变量分析的飞行器imu传感器故障检测方法和装置 | |
CN108845553B (zh) | 一种针对细长飞行器的伺服弹性振动抑制综合检验方法 | |
CN112632751B (zh) | 一种基于随机子空间算法的弹体结构状态异常检测方法 | |
Zhang et al. | Health indicator extraction for electro-mechanical actuator with CHMM | |
Kehan et al. | Inductive monitoring system based fault detection for liquid-propellant rocket engines | |
Jun et al. | A concept for PHM system for storage and life extension of tactical missile |
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 |