CN113466483B - 无陀螺情况下卫星角速度异常故障在线智能诊断方法 - Google Patents
无陀螺情况下卫星角速度异常故障在线智能诊断方法 Download PDFInfo
- Publication number
- CN113466483B CN113466483B CN202110672025.6A CN202110672025A CN113466483B CN 113466483 B CN113466483 B CN 113466483B CN 202110672025 A CN202110672025 A CN 202110672025A CN 113466483 B CN113466483 B CN 113466483B
- Authority
- CN
- China
- Prior art keywords
- angular velocity
- value
- angular
- abnormal
- deviation
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C1/00—Measuring angles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Gyroscopes (AREA)
Abstract
本发明涉及无陀螺情况下卫星角速度异常故障在线智能诊断方法,属于空间飞行器故障诊断领域;步骤一、设定采样周期为Δt,记时间序列为t1,t2,…tk,…,设当前时刻为tk;步骤二、测量当前时刻姿态角为θ(k),计算当前时刻姿态角滤波值步骤三、计算当前时刻的角速度估计值和角加速度估算值步骤四、计算角速度偏差EW;步骤五、根据当前卫星是否处于姿态机动过程中,进行区分处理;步骤六、设定角速度异常概率阈值PY,分别将P1、P2与PY进行比较,判定角速度是否正常;本发明克服了差分计算角速度导致噪声较大、角速度判断阈值固定且无法在线自动调整导致误判率较高的缺陷,也避免了只能利用遥控指令人工修改阈值的困难和风险。
Description
技术领域
本发明属于空间飞行器故障诊断领域,涉及无陀螺情况下卫星角速度异常故障在线智能诊断方法。
背景技术
卫星在轨工作时如果发生角速度异常,通常预示着严重故障。如果不能快速诊断的话,将导致卫星失控乃至解体等灾难性后果。通常情况下,星体角速度信息可以由陀螺提供。在这种情况下,通过对角速度信息的综合判断,通常不难判断出卫星的实际角速度是否发生异常。但是,如果陀螺发生故障而无法提供某一轴或多个轴的角速度信息时,卫星角速度异常故障的诊断难度将大幅增加。
发明内容
本发明解决的技术问题是:克服现有技术的不足,提出无陀螺情况下卫星角速度异常故障在线智能诊断方法,克服了差分计算角速度导致噪声较大而导致误差较大的问题,提高在线诊断的精确度。
本发明解决技术的方案是:
本发明实施例提供一种无陀螺情况下卫星角速度异常故障在线智能诊断方法,包括:
设定采样周期为Δt,记时间序列为t1,t2,…tk,…,设当前时刻为tk;
当卫星未处于姿态机动过程中时,根据所述EW对卫星进行非姿态机动时的相关处理,获得非姿态机动的角速度异常概率P1;当卫星处于姿态机动过程中时,根据所述对卫星进行姿态机动时的相关处理,获得姿态机动的角速度异常概率P2;
设定角速度异常概率阈值PY,分别将P1、P2与PY进行比较,当P1大于PY或P2大于PY时,则判定角速度异常,报警;否则判断角速度正常,不做处理。
式中,θf为姿态预报值;
Δt为采样周期;
x(k)为第k步的递推变量;
r为预设速度因子;
h0为第一时间参数;h0=(1~10)Δt;
h1为第二时间参数;h1=(1~1.5)h0;
fTD(x1,x2,r,h)为离散型最速综合函数。
在本发明一实施例中,所述fTD(x1,x2,r,h)的计算方程为:
式中,a为中间变量,x1,x2为输入的状态变量,h为参变量。
式中,e(k-1)为第k-1步的误差变量;
z1(k)为代表角度的一阶状态变量;
z2(k)为代表角速度的二阶状态变量;
z3(k)为代表角加速度的三阶状态变量;
β1为第一预设增益系数;
β2为第二预设增益系数;
β3为第三预设增益系数;
αe1为第一预设误差指数系数;
αe2为第二预设误差指数系数;
δe为预设误差槛值;
b为控制增益;
u(k)为控制量;
fal(x,α,δ)为非线性函数。
在本发明一实施例中,所述非线性函数fal(x,α,δ)的计算公式为:
式中,α、δ均为预设系数。
式中,ωref为预设的目标角速度;
在本发明一实施例中,根据所述EW对卫星进行非姿态机动时的相关处理包括:
S11、设置角速度偏差异常预警阈值为EWTH;设置角速度偏差异常预警累计次数为NEW;NEW的初值为0;实时判断角速度偏差EW的绝对值是否大于EWTH:
当|EW|>EWTH时,NEW数值加1;
当|EW|≤EWTH时,且NEW>0时,NEW数值减1;
其余情况,NEW数值不变;
S12、根据角速度偏差EW和角速度偏差异常预警累计次数NEW,判断非姿态机动的角速度异常概率P1。
在本发明一实施例中,所述S12中,判断所述非姿态机动的角速度异常概率P1包括:建立第一模糊逻辑系统;第一模糊逻辑系统的输入变量为角速度偏差EW和角速度偏差异常预警累计次数NEW,输出变量为角速度异常概率P1;第一模糊逻辑的规则如表1所示:
表1
表中,S表示小;M表示中;B表示大;S1表示较小;S2表示很小;B1表示较大;B2表示很大;
角速度偏差EW的论域为[0,0.5];
角速度偏差异常预警累计次数NEW的论域为[0,10];
角速度异常概率P1的论域为[0,1]。
其余情况,Nε的数值不变;
在本发明一实施例中,所述S22中,判断所述姿态机动的角速度异常概率P2包括:建立第二模糊逻辑系统;第二模糊逻辑系统的输入变量为角加速度估算值和角加速度偏差异常预警累计次数为Nε,输出变量为角速度异常概率P2;第二模糊逻辑的规则如表2所示:
表2
表中,S表示小;M表示中;B表示大;S1表示较小;S2表示很小;B1表示较大;B2表示很大;
角加速度偏差异常预警累计次数为Nε的论域为[0,10];
角速度异常概率P2的论域为[0,1]。
本发明与现有技术相比的有益效果是:本发明实施例提供的技术方案包括:测量当前时刻姿态角为θ(k),根据所述θ(k)计算当前时刻姿态角滤波值根据所述/>计算当前时刻的角速度估计值/>和角加速度估算值/>根据所述/>计算角速度偏差EW;当卫星未处于姿态机动过程中时,根据所述EW对卫星进行非姿态机动时的相关处理,获得非姿态机动的角速度异常概率P1;当卫星处于姿态机动过程中时,根据所述/>对卫星进行姿态机动时的相关处理,获得姿态机动的角速度异常概率P2;设定角速度异常概率阈值PY,分别将P1、P2与PY进行比较,当P1大于PY或P2大于PY时,则判定角速度异常,报警;否则判断角速度正常,不做处理。利用本发明实施例提供的技术方案,通过获取角速度和角加速度估计信息,实现了对系统已知信息的最大程度挖掘,为故障诊断提供了坚实的数据基础,进而提高了在线诊断的精确度。
附图说明
图1为本发明在线只能诊断流程图。
具体实施方式
下面结合实施例对本发明作进一步阐述。
在本发明一实施例中,对于无陀螺情况下的角速度异常诊断,目前的主要做法是,基于姿态角差分获得近似的角速度信息;根据不同控制模式或子模式的具体特点,预先设置对应的角速度阈值;如果差分得到的近似角速度超过阈值且持续(或累积)若干采样周期,则判定为角速度异常故障。这种方法存在的缺点:1)差分获得的角速度信息噪声较大;2)角速度阈值需要根据控制模式及任务特点进行专门设置,如果阈值不合适很容易导致误判;3)阈值无法自动调整,只能利用遥控指令进行修改,操作繁琐且容易出错。
本发明针对无陀螺情况下的卫星角速度异常诊断,提出了一种用跟踪微分器进行姿态角滤波、用三阶扩张状态观测器获取角速度和角加速度信息、由模糊逻辑系统综合推理角速度异常概率,并根据是否处于姿态机动过程而分别选择观测器参数和模糊逻辑系统参数的智能化方法;与现有方法相比,本方法克服了差分计算角速度导致噪声较大、角速度判断阈值固定且无法在线自动调整导致误判率较高的缺陷,也避免了只能利用遥控指令人工修改阈值的困难和风险。
无陀螺情况下卫星角速度异常故障在线智能诊断方法,如图1所示,具体包括如下步骤:
步骤一、设定采样周期为Δt,记时间序列为t1,t2,…tk,…,设当前时刻为tk。
式中,θf为姿态预报值;
Δt为采样周期;
x(k)为第k步的递推变量;
r为预设速度因子;
h0为第一时间参数;h0=(1~10)Δt;
h1为第二时间参数;h1=(1~1.5)h0;
fTD(x1,x2,r,h)为离散型最速综合函数。
fTD(x1,x2,r,h)的计算方程为:
式中,a为中间变量,x1,x2为输入的状态变量,h为参变量。
式中,e(k-1)为第k-1步的误差变量;
z1(k)为代表角度的一阶状态变量;
z2(k)为代表角速度的二阶状态变量;
z3(k)为代表角加速度的三阶状态变量;
β1为第一预设增益系数;
β2为第二预设增益系数;
β3为第三预设增益系数;
αe1为第一预设误差指数系数;
αe2为第二预设误差指数系数;
δe为预设误差槛值;
b为控制增益;
u(k)为控制量;
fal(x,α,δ)为非线性函数。
非线性函数fal(x,α,δ)的计算公式为:
式中,α、δ均为预设系数。
式中,ωref为预设的目标角速度;
步骤五、根据当前卫星是否处于姿态机动过程中时,进行区分处理;当卫星未处于姿态机动过程中时,根据所述EW对卫星进行非姿态机动时的相关处理,获得非姿态机动的角速度异常概率P1;对卫星进行非姿态机动时的相关处理的具体内容为:
S11、设置角速度偏差异常预警阈值为EWTH;设置角速度偏差异常预警累计次数为NEW;NEW的初值为0;实时判断角速度偏差EW的绝对值是否大于EWTH:
当|EW|>EWTH时,NEW数值加1;
当|EW|≤EWTH时,且NEW>0时,NEW数值减1;
其余情况,NEW数值不变;
S12、根据角速度偏差EW和角速度偏差异常预警累计次数NEW,判断非姿态机动的角速度异常概率P1。
非姿态机动的角速度异常概率P1的判断方法为:建立第一模糊逻辑系统;第一模糊逻辑系统的输入变量为角速度偏差EW和角速度偏差异常预警累计次数NEW,输出变量为角速度异常概率P1;第一模糊逻辑的规则如表1所示:
表1
表中,S表示小;M表示中;B表示大;S1表示较小;S2表示很小;B1表示较大;B2表示很大;
角速度偏差EW的论域为[0,0.5];
角速度偏差异常预警累计次数NEW的论域为[0,10];
角速度异常概率P1的论域为[0,1]。
其余情况,Nε的数值不变;
S22、根据角加速度估算值和角加速度偏差异常预警累计次数为Nε,判断姿态机动的角速度异常概率P2。姿态机动的角速度异常概率P2的判断方法为:建立第二模糊逻辑系统;第二模糊逻辑系统的输入变量为角加速度估算值/>和角加速度偏差异常预警累计次数为Nε,输出变量为角速度异常概率P2;第二模糊逻辑的规则如表2所示:
表2
表中,S表示小;M表示中;B表示大;S1表示较小;S2表示很小;B1表示较大;B2表示很大;
角加速度偏差异常预警累计次数为Nε的论域为[0,10];
角速度异常概率P2的论域为[0,1]。
步骤六、设定角速度异常概率阈值PY,分别将P1、P2与PY进行比较,当P1大于PY或P2大于PY时,则判定角速度异常,报警;否则判断角速度正常,不做处理。
在本发明实施例中,(1)本发明利用预报-微分型跟踪微分器+三阶扩张状态观测器来获取角速度和角加速度估计信息,实现了对系统已知信息的最大程度挖掘,为故障诊断提供了坚实的数据基础。(2)本发明利用模糊逻辑系统对角速度异常概率进行自动推理,其核心设计过程基于自然语言描述的规则组合,避免了常规方法中报警阈值等参数需要反复试凑带来的工作量。(3)本发明根据姿态机动和非姿态机动两种不同工况,设计两个不同的模糊逻辑系统、使用两套不同的状态观测器增益系数,使得诊断方法的适应性获得了很大提升。
实施例
以一种以飞轮+化学推力器为执行部件的卫星为例,介绍本发明的具体实施方式。以滚动轴为例进行阐述。假设卫星滚动轴惯量为5000kg·m2,正常工作模式用飞轮执行姿态控制任务(飞轮最大力矩0.1Nm),姿态机动时用喷气推力器执行机动任务(产生的最大控制力矩为40Nm),最大目标角速度为0.5°/s,非姿态机动期间的最大角速度指标为0.005°/s,采样周期Δt=0.1s。
(1)设计跟踪微分器,对姿态角测量值进行滤波
初始化时,递推变量x取为0。相关设计参数取值如下:速度因子r=5,时间参数h0=1(即10Δt),h1=1.3。
(2)设计三阶扩张状态观测器,获得角速度和角加速度的估算值
首先判断卫星是否处于姿态机动过程中(姿态机动过程标志由上层模块给出)。当卫星处于姿态机动过程中时,选用较大的增益系数,可取如下值:β1b=40、β2b=150、β3b=300;当卫星处于非姿态机动过程中时,选用较小的增益系数,可取如下值:记为β1s=20、β2s=80、β3s=150。
上述公式中的系数取值如下:
增益系数β1、β2、β3:按工况自动选择(即上文的β1b、β2b、β3b或β1s、β2s、β3s);
其它系数:αe1=0.5、αe1=0.25、δe=0.1。
(3)计算角速度偏差
计算公式:
式中,目标角速度ωref由上层模块给出,例如:太阳捕获姿态机动时,ωref=0.5°/s;非姿态机动时,ωref=0。
(4)根据卫星是否处于姿态机动过程,进入相应的处理分支:
姿态机动过程标志由上层模块给出。如果处于姿态机动过程中,则转入步骤(4b)。如果不处于姿态机动过程中,则转入步骤(4a)。
(4a)非姿态机动时的相关处理
首先,进行角速度偏差异常判断及处理。
If|EW|>EWTH
NEW=NEW+1;
Else
If NEW>0
NEW=NEW-1;
End
End
式中,EWTH为角速度偏差异常预警阈值(该值为事先给定的设计参数,本案例中可取0.01°/s),NEW为角速度偏差异常预警累计次数(该变量初值为0)。
其次,利用模糊逻辑系统1计算角速度异常概率。模糊逻辑系统1的设计步骤如下:
4a-1)确定输入、输出变量的论域并定义相应的模糊集
其输入、输出变量的论域分别为:
EW=[0,0.5],NEW=[0,10],P=[0,1];
其模糊集分别为:
EW={S2,S1,M,B1,B2}
NEW={S,M,B}
P={S2,S1,M,B1,B2}
4a-2)建立模糊规则库
模糊规则库用模糊规则表的形式描述,如表1所示。
4a-3)确定各变量的隶属度函数
在本发明中,对各变量的隶属度函数没有特殊要求,因此采用相同的隶属度函数。隶属度函数采用三角形隶属度函数。其表达式如下:
式中,xi为输入量,ci为论域中第i个均分点的值,bi为可调参数。
4a-4)建立采用单值模糊器、Mamdani推理机、中心平均解模糊器的模糊系统
在模糊推理机中,推理类型采用Mamdani模糊蕴含最小运算法,与(and)运算采用求交法(取小法),或(also/or)运算采用求并法(取大法),合成用最大-最小法。
(4b)姿态机动时的相关处理
首次,进行角加速度异常判断及处理:
If|ε|>εTH
Nε=Nε+1;
Else
If Nε>0
Nε=Nε-1;
End
End
式中,εTH为角加速度异常预警阈值(该值为事先给定的设计参数,本案例中可取0.55°/s2),Nε为角加速度异常预警累计次数(该变量初值为0)。
最后,利用模糊逻辑系统2计算角速度异常概率。模糊逻辑系统2的设计步骤与模糊逻辑系统1相同,要点如下:
1)确定输入、输出变量的论域并定义相应的模糊集
其输入、输出变量的论域分别为:
ε=[0,2],Nε=[0,10],P=[0,1];
其模糊集分别为:
ε={S2,S1,M,B1,B2}
Nε={S,M,B}
P={S2,S1,M,B1,B2}
2)建立模糊规则库
模糊规则库用模糊规则表的形式描述,如表2所示。
3)确定各变量的隶属度函数
同模糊逻辑系统1。
4)模糊逻辑系统2的推理机算法等也都和模糊逻辑系统1相同,无需赘述。
(5)角速度异常报警最终判断
如果角速度异常概率P超过给定值(如0.8),则认为是角速度异常,令角速度异常报警标志SW=1;否则,SW=0。
本发明提出了一种用跟踪微分器进行姿态角滤波、用三阶扩张状态观测器获取角速度和角加速度信息、由模糊逻辑系统综合推理角速度异常概率,并根据是否处于姿态机动过程而分别选择观测器参数和模糊逻辑系统参数的智能化方法,可实现无陀螺情况下角速度异常故障的在线智能诊断方法。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (8)
1.无陀螺情况下卫星角速度异常故障在线智能诊断方法,其特征在于,包括:
设定采样周期为Δt,记时间序列为t1,t2,…tk,…,设当前时刻为tk;
当卫星未处于姿态机动过程中时,根据所述EW对卫星进行非姿态机动时的相关处理,获得非姿态机动的角速度异常概率P1;当卫星处于姿态机动过程中时,根据所述对卫星进行姿态机动时的相关处理,获得姿态机动的角速度异常概率P2;
根据所述EW对卫星进行非姿态机动时的相关处理包括:
S11、设置角速度偏差异常预警阈值为EWTH;设置角速度偏差异常预警累计次数为NEW;NEW的初值为0;实时判断角速度偏差EW的绝对值是否大于EWTH:
当EW>EWTH时,NEW数值加1;
当EW≤EWTH时,且NEW>0时,NEW数值减1;
其余情况,NEW数值不变;
S12、根据角速度偏差EW和角速度偏差异常预警累计次数NEW,判断非姿态机动的角速度异常概率P1;
其余情况,Nε的数值不变;
设定角速度异常概率阈值PY,分别将P1、P2与PY进行比较,当P1大于PY或P2大于PY时,则判定角速度异常,报警;否则判断角速度正常,不做处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110672025.6A CN113466483B (zh) | 2021-06-17 | 2021-06-17 | 无陀螺情况下卫星角速度异常故障在线智能诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110672025.6A CN113466483B (zh) | 2021-06-17 | 2021-06-17 | 无陀螺情况下卫星角速度异常故障在线智能诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113466483A CN113466483A (zh) | 2021-10-01 |
CN113466483B true CN113466483B (zh) | 2023-07-14 |
Family
ID=77870359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110672025.6A Active CN113466483B (zh) | 2021-06-17 | 2021-06-17 | 无陀螺情况下卫星角速度异常故障在线智能诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113466483B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2990027A1 (fr) * | 2012-04-25 | 2013-11-01 | Meggitt Sensorex | Procede d'estimation du tangage et du roulis et dispositif inertiel associe |
CN107678282A (zh) * | 2017-11-05 | 2018-02-09 | 西北工业大学 | 考虑未知动力学和外部干扰的mems陀螺智能控制方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08145693A (ja) * | 1994-11-25 | 1996-06-07 | Sony Corp | 角速度検出装置 |
FR2917175B1 (fr) * | 2007-06-08 | 2010-04-16 | Eurocopter France | Procede et systeme d'estimation de la vitesse angulaire d'un mobile |
RU2454357C1 (ru) * | 2010-12-08 | 2012-06-27 | Федеральное государственное унитарное предприятие Московское опытно-конструкторское бюро "Марс" (ФГУП МОКБ "Марс") | Способ коррекции параметров программы ориентации при терминальном управлении наведением разгонного блока на заданную орбиту |
CN102435763B (zh) * | 2011-09-16 | 2013-10-09 | 中国人民解放军国防科学技术大学 | 一种基于星敏感器的航天器姿态角速度测量方法 |
CN103488092B (zh) * | 2013-10-16 | 2016-01-20 | 哈尔滨工业大学 | 基于t-s模糊模型与学习观测器的卫星故障诊断与容错控制方法 |
CN107402516B (zh) * | 2017-06-22 | 2019-07-02 | 南京航空航天大学 | 基于联合执行机构的递阶饱和模糊pd姿态控制方法 |
CN109018441A (zh) * | 2018-09-13 | 2018-12-18 | 上海航天控制技术研究所 | 一种卫星任意姿态机动过程偏流角跟踪控制方法 |
CN110531777B (zh) * | 2019-08-13 | 2020-11-10 | 北京理工大学 | 基于自抗扰控制技术的四旋翼飞行器姿态控制方法和系统 |
CN111913467B (zh) * | 2020-07-20 | 2021-07-13 | 北京控制工程研究所 | 一种航天器控制系统的系统级故障诊断方法 |
-
2021
- 2021-06-17 CN CN202110672025.6A patent/CN113466483B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2990027A1 (fr) * | 2012-04-25 | 2013-11-01 | Meggitt Sensorex | Procede d'estimation du tangage et du roulis et dispositif inertiel associe |
CN107678282A (zh) * | 2017-11-05 | 2018-02-09 | 西北工业大学 | 考虑未知动力学和外部干扰的mems陀螺智能控制方法 |
Non-Patent Citations (2)
Title |
---|
卫星姿态确定系统的故障可诊断性分析方法;李文博;王大轶;刘成瑞;;航天控制(06);1-5 * |
航天器故障诊断与容错控制技术研究综述;沈毅;李利亮;王振华;;宇航学报(06);1-3 * |
Also Published As
Publication number | Publication date |
---|---|
CN113466483A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6073262A (en) | Method and apparatus for estimating an actual magnitude of a physical parameter on the basis of three or more redundant signals | |
EP1591951A2 (en) | Method and apparatus for estimating a parameter based on a plurality of redundant signals | |
Thirumarimurugan et al. | Comparison of fault detection and isolation methods: A review | |
CN114564000B (zh) | 基于智能飞行器执行器故障诊断的主动容错方法及系统 | |
CN112947392B (zh) | 一种基于鲁棒观测器的飞行控制系统执行器和传感器复合微小故障估计方法 | |
CN113247302A (zh) | 用于监测vtol飞行器的状况的方法及系统 | |
CN111123885B (zh) | 一种基于自适应技术的高超声速飞行器间歇故障诊断方法 | |
CN114923503B (zh) | 一种基于主元分析的在轨航天器陀螺仪和星敏感器故障诊断方法 | |
CN111964695A (zh) | 一种无人机组合导航系统故障检测与隔离方法 | |
Han et al. | Quadratic-Kalman-filter-based sensor fault detection approach for unmanned aerial vehicles | |
CN114035550B (zh) | 一种基于eso的自主式水下机器人执行机构故障诊断方法 | |
CN113466483B (zh) | 无陀螺情况下卫星角速度异常故障在线智能诊断方法 | |
CN108388229B (zh) | 基于健康度的四旋翼随机混杂系统健康评估方法 | |
CN113378351A (zh) | 一种卫星姿态敏感器测量数据在线智能剔野方法 | |
Samy et al. | Detection and accommodation of sensor faults in UAVs-a comparison of NN and EKF based approaches | |
CN112651444B (zh) | 一种基于自学习的非平稳过程异常检测方法 | |
Zhao et al. | A performance evaluation algorithm of stochastic hybrid systems based on fuzzy health degree and its application to quadrotors | |
CN112083645B (zh) | 一种推力器冗余模式管理及故障屏蔽与自主恢复方法 | |
Polycarpou et al. | Learning approach to fault tolerant control: An overview | |
Notaro et al. | HW VS SW sensor redundancy: Fault detection and isolation observer based approaches for inertial measurement units | |
CN116499419B (zh) | 一种舵机旋转角度异常检测方法及系统 | |
Jiang et al. | Sensor degradation detection in linear systems | |
JPH04211859A (ja) | 異常認知方法 | |
Liu et al. | Performance-Based Fault Detection for Model-Free Automatic Control Systems | |
Hua et al. | Fault prognosis approach for satellite attitude control system based on TS model and time series analysis |
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 |