CN113836716A - 复杂航天器热控系统健康参数分级融合诊断方法及系统 - Google Patents
复杂航天器热控系统健康参数分级融合诊断方法及系统 Download PDFInfo
- Publication number
- CN113836716A CN113836716A CN202111112298.1A CN202111112298A CN113836716A CN 113836716 A CN113836716 A CN 113836716A CN 202111112298 A CN202111112298 A CN 202111112298A CN 113836716 A CN113836716 A CN 113836716A
- Authority
- CN
- China
- Prior art keywords
- parameter
- characteristic
- level
- model
- control system
- 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.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003745 diagnosis Methods 0.000 title claims abstract description 16
- 230000004927 fusion Effects 0.000 title claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 32
- 238000012360 testing method Methods 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 230000007774 longterm Effects 0.000 claims abstract description 11
- 238000013461 design Methods 0.000 claims abstract description 10
- 238000013211 curve analysis Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000012512 characterization method Methods 0.000 claims description 19
- 238000013210 evaluation model Methods 0.000 claims description 19
- 230000002093 peripheral effect Effects 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 11
- 238000007619 statistical method Methods 0.000 claims description 10
- 238000010438 heat treatment Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 abstract description 4
- 238000012850 discrimination method Methods 0.000 abstract description 3
- 238000002405 diagnostic procedure Methods 0.000 abstract 1
- 238000009423 ventilation Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 239000012530 fluid Substances 0.000 description 4
- 238000001816 cooling Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005485 electric heating Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明属于航天器健康诊断分析技术领域,特别涉及一种复杂航天器热控系统健康参数分级融合诊断方法及系统。所述诊断方法包括:构建热控系统的多层级评估参数模型,以从单机设计关键指标、单机设备健康表征、系统级综合状态表征三个方面对关键指标参数进行监测和联合诊断;设计热力学极端工况测试数据边界模型;构建单指标参数长期状态监测曲线分析模型及单指标参数特征模型;构建空间飞行场景下多元指标参数的关联特征模型,为多指标、单机综合状态、系统级综合状态提供判读分析和一致性比对数据。本发明能够实现单指标‑单机‑系统级中所关联核心指标的综合可信评价,也可为智能识别该飞行场景下的异常状态提供了判别方法。
Description
技术领域
本发明属于航天器健康诊断分析技术领域,特别涉及一种复杂航天器热控系统健康参数分级融合诊断方法及系统。
背景技术
随着我国航天航空等领域技术的进步,飞船、空间站等复杂航天器长寿命高可靠需求的提出,原有的设计、测试与运行管理的理念已无法满足长寿命、安全可靠运行的需求,急需尽快研究空间站等复杂航天器故障监测与评估关键技术,逐步实现自主感知、诊断、决策及执行等任务,提高故障诊断与评估效率,提升空间站运行的安全性与可靠性,加强军工产品复杂航天器的适应能力及其作战空间的运行分析能力,满足未来的军事应用需求。
热控系统作为空间站的一个关键组成部分,不仅要保证热控系统能达到总体所要求的性能和功能,即保证热控系统的结构部件、仪器设备在空间环境下处于一个合适的温度范围,能够正常工作,还必须保证航天员所处的密封舱满足一定的温度、湿度条件,以及舱内气体流动速度。当前的空间站热控系统故障监测和评估手段,大都仅能对浅层次的试验数据进行事后分析,并没有形成能够深入挖掘数据背后表征的深层次的因果和逻辑关系的能力,对于热真空等极端测试方法、测试试验过程和结论数据的统一管理和利用也较为缺乏,也由此错失了许多宝贵的经验信息。同时由于没有能够对测试试验过程和数据进行充分利用,很可能导致研制和应用过程发生不可预见的问题,严重影响研制进度和研发质量控制。
发明内容
针对上述问题,本发明设计一种复杂航天器热控系统健康参数分级融合诊断方法,依据热控系统设计内容、在轨环境影响模型及飞行场景等约束条件,构建系统级、单机级、指标级三级健康状态评估参数架构,设计空间飞行场景下极端热环境的边界条件模型及典型部件的故障模型,基于监测语法增强技术和状态推理机方法,实现指标的周期性和常态化分析、多级对象的状态确认和评价。
具体地,本发明提供了一种复杂航天器热控系统健康参数分级融合诊断方法,包括如下步骤:
S1:构建热控系统的多层级参数评估模型,从单机关键指标、单机设备健康指标、系统级综合健康状态指标三个方面,设计多层级评估指标的长期监测和联合诊断;
S2:为所构建的多层级参数评估模型,设计热力学极端工况测试数据边界模型;
S3:构建单指标参数长期状态监测曲线分析模型及单指标参数特征模型;
S4:构建飞行场景下多元指标参数的特征关联模型,为单机健康状态、系统级健康状态提供多元参数融合后的判读分析方法。
进一步,步骤S2包括如下子步骤:
S21:模拟热控系统的热力学极端试验工况;
S22:设计航天器外围温度传感器网络,结合航天器内部温度采集节点数据,测量获得所模拟的热力学极端试验工况下,热控系统重要结点处温度的极限范围及置信概率。
进一步,步骤S22具体过程如下:
1)以流量、热导、热源等不确定性参数,作为航天器全局或局部区域的热控系统热性能的随机变量X;
2)模拟热控系统重要结点处的温度为系统响应参数R(X);
3)结合所模拟的热力学极端试验工况,采用蒙特卡洛方法计算多组流量、热导、热源值,应用全局或局部热控系统温度模拟,给出航天器外围温度值;
4)假定温度正态分布,根据计算得到的多组流量、热导、热源等参数,计算航天器外围温度平均值和方差;
5)根据热控系统的热力学极端工况以及计算得到的航天器外围温度平均值和方差,得到热控系统重要结点处温度的极限范围及置信概率。
进一步,步骤S21中,按照航天器在轨有人、无人状态,以及对地对日的姿态信息,使用红外笼加热与加热片加热相结合的方式进行外热流模拟热力学极端试验工况。
进一步,步骤S3包括如下子步骤:
S31:构建单指标参数长期状态监测曲线分析模型,包括:采用工程门限评估法分析单指标参数工程门限;采用极限边界评估法分析单指标参数的边界判读;以及对超限或超边界的单指标参数进行分级预警;
S32:构建单指标参数特征模型,将在多层次上提取的单指标参数的时域特征和频域特征作为参考数据列,典型工作模式特征矢量作为关联数据列。
进一步,步骤S4包括如下子步骤:
S41:确定飞行场景表征参数集;
S42:确定单指标参数、单机综合状态参数集、子系统级综合健康状态参数集;
S43:将飞行场景表征参数集与单指标参数、单机综合状态参数集、子系统级健康状态参数集建立映射关系,构建与飞行场景关联的健康评估综合数据矩阵;
S44:对健康评估综合数据矩阵各单一指标参数按照步骤S32中构建的单指标参数特征模型的某种特征统计方式,对单一指标参数进行计算;然后采用灰色关联分析法,计算某参量对应某种统计特征数据列与标称特征数据列在不同比较时刻的关联系数:
其中,ζ(k)是在第k个时间段采集的某特征参量数据列Xt(k)对标称特征数据列X0(k)的关联系数,k=1,2,...,m,m为按照时间分割的数据段总量;α为分辨系数;
以某特征参量数据列与标称特征数据列在不同比较时刻的关联系数为输入,计算某特征参量数据列Xt(k)对标称特征数据列X0(k)的灰色关联度ri:
进一步,步骤S44具体过程如下:
在某种飞行场景下构建与该飞行场景关联的健康评估综合数据矩阵,按照步骤S32中构建的单指标参数特征模型的时域和频域特征统计方法,计算多层级参数评估模型的某种统计特征数据,进行特征数据代入和排序,得到健康评估综合数据矩阵的某种统计特征向量:
[s11,s12,L,s1n,s21,L,s2m,L,s31,L,s3p] (4)
式中,Si,j是特征向量内的元素,i=1,2,3,表示多层级参数评估模型的三个层次,分别为单指标参数、单机综合状态参数集、子系统级综合健康状态参数集;j=1,2,...,T,表示多层级参数评估模型每一级上的元素序号;T=n,m,p,分别表示第一级、第二级、第三级参数评估模型的元素数量;
按照步骤S32中构建的单指标参数特征模型的时域和频域特征统计方法,计算多层级参数评估模型的q类统计特征数据,q为时域和频域特征统计方法总数,依据公式(3)计算在较长时间场景内某参量的每种特征与标称特征数据列的平均灰色关联度;将各参量的平均灰色关联度代入健康评估综合数据矩阵内,得到特征灰色关联度矩阵:
式中,为特征灰色关联度矩阵内的元素,t=1,2,...,q,表示统计特征表征的元素序号;所得到的特征灰色关联度矩阵表征了所述某飞行场景下热控系统多层级参数评估模型与预期目标的关联度,通过对该特征灰色关联度矩阵结果的分数评判,能判定该飞行场景内热控系统健康状态参数集表征出的数据形态与预期目标一致性。
本发明还提供了一种复杂航天器热控系统健康参数分级融合诊断系统,包括:
第一建模模块:用于构建热控系统的多层级评估参数模型,以从单机设计关键指标、单机设备健康表征、系统级综合状态表征三个方面对关键指标参数进行监测和联合诊断;
第二建模模块:用于为所构建的多层级评估参数模型设计热力学极端工况测试数据边界模型;
第三建模模块:用于构建单指标参数长期状态监测曲线分析模型及单指标参数特征模型;
第四建模模块:用于构建空间飞行场景下多元指标参数的关联特征模型,为多指标、单机综合状态、系统级综合状态提供判读分析和一致性比对数据。
本发明的有益效果:
1)本发明针对复杂航天器的热控系统健康状态,采用了指标级、单机级、系统级三级综合分析策略,实现从单参数到单机设备综合参数,最终到系统级综合参数的快速比对分析。实现高维时间序列特征集的快速判读和异常检测,可适用于有人/无人工作的载人航天器的智能辅助诊断和快速判定;
2)本发明对热力学极端工况测试数据边界模型设计,实现对流体回路中泵电机、通风风机电机在内的热控系统关键部件的环境条件对行为特征的影响模型,可提升基于证据理论的系统级综合诊断能力;
3)本发明将飞行场景表征参数集与系统级健康状态参数集建立映射关系,构建与飞行场景关联的健康评估综合数据矩阵,结合时域、频域统计分析方法提炼特征向量,经与该飞行场景下的标称特征矩阵进行关联分析,可确定单指标、单机级、系统级健康状态。实现了单指标-单机-系统级中所关联核心指标的综合可信评价,也可为智能识别该飞行场景下的异常状态提供了判别方法。
附图说明
图1是本发明实施例的空间站热控系统健康参数分级融合诊断方法流程图;
图2是本发明实施例的空间站主动热控系统多层级评估参数模型示意图。
具体实施方式
下面结合附图和实施例进一步描述本发明,应该理解,以下所述实施例旨在便于对本发明的理解,而对其不起任何限定作用。本实施例以空间站为例。
如图1所示,本实施例的空间站热控系统健康参数分级融合诊断方法包括如下步骤:
S1:构建多层级评估参数模型,以从单机设计关键指标、单机设备健康表征、系统级综合状态表征三个方面对关键指标参数进行监测和联合诊断。如图1所示,本实施例以空间站主动热控系统为例,按照系统级、单机级、指标级对空间站主动热控系统逐级分解,得到多层级参数评估模型。
S2:为所构建的多层级参数评估模型设计热力学极端工况测试数据边界模型。本实施例按照空间站在轨有人、无人状态,以及对地对日的姿态信息,通过使用红外笼加热与加热片加热相结合的方式进行外热流的模拟试验。本步骤具体过程如下:
S21:根据空间站在轨有人/无人状态、飞行姿态、空间站组合对接状态等设计模拟热控系统的热力学极端试验工况,如下表1所示。
表1热控系统的热力学极端试验工况
S22:设计空间站外围温度传感器网络,结合空间站内部温度采集节点数据,测量获得所模拟的热力学极端试验工况下,热控系统重要结点处温度的极限范围及置信概率。具体过程如下:
1)以流量、热导、热源等不确定性参数,作为空间站全局或局部区域的热控系统热性能的随机变量X;
2)模拟热控系统重要结点处的温度为系统响应参数R(X);
3)结合空间站飞行状态、组合状态、航天员代谢能力等限制条件,采用蒙特卡洛方法计算多组流量、热导、热源值,应用全局或局部热控系统温度模拟,给出空间站外围温度值;
4)假定温度正态分布,根据计算得到的多组流量、热导、热源等参数,计算空间站外围温度平均值和方差;
5)根据热控系统的热力学极端工况以及计算得到的空间站外围温度平均值和方差,得到热控系统重要结点处温度的极限范围及置信概率。
S3:构建单指标参数长期状态监测曲线分析模型及特征模型,具体过程如下:
S31:构建单指标参数长期状态监测曲线分析模型。本实施例采用工程门限评估、极限边界评估等方法,分别对单指标参数的越界、全周期包络异常等方面进行常态化监测和快速评判,具体过程如下:
1)分析单指标参数工程门限。以参数判读准则中要求的各项指标参数的范围约束来判断单指标参数的越限状态和越限等级,一旦判断某单指标参数超限,则需要对该指标参数进行分级预警。
2)分析单指标参数的边界判读。利用步骤S2构建的热力学极端工况测试数据边界模型试验得到热力学极端工况测试数据,通过对测试数据分析,可得到不同试验状态下的各曲线类指标参数的边界条件。本实施例按照空间站在轨有人、无人状态,以及对地对日的姿态信息,判读各曲线类指标参数是否超边界。一旦判断某指标参数超边界,则需要对该指标参数进行分级预警。
S32:构建单指标参数特征模型。将参考数据列记为X0,X0(k)表示第k比较时刻的参考数据列,其它数据列作为关联数据列,记为Xt,Xt(k)表示第k比较时刻的关联数据列。
热控系统在计算某遥测参数特征与典型工作模式之间的关联度,以及确定该遥感参数特征的隶属关系时,将各种已知的典型工作模式(例如表1中所列热控系统在5种热工况场景下工作模式)特征矢量选取为关联数据列,将该某遥测参数在多层次上的特征作为参考数据列。
在主动热控系统运行过程中,对于不同工作模式,可能只在某一层次上有明显特征,而在其他层次上特征表征不明显,因此,需要在多个层次上提取遥测参数特征。
具体地,在时域上计算统计特征,如下表2所示。
表2时域统计特征及计算公式
在频域上,将时域遥测数据进行离散FFT变换,对获取的幅频特性曲线进行进一步特征提取。
构建单指标参数特征模型时,将单一时间曲线进行小波变换,得到频域上的近似系数及细节系数,作为频域特征。
S4:构建飞行场景下多元参数的关联特征模型。根据复杂航天器多样化组合状态、飞行姿态、环境因素等综合因素分析,构建多元参数的关联特征模型,为多指标、单机综合状态、系统级综合状态等提供判读分析和一致性比对数据。具体过程如下:
S41:确定某一飞行场景表征参数集{X组合状态X飞行姿态X热环境状态},X组合状态表征组合式航天器多样化组合状态,比如二舱一字构型、三舱飞行;X飞行姿态表征航天器飞行姿态,比如+Z轴对地或惯性飞行姿态;X热环境状态表征所处的空间热环境状态,比如阳照/阴影交变外热流或轨道周期平均外热流;。
S42:确定多指标参数集、单机综合状态参数集、子系统级综合健康状态参数集。多指标参数集有若干个参数组成,可表征单机级健康状态,比如Z通风管路={Y舱内风机转速Y舱内循环风机转速Y散热风机转速},Z通风管路表征通风管路单机健康状态,Y舱内风机转速表征舱内风机转速遥测参数,Y舱内循环风机转速表征舱内循环风机转速参数,Y散热风机转速表征散热风机转速参数;单机综合状态参数集,是由指标级参数的集合成的参数集,同时也是上级子系统综合状态参数集中的元素,比如N通风系统={Z通风管路},N通风系统表征通风系统综合健康状态;分系统级综合状态参数集,比如M主动热控系统={N系统控制器N通风系统N流体回路N电加热控温},N系统控制器表征系统控制器单机健康状态,N流体回路表征流体回路单机健康状态,N电加热控温表征电加热控温单机设备健康状态。
S43:将飞行场景表征参数集与系统级健康状态参数集M主动热控系统建立映射关系,构建与飞行场景关联的健康评估综合数据矩阵{X组合状态X飞行姿态X热环境状态M主动热控系统}。
S44:对健康评估综合数据矩阵各单一指标参数按照步骤S32中的某种特征统计方式,对单一指标参数进行计算;然后采用灰色关联分析法,计算某参量对应某种统计特征数据列与标称特征数据列在不同比较时刻的关联系数。
其中,ζ(k)是第k个比较时刻关联数据列Xt(k)与参考数据列X0(k)的相对差值,这种形式上的相对差值称为Xt(k)对X0(k)在第k个比较时刻的关联系数;α为分辨系数,0<α<1;若α越小,关联系数间差异越大,区分能力越强。优选地,α取0.5。k=1,2,...,m,m为按照时间分割的数据段总量。
以某特征参量数据列与标称特征数据列在不同比较时刻的关联系数为输入,计算灰色关联度:
式中,ri为某参量特征数据列Xt(k)对标称特征数据列X0(k)的灰色关联度。
假设在某种飞行场景下构建健康评估综合参数集,按照步骤S32中提出的时域和频域特征统计方法,计算多层级参数评估模型的某种统计特征数据,进行特征数据代入和排序,得到健康评估综合数据矩阵的某种统计特征向量:
[s11,s12,L,s1n,s21,L,s2m,L,s31,L,s3p] (4)
式中,Si,j是特征向量内的元素,i=1,2,3,表示多层级参数评估模型的三个层次,分别为单指标参数、单机综合状态参数集、子系统级综合健康状态参数集。j=1,2,...,T,表示多层级参数评估模型每一级上的元素序号;T=n,m,p,分别表示第一级、第二级、第三级参数评估模型的元素数量。
按照步骤S32提出的时域和频域特征统计方法,计算多层级参数评估模型的q类统计特征数据,q为时域和频域特征统计方法总数,依据公式(3)计算在较长时间场景内某参量的每种特征与标准特征数据列的平均灰色关联度。将各参量平均灰色关联度代入健康评估综合数据矩阵内,得到灰色关联度矩阵:
式中,为特征灰色关联度矩阵内的元素,i=1,2,3,表示多层级参数评估模型的三个层次,分别为单指标参数、单机综合状态参数集、子系统级综合健康状态参数集;j=1,2,...,T,表示多层级参数评估模型每一级上的元素序号;T=n,m,p,分别表示第一级、第二级、第三级参数评估模型的元素数量。t=1,2,...,q,表示统计特征表征的元素序号。
以上得到的灰色关联度矩阵表征了某飞行场景下热控系统多级健康评估综合参数模型与预期目标的关联度。通过对该关联矩阵结果的分数评判,能判定该飞行场景内热控系统健康评估综合参数集表征出的数据形态与预期目标一致性。本发明实现了单指标-单机-系统级中所关联核心指标的综合可信评价,也可为智能识别该飞行场景下的异常状态提供了判别方法。
对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以对本发明的实施例做出若干变型和改进,这些都属于本发明的保护范围。
Claims (8)
1.一种复杂航天器热控系统健康参数分级融合诊断方法,其特征在于,包括如下步骤:
S1:构建热控系统的多层级参数评估模型,从单机关键指标、单机设备健康指标、系统级综合健康状态指标三个方面,设计多层级评估指标的长期监测和联合诊断;
S2:为所构建的多层级参数评估模型,设计热力学极端工况测试数据边界模型;
S3:构建单指标参数长期状态监测曲线分析模型及单指标参数特征模型;
S4:构建飞行场景下多元指标参数的特征关联模型,为单机健康状态、系统级健康状态提供多元参数融合后的判读分析方法。
2.根据权利要求1所述的方法,其特征在于,步骤S2包括如下子步骤:
S21:模拟热控系统的热力学极端试验工况;
S22:设计航天器外围温度传感器网络,结合航天器内部温度采集节点数据,测量获得所模拟的热力学极端试验工况下,热控系统重要结点处温度的极限范围及置信概率。
3.根据权利要求2所述的方法,其特征在于,步骤S22具体过程如下:
1)以流量、热导、热源等不确定性参数,作为航天器全局或局部区域的热控系统热性能的随机变量X;
2)模拟热控系统重要结点处的温度为系统响应参数R(X);
3)结合所模拟的热力学极端试验工况,采用蒙特卡洛方法计算多组流量、热导、热源值,应用全局或局部热控系统温度模拟,给出航天器外围温度值;
4)假定温度正态分布,根据计算得到的多组流量、热导、热源等参数,计算航天器外围温度平均值和方差;
5)根据热控系统的热力学极端工况以及计算得到的航天器外围温度平均值和方差,得到热控系统重要结点处温度的极限范围及置信概率。
4.根据权利要求2所述的方法,其特征在于,步骤S21中,按照航天器在轨有人、无人状态,以及对地对日的姿态信息,使用红外笼加热与加热片加热相结合的方式进行外热流模拟热力学极端试验工况。
5.根据权利要求1所述的方法,其特征在于,步骤S3包括如下子步骤:
S31:构建单指标参数长期状态监测曲线分析模型,包括:采用工程门限评估法分析单指标参数工程门限;采用极限边界评估法分析单指标参数的边界判读;以及对超限或超边界的单指标参数进行分级预警;
S32:构建单指标参数特征模型,将在多层次上提取的单指标参数的时域特征和频域特征作为参考数据列,典型工作模式特征矢量作为关联数据列。
6.根据权利要求5所述的方法,其特征在于,步骤S4包括如下子步骤:
S41:确定飞行场景表征参数集;
S42:确定单指标参数、单机综合状态参数集、子系统级综合健康状态参数集;
S43:将飞行场景表征参数集与单指标参数、单机综合状态参数集、子系统级健康状态参数集建立映射关系,构建与飞行场景关联的健康评估综合数据矩阵;
S44:对健康评估综合数据矩阵各单一指标参数按照步骤S32中构建的单指标参数特征模型的某种特征统计方式,对单一指标参数进行计算;然后采用灰色关联分析法,计算某参量对应某种统计特征数据列与标称特征数据列在不同比较时刻的关联系数:
其中,ζ(k)是在第k个时间段采集的某特征参量数据列Xt(k)对标称特征数据列X0(k)的关联系数,k=1,2,...,m,m为按照时间分割的数据段总量;α为分辨系数;
以某特征参量数据列与标称特征数据列在不同比较时刻的关联系数为输入,计算某特征参量数据列Xt(k)对标称特征数据列X0(k)的灰色关联度ri:
7.根据权利要求6所述的方法,其特征在于,步骤S44具体过程如下:
在某种飞行场景下构建与该飞行场景关联的健康评估综合数据矩阵,按照步骤S32中构建的单指标参数特征模型的时域和频域特征统计方法,计算多层级参数评估模型的某种统计特征数据,进行特征数据代入和排序,得到健康评估综合数据矩阵的某种统计特征向量:
[s11,s12,L,s1n,s21,L,s2m,L,s31,L,s3p] (4)
式中,Si,j是特征向量内的元素,i=1,2,3,表示多层级参数评估模型的三个层次,分别为单指标参数、单机综合状态参数集、子系统级综合健康状态参数集;j=1,2,...,T,表示多层级参数评估模型每一级上的元素序号;T=n,m,p,分别表示第一级、第二级、第三级参数评估模型的元素数量;
按照步骤S32中构建的单指标参数特征模型的时域和频域特征统计方法,计算多层级参数评估模型的q类统计特征数据,q为时域和频域特征统计方法总数,依据公式(3)计算在较长时间场景内某参量的每种特征与标称特征数据列的平均灰色关联度;将各参量的平均灰色关联度代入健康评估综合数据矩阵内,得到特征灰色关联度矩阵:
8.一种复杂航天器热控系统健康参数分级融合诊断系统,其特征在于,包括:
第一建模模块:用于构建热控系统的多层级评估参数模型,以从单机设计关键指标、单机设备健康表征、系统级综合状态表征三个方面对关键指标参数进行监测和联合诊断;
第二建模模块:用于为所构建的多层级评估参数模型设计热力学极端工况测试数据边界模型;
第三建模模块:用于构建单指标参数长期状态监测曲线分析模型及单指标参数特征模型;
第四建模模块:用于构建空间飞行场景下多元指标参数的关联特征模型,为多指标、单机综合状态、系统级综合状态提供判读分析和一致性比对数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111112298.1A CN113836716A (zh) | 2021-09-23 | 2021-09-23 | 复杂航天器热控系统健康参数分级融合诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111112298.1A CN113836716A (zh) | 2021-09-23 | 2021-09-23 | 复杂航天器热控系统健康参数分级融合诊断方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113836716A true CN113836716A (zh) | 2021-12-24 |
Family
ID=78969293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111112298.1A Pending CN113836716A (zh) | 2021-09-23 | 2021-09-23 | 复杂航天器热控系统健康参数分级融合诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113836716A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732079A (zh) * | 2015-03-17 | 2015-06-24 | 中国空间技术研究院 | 一种遥感卫星体系效能确定方法 |
RU2690827C1 (ru) * | 2018-05-25 | 2019-06-05 | Акционерное общество "Информационные спутниковые системы" имени академика М.Ф. Решетнёва" | Способ диагностики работоспособности системы терморегулирования космического аппарата |
CN110377941A (zh) * | 2019-06-10 | 2019-10-25 | 中国人民解放军军事科学院国防科技创新研究院 | 建立卫星温度场的罚盲似然克里金代理模型的方法 |
US20200122656A1 (en) * | 2018-10-18 | 2020-04-23 | Northrop Grumman Systems Corporation | Parametric data modeling for model based reasoners |
CN111079227A (zh) * | 2019-12-12 | 2020-04-28 | 北京空间技术研制试验中心 | 航天器热控功能系统健康评估建模方法 |
CN111623800A (zh) * | 2020-06-10 | 2020-09-04 | 北京空间飞行器总体设计部 | 一种低轨遥感卫星导航定位系统多级健康状态获取方法 |
CN112836833A (zh) * | 2021-02-10 | 2021-05-25 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 航天测控数传综合设备健康状态评估方法 |
-
2021
- 2021-09-23 CN CN202111112298.1A patent/CN113836716A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732079A (zh) * | 2015-03-17 | 2015-06-24 | 中国空间技术研究院 | 一种遥感卫星体系效能确定方法 |
RU2690827C1 (ru) * | 2018-05-25 | 2019-06-05 | Акционерное общество "Информационные спутниковые системы" имени академика М.Ф. Решетнёва" | Способ диагностики работоспособности системы терморегулирования космического аппарата |
US20200122656A1 (en) * | 2018-10-18 | 2020-04-23 | Northrop Grumman Systems Corporation | Parametric data modeling for model based reasoners |
CN110377941A (zh) * | 2019-06-10 | 2019-10-25 | 中国人民解放军军事科学院国防科技创新研究院 | 建立卫星温度场的罚盲似然克里金代理模型的方法 |
CN111079227A (zh) * | 2019-12-12 | 2020-04-28 | 北京空间技术研制试验中心 | 航天器热控功能系统健康评估建模方法 |
CN111623800A (zh) * | 2020-06-10 | 2020-09-04 | 北京空间飞行器总体设计部 | 一种低轨遥感卫星导航定位系统多级健康状态获取方法 |
CN112836833A (zh) * | 2021-02-10 | 2021-05-25 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 航天测控数传综合设备健康状态评估方法 |
Non-Patent Citations (1)
Title |
---|
曹惠玲;黄乐腾;康力平;: "基于AHP及灰色关联分析法的发动机健康评估研究", 数学的实践与认识, no. 02, 23 January 2015 (2015-01-23) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yan et al. | Multiple sensor data fusion for degradation modeling and prognostics under multiple operational conditions | |
Wang et al. | Fault prognostics using dynamic wavelet neural networks | |
CN109308522B (zh) | 一种基于循环神经网络的gis故障预测方法 | |
Hu et al. | Chiller sensor fault detection using a self-adaptive principal component analysis method | |
Liu et al. | A hybrid method of remaining useful life prediction for aircraft auxiliary power unit | |
Najjar et al. | Optimal sensor selection and fusion for heat exchanger fouling diagnosis in aerospace systems | |
Le Son et al. | Remaining useful life estimation on the non-homogenous gamma with noise deterioration based on gibbs filtering: A case study | |
CN109635318B (zh) | 一种航空发动机传感器智能解析余度设计方法 | |
CN104595170A (zh) | 一种自适应核高斯混合模型的空压机监控诊断系统及方法 | |
Li et al. | Design and risk evaluation of reliability demonstration test for hierarchical systems with multilevel information aggregation | |
Simon et al. | Analytic confusion matrix bounds for fault detection and isolation using a sum-of-squared-residuals approach | |
Li et al. | Learning transfer feature representations for gas path fault diagnosis across gas turbine fleet | |
Zhou et al. | Aero-engine gas path system health assessment based on depth digital twin | |
CN116341272A (zh) | 一种用于配网工程数字化的施工安全风险管控系统 | |
Cholette et al. | Monitoring of complex systems of interacting dynamic systems | |
Zhang et al. | Hierarchical hybrid testability modeling and evaluation method based on information fusion | |
Najjar et al. | Heat exchanger fouling diagnosis for an aircraft air-conditioning system | |
CN113836716A (zh) | 复杂航天器热控系统健康参数分级融合诊断方法及系统 | |
Cui et al. | Aero-engine fault diagnosis based on kernel principal component analysis and wavelet neural network | |
Elnour et al. | Sensor fault diagnosis of multi-zone HVAC systems using auto-associative neural network | |
Shao et al. | Degradation modeling with long-term memory considering measurement errors | |
Li et al. | Application of combination forecasting model in aircraft failure rate forecasting | |
Lyu et al. | Remaining useful life prediction with insufficient degradation data based on deep learning approach | |
Bonvini et al. | Bridging the gap between simulation and the real world an application to FDD | |
Omata et al. | Model-based fault detection with uncertainties in a reusable rocket engine |
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 |