CN116974293A - 一种编队飞行卫星姿态控制系统可检测性评估方法 - Google Patents
一种编队飞行卫星姿态控制系统可检测性评估方法 Download PDFInfo
- Publication number
- CN116974293A CN116974293A CN202310405398.6A CN202310405398A CN116974293A CN 116974293 A CN116974293 A CN 116974293A CN 202310405398 A CN202310405398 A CN 202310405398A CN 116974293 A CN116974293 A CN 116974293A
- Authority
- CN
- China
- Prior art keywords
- riemann
- control system
- attitude control
- fault
- satellite
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 56
- 238000011156 evaluation Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 77
- 238000005259 measurement Methods 0.000 claims abstract description 59
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000013461 design Methods 0.000 claims abstract description 15
- 238000005457 optimization Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种编队飞行卫星姿态控制系统可检测性评估方法,该方法包括:获取编队飞行卫星姿态控制系统的检测数据;根据检测数据构建编队飞行卫星姿态控制系统的测量信息矩阵;利用黎曼测度原理将测量信息矩阵转化为黎曼流形点;计算黎曼流形点中故障模式与非故障模式之间的加权黎曼流形距离,所述加权黎曼流形距离为故障检测能力评价指标;根据故障检测能力评价指标评估对应故障模式的检测难度。采用本发明提供的方案,可以得到故障检测能力评价指标,并依据故障检测能力评价指标对故障检测难度进行评估,从而指导诊断系统设计,达到提升检测效果的目的。
Description
技术领域
本发明涉及系统自主故障检测领域,尤其涉及一种编队飞行卫星姿态控制系统可检测性评估方法。
背景技术
近年来,分布式协作系统被广泛应用于各种场景,其中在航天领域具有代表性的是编队飞行卫星。相较于大型卫星,编队飞行卫星在电子侦察、精确定位等方面具有显著优势,例如合成孔径雷达编队飞行实现高精度数字地形图绘制。
实现卫星控制系统的自主故障诊断是提升编队飞行卫星稳定性、延长编队飞行卫星使用寿命以及确保任务顺利完成的关键。目前,国内外学者针对编队飞行卫星故障检测开展了大量的研究。例如,一种基于矩阵不等式的非线性鲁棒未知输入观测器的故障检测方法,可有效应用于单个卫星以及其相邻卫星的故障检测;基于编队卫星之间的相对位置参数,提出了一种卫星速率陀螺故障检测和隔离方法,保证编队卫星在传感器故障情况下也能正常工作。一种传感器容错控制器,保证传感器故障时编队卫星仍能实现姿态同步。然而,之前的研究主要关注于如何利用检测信息,很少关注测量信息的优选,而测量信息的质量又直接影响着系统检测能力。因此,仅关注检测算法设计的研究思路难以从根本上提高编队卫星系统的故障检测能力。
发明内容
为了解决上述技术问题,本发明的目的是提供一种编队飞行卫星姿态控制系统可检测性评估方法,利用加权黎曼流形距离作为故障检测能力评价指标,根据故障检测能力评价指标对故障检测难度进行评估,进而为后续的检测信息优化提供理论依据,从而提升编队飞行卫星姿态控制系统的故障检测能力。
本发明所采用的第一技术方案是:一种编队飞行卫星姿态控制系统可检测性评估方法,包括以下步骤:
获取编队飞行卫星姿态控制系统的检测数据;
根据检测数据构建编队飞行卫星姿态控制系统的测量信息矩阵;
利用黎曼测度原理将测量信息矩阵转化为黎曼流形点;
计算黎曼流形点中不同类型的故障模式与非故障模式之间的加权黎曼流形距离,所述加权黎曼流形距离为故障检测能力评价指标;
根据故障检测能力评价指标评估对应故障模式的检测难度。
本方案是对编队飞行卫星姿态控制系统在进行故障检测之前进行数据处理优化,确定故障检测能力评价指标,根据故障检测能力评价指标对故障检测难度进行评估,进而得到检测难度较小的故障模式,从而可以指导诊断系统设计,提升编队飞行卫星姿态控制系统故障检测能力。
进一步,所述测量信息矩阵表示为:
其中,上角标τ和n分别表示第τ种故障模式和地面设计阶段用于可检测性评估的第n个测量信息样本,τ=0、1、…、Nf,Nf表示故障模式总数,k=1、2、…、Ny,Ny表示每次用于检测的采样点数量,n=1、2、…、Ns,Ns表示编队飞行卫星地面设计阶段用于可检测性评估的测量信息样本总数,下角标i表示卫星i所对应的测量信息,Cm是编队卫星的星间链路拓扑的信息优选矩阵,表示卫星i的第n个样本的测量信息矩阵,/>为卫星i的第n个样本在第k时刻的测量信息,/>
进一步,所述黎曼流形点表示为:
其中,表示卫星i在第τ种故障模式下对应的黎曼流形点,τ=0、1、…、Nf,Nf表示故障模式总数,n=1、2、…、Ns,Ns表示编队飞行卫星地面设计阶段用于可检测性评估的测量信息样本总数,k=1、2、…、Ny,Ny表示每次用于检测的采样点数量。
进一步,所述利用黎曼测度原理将测量信息矩阵转化为黎曼流形点这一步骤之后还包括:
对同一故障模式下的黎曼流形点进行归一化处理。
进一步,所述归一化处理是将同一故障模式下编队飞行卫星姿态控制系统的监测数据所对应的黎曼均值表征该种故障模式下编队飞行卫星姿态控制系统的检测数据特征,具体表示为:
其中,表示第τ种的故障模式下的信息优选矩阵为Cm的卫星i的测量数据在黎曼流形上的黎曼均值,/>表示流形上Pi与Pj之间的距离。
进一步,所述故障检测能力评价指标具体表示为:
其中,表示黎曼流形上点Pi和Pj之间的加权黎曼距离,W表示黎曼距离的加权矩阵。
本发明一种编队飞行卫星姿态控制系统可检测性评估方法的有益效果是:本方案利用加权黎曼流形距离来测量故障模式与非故障模式之间的差异度,进而确定不同故障模式下的故障检测能力评价指标,利用故障检测能力评价指标进行可检测性评估,即评估对应的故障模式的检测难易程度,以此来指导诊断系统设计,提高编队飞行卫星姿态控制系统的故障检测能力。
附图说明
图1是本发明一种编队飞行卫星姿态控制系统可检测性评估方法的步骤流程图;
图2是本发明一编队飞行卫星姿态控制系统可检测性评估系统的结构框图;
图3是本发明实施例中单主星-多从星卫星编队星间拓扑结构图;
图4-图5是本发明实施例卫星4故障情况下各卫星故障检测结果。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
如图1所示,本发明提供了一种编队飞行卫星姿态控制系统可检测性评估方法,该方法包括以下步骤:
101、获取编队飞行卫星姿态控制系统的检测数据。
获取编队飞行卫星姿态控制系统在进行故障检测时调用的测量信息,所述测量信息是根据编队卫星动力学控制系统的离散时间状态方程得到,考虑系统姿态参数测量过程中的执行器故障、传感器故障、过程噪声和测量噪声等,包括相邻飞行卫星的数据信息,以实现同时对整个编队飞行卫星协作系统故障检测。
102、根据检测数据构建编队飞行卫星姿态控制系统的测量信息矩阵。
首先根据获取的测量信息定义信息优选矩阵,并利用测量信息和信息优选矩阵的定义构建信息优选矩阵Cm,用于优选编队飞行卫星姿态控制系统的故障检测数据,接着根据信息优选矩阵和检测信息构建编队飞行卫星姿态控制系统的检测数据得到测量信息矩阵,所述测量信息矩阵具体表示为:
其中,上角标τ和n分别表示第τ种故障模式和地面设计阶段用于信息优选的第n个测量信息样本,τ=0、1、…、Nf,Nf表示故障模式总数,k=1、2、…、Ny,Ny表示每次用于检测的采样点数量,n=1、2、…、Ns,Ns表示编队飞行卫星地面设计阶段用于信息优选矩阵设计的测量信息样本总数,下角标i表示卫星i所对应的测量信息,Cm是编队卫星的星间链路拓扑的信息优选矩阵,表示卫星i的第n个样本的测量信息矩阵,/>为卫星i的第n个样本在第k时刻的测量信息,/>
103、利用黎曼测度原理将测量信息矩阵转化为黎曼流形点。
流形是几何中的一个概念,它是高维空间中的几何结构,即空间中的点构成的集合。黎曼流形是一个微分流形,其中每点的切空间都定义了点积,而且其数值随该点平滑的改变,适用于定义弧线长度、角度、面积、体积、曲率、函数梯度及向量域的散度。在黎曼流形上,要衡量两个点之间的距离,不能直接用范数计算,而引入测地距离来度量流形上两个点之间的距离。其中,测地距离是指流形上两个点之间最短测地线的长度,所述测地线是指流形上两个点之间最短的曲线。
根据黎曼流形测度原理,将上述测量信息矩阵转化为黎曼流形点来表征故障模式,所述黎曼流形点具体表示为:
其中,表示卫星i在第τ种故障模式下对应的黎曼流形点,τ=0、1、…、Nf,Nf表示故障模式总数,n=1、2、…、Ns,Ns表示编队飞行卫星地面设计阶段用于可检测性评估的测量信息样本总数,k=1、2、…、Ny,Ny表示每次用于检测的采样点数量。
由于噪声等因素的影响,同一故障模式下可能对应不同的黎曼流形点,为降低噪声等因素的影响,将同一故障模式下不同的黎曼流形点的均值作为该故障模式下卫星的测量数据特征,具体表示为:
其中,表示第τ种的故障模式下的信息优选矩阵为Cm的卫星i的测量数据在黎曼流形上的表示的点,/>表示流形上Pi与Pj之间的距离。
104、计算黎曼流形点中不同类型的故障模式与非故障模式之间的加权黎曼流形距离,所述加权黎曼流形距离为故障检测能力评价指标。
当系统故障对测量信息的影响较大时,测量信息与无故障模式下的测量信息差异度较大,那么系统中的异常就更容易检测到,此时检测故障的难度就越小。在黎曼流形中采用加权黎曼距离来表征测量信息差异度,具体表示为:
其中,表示黎曼流形上点Pi和Pj之间的加权黎曼距离,W表示黎曼距离的加权矩阵。
105、根据故障检测能力评价指标评估对应故障模式的检测难度。
加权黎曼流形距离数值越大,对应的故障模式数据与非故障模式数据差异度越大,意味着该种故障模式越容易检测出。因此先基于设定的约束条件筛选出最大加权黎曼流形距离,也即故障检测能力评价指标的最优结果,再根据故障检测能力评价指标的最优结果判断不同种故障模式检测难度的大小,从而为诊断系统设计提供指导依据。
在本实施例中,如图3所示,采用4颗相同的卫星组成单主星-多从星的卫星编队,编号分别为1、2、3、4,设定卫星4为主星,卫星1、2、3为从星。利用本发明所提出的可检测性评估方法,构建基于黎曼流形距离的编队飞行卫星姿态控制系统的目标优化函数,具体表示为:
其中,Cm是编队卫星星间链路拓扑的信息优选矩阵,是指黎曼流形点上故障模式τ与非故障模式之间的加权黎曼流形距离,ωτ表示卫星编号为τ(τ=1、2、3、4)的权重,E(Cm)表示最大检测信息数。
假设每个时刻只调用自身及所有相邻卫星的测量信息进行故障检修。以卫星4为例,考虑陀螺常值偏差故障。根据基于黎曼流形距离的编队飞行卫星姿态控制系统的目标优化函数得到信息优选矩阵,具体表示如下:
以所述信息优选矩阵为例进行仿真实验,结果如图4所示,可以看出卫星1、2、3、4均能检测出卫星4的陀螺常值偏差故障。
为验证结果的优越性,正在没有目标优化函数为依据的情况下,设置信息优选矩阵为
并以信息优选矩阵C′m为例进行仿真实验,实验结果如图5所示,对比可以看出在未用本发明提出的技术方案进行评估和选取最优信息矩阵的情况下,故障检测效果并不显著,检测性相对不佳,由此可体现出本发明提供的技术方案的优越性。
如图2所示,一种编队飞行卫星姿态控制系统可检测性评估系统,包括:
获取数据模块,用于获取编队飞行卫星姿态控制系统的检测数据;
构建矩阵模块,根据检测数据构建编队飞行卫星姿态控制系统的测量信息矩阵;
数据转化模块,利用黎曼测度原理将测量信息矩阵转化为黎曼流形点;
距离计算模块,计算黎曼流形点中故障模式与非故障模式之间的加权黎曼流形距离,所述加权黎曼流形距离为故障检测能力评价指标;
可检测性评估模块,根据故障检测能力评价指标评估对应故障模式的检测难度。
以上是对本发明的较佳实施进行了具体说明,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做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (6)
1.一种编队飞行卫星姿态控制系统可检测性评估方法,其特征在于,包括以下步骤:
获取编队飞行卫星姿态控制系统的检测数据;
根据检测数据构建编队飞行卫星姿态控制系统的测量信息矩阵;
利用黎曼测度原理将测量信息矩阵转化为黎曼流形点;
计算黎曼流形点中不同类型的故障模式与非故障模式之间的加权黎曼流形距离,所述加权黎曼流形距离为故障检测能力评价指标;
根据故障检测能力评价指标评估对应故障模式的检测难度。
2.根据权利要求1所述一种编队飞行卫星姿态控制系统可检测性评估方法,其特征在于,所述测量信息矩阵表示为:
其中,上角标τ和n分别表示第τ种故障模式和地面设计阶段用于可检测性评估的第n个测量信息样本,τ=0、1、…、Nf,Nf表示故障模式总数,k=1、2、…、Ny,Ny表示每次用于检测的采样点数量,n=1、2、…、Ns,Ns表示编队飞行卫星地面设计阶段用于可检测性评估的测量信息样本总数,下角标i表示卫星i所对应的测量信息,Cm是编队卫星的星间链路拓扑的信息优选矩阵,用于优选编队飞行卫星姿态控制系统的故障检测数据,表示卫星i的第n个样本的测量信息矩阵,/>为卫星i的第n个样本在第k时刻的测量信息,
3.根据权利要求2所述一种编队飞行卫星姿态控制系统可检测性评估方法,其特征在于,所述黎曼流形点表示为:
其中,表示卫星i在第τ种故障模式下对应的黎曼流形点,τ=0、1、…、Nf,Nf表示故障模式总数,n=1、2、…、Ns,Ns表示编队飞行卫星地面设计阶段用于可检测性评估的测量信息样本总数,k=1、2、…、Ny,Ny表示每次用于检测的采样点数量。
4.根据权利要求3所述一种编队飞行卫星姿态控制系统可检测性评估方法,其特征在于,
所述利用黎曼测度原理将测量信息矩阵转化为黎曼流形点这一步骤之后还包括:
对同一故障模式下的黎曼流形点进行归一化处理。
5.根据权利要求4所述一种编队飞行卫星姿态控制系统可检测性评估方法,其特征在于,所述归一化处理是将同一故障模式下编队飞行卫星姿态控制系统的检测数据所对应的黎曼均值表征该种故障模式下编队飞行卫星姿态控制系统的检测数据特征,具体表示为:
其中,表示第τ种的故障模式下的信息优选矩阵为Cm的卫星i的测量数据在黎曼流形上的表示的点,/>表示流形上Pi与Pj之间的距离。
6.根据权利要求5所述一种编队飞行卫星姿态控制系统可检测性评估方法,其特征在于,所述故障检测能力评价指标,其具体表示为:
其中,表示黎曼流形上点Pi和Pj之间的加权黎曼距离,W表示黎曼距离的加权矩阵。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2023102596954 | 2023-03-17 | ||
CN202310259695 | 2023-03-17 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116974293A true CN116974293A (zh) | 2023-10-31 |
Family
ID=88478496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310405398.6A Pending CN116974293A (zh) | 2023-03-17 | 2023-04-17 | 一种编队飞行卫星姿态控制系统可检测性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116974293A (zh) |
-
2023
- 2023-04-17 CN CN202310405398.6A patent/CN116974293A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2807984C (en) | Method and system for monitoring a structure | |
CN110487271A (zh) | 一种GNSS信号受阻时Elman神经网络辅助紧组合导航方法 | |
Sushchenko et al. | Processing of redundant information in airborne electronic systems by means of neural networks | |
CN108801387B (zh) | 一种基于学习模型的飞机油箱剩余油量测量系统和方法 | |
CN107688554B (zh) | 基于自适应傅里叶分解的频域辨识方法 | |
CN109708629B (zh) | 一种用于差异定位性能条件的飞行器集群协同导航方法 | |
CN111638034B (zh) | 基于深度学习的应变天平温度梯度误差补偿方法及系统 | |
CN110738275B (zh) | 基于ut-phd的多传感器序贯融合跟踪方法 | |
CN111366156A (zh) | 基于神经网络辅助的变电站巡检机器人导航方法及系统 | |
CN115342814B (zh) | 一种基于多传感器数据融合的无人船定位方法 | |
CN113514109A (zh) | 一种无人机飞行故障检测方法和系统 | |
CN110633790A (zh) | 基于卷积神经网络的飞机油箱剩余油量测量方法和系统 | |
CN112229406A (zh) | 一种多余度引导全自动着陆信息融合方法及系统 | |
CN117745096A (zh) | 一种控制网布测方案评价方法及系统 | |
CN115993077B (zh) | 复杂路况运输情况下惯导系统优选决策方法及系统 | |
CN116974293A (zh) | 一种编队飞行卫星姿态控制系统可检测性评估方法 | |
CN105136150A (zh) | 一种基于多次星敏感器测量信息融合的姿态确定方法 | |
CN109655057B (zh) | 一种六推无人机加速器测量值的滤波优化方法及其系统 | |
CN104408326B (zh) | 一种对深空探测自主导航滤波算法的评估方法 | |
CN108332739B (zh) | 确定星敏感器在轨姿态测量精度主成分因素响应边界的方法 | |
CN116678434A (zh) | 一种基于区间值置信规则库的三自激光惯组故障检测方法 | |
CN114565020B (zh) | 一种基于深度置信网络和扩展卡尔曼滤波的飞行器传感器信号融合方法 | |
CN115979669A (zh) | 一种无人车故障检测方法及系统 | |
Fravolini et al. | Design of robust redundancy relations for a semi-scale YF-22 aircraft model | |
CN111680356B (zh) | 基于双级观测器的无人机作动器实时安全性能评估方法 |
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 |