SOM神经网络在卫星电源系统故障诊断中的应用

研究了自组织特征映射（SOM）神经网络的结构及学习算法，提出了利用SOM神经网络对输入样本的“聚类”作用，实现对故障模式的分类，并据此对故障进行诊断的新方法，通过对某卫星电源系统故障的诊断实例，验证了该方法是有效可行的，能对卫星电源系统的故障进行准确的实时诊断。     

基于Fuzzy ART的航天器状态监测方法及应用研究

为解决信号空间法在航天器状态监测中存在的参数阈值难以设定问题,提出一种基于Fuzzy ART神经网络的状态监测方法．该方法利用Fuzzy ART的聚类特性及网络的自主扩展性,对系统正常状态向量在多维空间进行聚类,并以网络的输出节点编号代表正常状态向量的类别．监测时,网络通过判定输入的状态向量与正常状态向量的匹配度是否满足要求而给出监测结果．该方法克服了信号空间方法各单项参数阈值难以设定问题,并且能有效地消除因噪声干扰产生的虚警．     

用灰色模型预测卫星太阳电池阵输出功率

研究了GM（1，1）模型的建模方法，建立了太阳电池阵输出功率的GM（1，1）预测模型，针对电池出输出功率具有随季节波动的变化趋势，提出了采用实时在线的方法，建立动态新息GM（1，1）预测模型，经实例预测验证，动态新息GM（1，1）模型可明显地提高预测精度，且能对电池阵输出功率的波动趋势正确预测。     

粗糙集在卫星电源系统故障诊断中的应用研究

为了提高多故障诊断算法在诊断信息不完备时的诊断能力,引入粗糙集技术。对粗糙集技术中决策表的约简问题进行了深入地研究,给出了约简算法;详细论述了已有的实时诊断算法的步骤和缺点,把粗糙集技术和其诊断算法相结合,给出了改进的诊断算法。将此技术应用于卫星电源系统的故障诊断中,在缺少征兆信息的情况下仍能正确地进行实时诊断,表明可以提高诊断能力和效率。     

免疫系统的反面选择算法在故障诊断中的应用

生物免疫系统的主要功能就是检测和杀伤来自生物体内和体外称为抗原的非已物质，受免疫系统自己－非已识别机理的启发提出的反面选择算法能检测任何异常变化。文章结合航天器故障诊断的特点对反面选择算法进行了改进，提出了对卫星电源分系统实时系统故障诊断的新方法，通过诊断实例表明该方法是有效可行的，能对卫星电源系统的故障准确、快速的实时诊断。