基于G2的航天器故障诊断

基于故障诊断系统开发工具G2,研究了航天器故障诊断问题。并通过对某卫星电源系统故障模拟原理性试验台的故障诊断验证了该工具对航天器故障诊断的可用性。     

航天器自主故障诊断技术研究进展

阐述了航天器自主故障诊断的必要性、特点和主要挑战.将自主故障诊断技术分为基于解析模型的方法、基于信号处理的方法和基于知识的方法三类,重点归纳民近年来国内外航天器自主故障诊断技术的最新研究进展和存在的主要问题,总结了国内航天器自主故障诊断技术在实际项目中应用的现状,最后展望了航天器自主故障诊断技术未来的发展方向.     

基于故障树模型的航天器故障诊断研究

本文建立了基于故障树模型的航天器故障诊断框架，提出了航天器故障诊断的知识组织和表示方法及相应的推理控制策略，并通过对某卫星能源系统故障实验台的故障诊断验证了方法的正确性。     

基于时间逻辑的航天器控制系统故障诊断的深层知识表示方法

本文介绍了一种关于时间逻辑的知识表示方法，引入了特征量属性及动态框架、事件、衍生事件的概念，给出了与时间有关的事件及包含事件间时间逻辑关系的衍生事件的表示方法，并将它们应用于航天器控制系统实时故障诊断专家系统中。这一研究是对时变系统深层知识表示方法的新探索。     

航天器热平衡试验故障诊断的模型与方法

航天器在热平衡试验中经常会暴露设计制造上的缺陷,因此有必要对它进行实时的故障诊断。同时热平衡试验经验较少,所以采用了一种基于模型的故障诊断方法。应用了一种新的热平衡试验温度预测的数学模型,与试验数据相比较,结果令人满意;在此基础上,模拟了热平衡试验中由于太阳电池翼故障而出现的温度场异常情况,并且和正常情况比较,给出了故障诊断的方法。     

动力学环境试验技术在航天器结构故障诊断中的应用

文章概括介绍了故障诊断领域的应用发展情况,并以某航天器结构故障诊断为例,详细介绍了运用多种动力学环境试验技术对故障原因进行诊断的过程。说明有效地运用动力学环境试验技术,不但可以暴露结构设计缺陷,还可对航天器的结构故障状态进行诊断分析,准确查找出故障产生原因,为设计人员改进设计、排除故障提供有力的依据。     

基于神经网络的导弹姿态控制系统故障诊断

本文提出了一种多层前向神经网络快速误差向后传播学习算法ＦＢＰ（ＦａｓｔｅｒｒｏｒＢａｃｋＰｒｏｐａｇａｔｉｏｎＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍ），通过某导弹姿态控制系统故障诊断的仿真研究，验证了ＢＰ（误差后向传播学习算法）和ＦＢＰ用于导弹姿态控制系统故障诊断的有效性，ＦＢＰ学习算法较之ＢＰ学习算法学习速度的快速性     

面向航天器控制系统故障诊断的实时专家系统通用框架

本文介绍了一个可用于航天器控制系统故障诊断的实时专家系统框架，阐述了系统的设计思想和实现方法。该框架可适用于不同的航天器控制系统。     

航天器动力学环境试验故障诊断专家系统

文章概述了对卫星及星上组件进行振动环境试验现有的故障诊断方法,并阐述了建立经济、有效的航天器故障诊断专家系统的重要性。提出了航天器故障诊断专家系统的研究方案,并通过对卫星结构模型的应用,验证了将小波系数作为故障诊断特征向量的可行性。利用此系统可在航天器研发过程中提高航天器结构的可靠性,缩减用于排查故障的时间与财力,缩短卫星研制周期。     

航天器故障诊断与容错控制技术研究综述

详细综述了航天器故障诊断与容错控制的研究进展。重点从基于模型的方法、基于数据的方法和基于知识的方法三个方面分别阐述了航天器故障诊断技术的研究进展,并且总结了航天器容错控制技术的研究现状,然后介绍了国内外的一些相关技术项目的开展情况,最后对未来可能的发展方向进行了探讨。     

基于神经网络算法的液体火箭发动机实时故障检测方法研究

以某液体火箭发动机为研究对象,将实时故障检测作为中心,分析了神经网络算法的特点及其实现步骤,利用Lab Windows/CVI与MATLAB混合编程的原理,实现和改进了基于神经网络的发动机实时故障检测方法,并用多次试车数据进行了检验.试车数据验证结果表明,该方法能及时、准确、有效地检测发动机稳态过程的故障.研究结果对发展未来液体火箭发动机的箭载故障检测系统具有重要的参考价值.     

基于贝叶斯网络的飞机变流器故障诊断决策系统的设计与实现

文章在介绍飞机变流器维修决策特点的基础上,给出了一种基于贝叶斯网络的变流器故障诊断决策系统的软件结构,并分析了模型建造、知识库管理、模型推理、诊断决策、实例收集、模型学习等模块的功能和算法,以实现面向不确定性信息时的诊断决策功能。     

基于VGG16迁移学习的轴承故障诊断方法

针对轴承故障诊断问题,提出基于VGG16卷积神经网络与迁移学习的故障诊断方法。首先将轴承原始振动信号数据利用信号转图像方法进行预处理,生成相应的目标数据集;然后将已经预训练过的VGG16模型在生成的目标数据集上训练并微调;最后将微调后的VGG16模型应用于故障诊断。将该方法分别在凯斯西储大学和辛辛那提大学的轴承数据集上进行验证,结果表明该方法能够取得接近100%的轴承故障诊断准确率,具有较好的应用前景。     

量子超球神经网络在振动故障检测中的应用

提出了一种基于量子超球神经网络的液体火箭发动机振动故障检测方法,采用可变量子超球代表发动机工作模式,自然地提供了反映故障程度的概率幅;网络的离线学习算法可以从训练样本中自动提取发动机振动知识,监测算法不仅能正确预报故障,还能在线学习新的振动信息。试验数据检验结果表明：量子超球神经网络可以成功用于液体火箭发动机振动故障检测。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。     

深度交叉遗传神经网络在液体火箭发动机故障检测中的应用

将遗传算法与BP神经网络深度交叉融合,即采用遗传算法对BP神经网络的权值和阈值进行多点优化,而在进化的每一代中随机取少量染色体进行单一BP网络训练,训练结果再返回染色体,经过若干代的进化后得到稳定的权值和阈值,再将它们赋给BP神经网络,作为初始值,按误差前向反馈算法沿负梯度搜索重新训练,最终得到最优解。这种算法既避免BP算法易陷入局部最优解的不足,又克服遗传算法以类似穷举的形式寻找最优解而引起的搜索时间长、速度慢的缺点。并且经过仿真分析,深度交叉遗传BP神经网络的收敛性和故障诊断能力优于传统BP神经网络和单一使用遗传算法,可有效应用于液体火箭发动机故障检测中。     

基于小波神经网络的PIM功率时间序列预测

无源互调（passive intermodulation,PIM）是影响通信系统性能的关键因素之一。研究表明,PIM信号并非一个定值,而是随时间变化的非平稳信号。基于PIM功率信号的时间序列特性,文章提出基于小波神经网络的PIM功率时间序列预测方法。首先,详细介绍小波神经网络预测模型及其预测方法;其次,以同轴连接器为验证对象,通过PIM实验测试系统获得3阶PIM功率的时间序列;最后,依据获得的PIM功率时间序列,结合构建的小波神经网络预测模型对后续的时间序列进行预测分析,并将预测结果与实验结果进行比较,从而验证小波神经网络在预测PIM功率时间序列方面的有效性。该研究对于开展PIM抑制技术具有一定的参考价值。     

基于多信号模型航天器多故障诊断技术研究

最优多故障诊断问题是一个NP-COMPLETE问题。本文针对卫星电源这类复杂航天器系统，建立了多信号模型，该模型采用有向图描述元件与测试间的因果依赖关系。考虑系统元件发生故障的先验概率以及可用的测试工具，给出了一种基于拉格朗日松弛和子梯度优化算法的近最优多故障诊断算法。该建模方法与诊断方法在某卫星电源系统测试中得到了验证，结果表明该方法建模简单，诊断速度快，适用于航天器这种复杂系统的多故障诊断。     

基于RBF神经网络的非均匀阵列波达方向估计

通过构建RBF(径向基函数)神经网络测向模型对非均匀阵列的单信号源和多信号源进行来波方位估计。仿真实验表明,在非均匀阵列情况下基于RBF神经网络的DOA估计方法比常规的测向方法具有更高的估计精度和时效性。     

基于Q-Learning的深度神经网络自适应退避策略

针对无人机自组织网络,结合Q-Learning和深度神经网络,提出一种自适应退避策略,以提高基于竞争的MAC协议通信性能.以Matlab为仿真平台,仿真比较了自适应退避策略与二进制指数退避策略的性能.