基于补偿最小二乘的航天器轨道确定方法研究

航天器动力学模型误差是降低轨道确定精度的关键因素之一,文章将航天器动力学模型中的模型误差转化为测量模型的系统误差,建立了测量方程的部分线性模型;并根据补偿最小二乘原理,推导了部分线性模型参数估计方法,并证明了相关性质。仿真试验表明:部分线性模型更接近测量数据的真实表现;基于补偿最小二乘的航天器轨道改进方法能有效逼近航天器状态真值,定轨精度显著优于传统最小二乘估计。     

基于DDPG的航天器性能-故障关系图谱推理方法研究

对深度确定性策略算法进行改进,结合图注意力网络,提出将知识与人工智能结合的航天器故障推理方法.在构建航天器部件级知识图谱的基础上,根据航天器知识图谱的结构、语义配置强化学习的环境,设置独特的奖励函数、策略网络与价值网络.针对航天器知识图谱的图结构数据特性,引入图注意力机制进行更为准确的故障定位.模拟故障发生情况进行实验验证,实验结果表明该方法能够由测点与测点特征出发进行反向故障推理,获得故障路径,快速自主定位发生故障的功能模块与故障模式.     

基于知识推理的航天器自主故障诊断方法

面向深空探测这类型号任务,提出一种基于知识推理的航天器自主故障诊断的智能方法,采取直接线性存储的知识库结构、主动监测事实更新并触发推理以及基于散列算法的事实管理三项关键技术,适用于航天器硬件处理能力和存储容量受限的应用环境.采用C语言在基于TSC695处理器的嵌入式系统上实现了该故障诊断方法,实验的结果表明该方法有效.     

航天器发射过程故障容错控制

根据航天器发射过程的故障特点,提出了利用容错技术对其故障进行控制的设计方法。着重对故障信息的获取,故障检测与诊断方法的选择,故障容错控制方案及其实现等进行了介绍。     

基于改进人工神经网络的航天器电信号分类方法

根据航天器系统级电性能测试工作中数据量大、任务繁重的特点,设计了基于人工神经网络的智能分类系统,对原始测试数据进行智能化分类,将非线性的调试经验以数据的形式储备,可在减少测试工作中对人为经验依赖的同时为航天器信号识别快速提供专家知识。考虑到经典的人工神经网络系统有训练时间长和对网络初始权值的依赖程度高等不足,利用主成分分析对数据进行压缩和自动编码技术对网络权值进行初始化。实验数据测试表明:与传统方法相比,本文提出的改进学习系统的分类准确率、稳定性和响应速度均得到显著提高。      

基于最小偏差LS-SVR的模电系统多故障诊断

为解决支持向量分类机多分类存在的样本重复训练、训练模型过多的问题,保证模拟电子系统在整体和局部多故障模式上的诊断正确率,提出基于最小偏差的最小二乘支持向量回归机多故障诊断方法.通过引进样本各维度拟合误差相对于平均拟合误差的偏差平方项,最小化维度间的拟合误差间距,得到能够输出多维变量及具有高分辨率的最小二乘支持向量回归机模型.将模型多维输出值与预设的各个多故障模式值相乘,所得结果集中最大值所对应的多故障模式即为最终诊断结果.仿真结果表明:提出的方法在简化训练过程的同时,能够保持良好的整体和局部多故障诊断正确率.     

基于最小二乘递推估计的GPS定位算法

首先从理论上证明了几何精度因子随卫星数目的增加而减小.然后提出了基于现有软件的几何精度因子和定位解的递推算法.该算法从剩余的可见卫星中选取使GDOP₅达到最小的第五颗星,利用这颗卫星提供的定位信息对四星定位解进行修正.最后给出了第五颗星的选择方法,算法的目的是以最小的计算量换取定位精度的有效提高.     

基于PLS-SEM的航天器控制系统能力建模方法

为提升航天任务完成品质,航天器需根据任务及环境针对性调整自身能力,而对航天器控制系统高层次能力的定量刻画,即系统能力建模是实现上述调整的重要理论依据。针对一类航天器姿态控制系统,提出一种基于偏最小二乘-结构方程模型(partial least square structural equation model, PLS-SEM)的航天器控制系统能力建模方法,实现对包括控制能力、观测能力等抽象能力的定量描述。首先,根据航天器闭环控制系统的结构要素,综合设计能力建模所需的指标类型,生成建模数据样本。在此基础上,设计并构建SEM框架下的能力变量体系,进而通过PLS算法完成模型路径、载荷、权重等关键参数的确定,并对所得PLS-SEM能力模型的结构方程与测量方程的有效性、可信性等分别进行评估。最终,根据航天器PLS-SEM能力模型对控制系统的各抽象能力进行定量描述与分析,验证本文所提出建模方法的可行性。     

基于遗传算法的航天器纯星光导航方法

对于地月转移轨道的航天器,提出了以地球和月球两个近天体与三颗恒星之间的星光角距作为观测量,采用最小二乘法进行位置解算的方法.鉴于该方法精度不高,进一步以月球和恒星的天文信息为观测量,利用行星敏感器测量航天器与地球、月球之间的几何关系,利用星敏感器识别星光,建立航天器的位置方程,并通过遗传算法解算位置方程,进而实现对航天...     

基于NMF的SVM故障诊断方法

针对大维数系统故障诊断中存在特征提取困难和识别率低的问题,提出基于非负矩阵分解(NMF,Non-negative Matrix Factorization)的支持向量机(SVM,Support Vector Machine)诊断方法,避免了直接对故障特征的选择和提取,实现特征降维,提高故障模式分类的准确性和速度;对于NMF中的结果随机性问题,提出用前次分解所得系数矩阵求解样本降维特征矩阵的方法,保证多次NMF分解尺度一致.实验表明该方法能对故障特征有效降维,并具有较高的诊断效率和故障识别率.     

基于粗糙集理论的卫星故障诊断方法

卫星结构和控制的复杂性、独特性和诱发故障的多源性导致其故障诊断的困难。卫星的一种故障模式与许多症状变量有关,目前的故障诊断推理因未充分考虑症状变量的冗余变量而比较复杂。提出了基于粗糙集理论的故障症状约简新方法,用卫星故障实例研究了新方法的应用,结果表明该约简方法对消除卫星故障症状信息冗余、简化和优化故障诊断推理非常有效。     

基于故障树和神经网络模型的航天器智能诊断研究

提出基于故障树和神经网络模型的诊断方法,提出面向故障树的基于框架和广义规则的知识表示方法及相应的确定性和可能性推理策略,对于可能性推理的结果,通过基于神经网络模型的学习诊断来进一步确定其状态。在Ｗｉｎｄｏｗｓ环境下,用Ｂｏｒｌａｎｄ Ｃ＋＋实现了一个原型系统。通过对“实践４号”卫星能源系统故障模拟实验台的诊断验证了系统的有效性。     

基于故障树分析法的故障诊断专家系统

介绍了一个应用于卫星控制系统的基于故障树分析法的故障诊断专家系统,并描述了此专家系统的基本设计构想及实现方法。该系统既能完成不精确性逻辑推理,又能实现动态知识的过程描述,还能完成必要的复杂的数值计算。该系统也可以应用于其他领域的故障诊断。     

国外载人航天器故障诊断技术

详细介绍了故障诊断技术在国外载人航天器故障诊断中的应用及发展过程，并对专家系统技术进行了重点分析和介绍，国外载人航天器故障诊断经历了60年代简单的状态监测（水星号），70年代的基于算法的诊断（阿波罗），一直到80年代的基于知识的智能诊断（航天飞机），三个阶段，还介绍了NASA为其航天飞机主发动机透平泵和空间站电源系统开发的故障诊断专家系统，并对航天领域故障诊断技术特点进行了综合分析，同时指出了航天领域故障诊断技术的发展趋势。     

基于神经网络模型的学习诊断

基于故障树模型的诊断把故障树的底事件分成三部分：必然的故障源集（ＣＦＳ）、正常底事件集（ＮＥＳ）和可能的故障源集（ＰＦＳ），及如何进一步确定ＰＦＳ中各元素的状态（正常或异常）。在存在大量训练样本的情况下，可采用基于神经网络模型的学习诊断方法来确定ＰＦＳ中各元素的状态，并通过对某卫星能源系统故障模拟原理性试验台的故障诊断验证了该方法的有效性。     

基于Agent卫星故障诊断系统的开发研究

本文研究并建立了基于智能Ａｇｅｎｔ的分布式故障诊断系统模型,同时还研制了基于智能Ａｇｅｎｔ的卫星故障诊断原型系统。该系统客户机／服务器集成机制,满足故障诊断的工程需要。使多种软件相互通讯,多种诊断方法相互融,从而提供了新的故障诊断分析方法与手段,使并行同步多故障诊断成为可能。     

火箭发动机基于神经网络非线性辨识的故障检测

应用神经网络方法，提出了一种液体火箭发动机故障实时检测算法。神经网络采用非线性辨识技术贴近发动机的工作过程，并输出包合发动机故障信息的辨识误差信号。若辨识误差变大超过一定阈值，检测逻辑就预报发动机故障。在发动机启动阶段离线训练神经网络，在发动机稳态过程可以采用离线或在线学习算法。实验研究表明神经网络可以成功地应用于大型泵压式液体火箭发动机的故障检测。     

应用证据推理理论实现卫星故障诊断信息的融合方法

针对卫星故障诊断中应用同一征兆域信息难以区分的故障,提出了一种基于证据推理理论的故障诊断新方法。该方法应用证据推理理论实现卫星故障不同征兆域信息的融合,从而获得更加准确的故障定位。文中分析了卫星故障诊断中应用证据推理理论进行信息融合的必要性,研究了应用证据推理理论实现卫星故障不同征兆域信息融合的理论方法,给出了该方法的实际应用,讨论了应用该方法需注意的问题,最后给出了结论。     

液压泵故障诊断的神经网络方法

利用神经网络方法解决液压泵多故障诊断的问题。文中通过对液压泵故障机理的分析，针对液压泵多故障模式提出了利用集成ＢＰ网络进行多故障诊断的策略。理论和实验结果分析表明，利用神经网络方法可以有效地诊断知识别液压泵多故障模式，其识别率随着学习样本量的增大而提高。