基于联邦学习的星群故障诊断

针对卫星编队中单颗小卫星欠配置、测量信息不全和故障类型数据少等问题,提出一种基于联邦学习的卫星编队故障诊断方法.基于故障影响下的卫星动力学模型,利用Unity3D引擎搭建虚拟仿真环境,为后续卫星故障注入及故障数据产生奠定基础.考虑单个小卫星测量配置不全的问题,采用双向协调网络(BicNet)构建卫星本地故障诊断模型,借鉴邻居卫星的“远端”敏感器信息,实现本地卫星故障诊断.采用联邦学习框架进行分布式训练,每颗卫星上传本地模型参数进行协同建模,在不增加通信压力的情况下,整合整个星群的故障特征,提高星群对不同故障类型的故障诊断能力.所设计的编队故障诊断算法在编队卫星数量变化时也无需重新训练诊断网络,满足“即插即用”的工程需求.通过仿真实例验证,在测试集上精度达到99%,表明该方法有较高的准确性.     

面向资源约束航天器控制系统的故障检测研究

针对航天器控制系统的闭环特性和星载计算机存储空间和计算能力等资源受限的特点,研究基于互质分解技术和Youla参数化方法的故障检测方法.考虑航天器控制系统动力学方程和运动学方程,建立线性化系统模型,并给出状态空间表达形式;以状态观测器为基础,利用互质分解技术和Youla参数化方法分别研究控制信号和控制误差与残差的关系,进而给出只与控制信号和控制误差相关的残差设计方法;建立卫星闭环姿态控制系统仿真平台对算法进行仿真验证.仿真结果表明:由于在故障检测过程中避免了观测器的并行运行,因此所提方法在保证故障检测性能的前提下减少了计算量.     

氟化处理工艺对TiAl合金氧化层组织的影响

文章研究了氟离子注入和NH₄F溶液处理对TiAl合金高温氧化层组织结构的影响规律。结果表明:TiAl合金高温氧化层的组织和致密度受氟化处理工艺和参数的影响很大;经过表面氟化处理的TiAl合金高温氧化抗力高于原始合金;随着表面氟含量增加,氧化层的钛元素含量增加,致密度下降,研究表明存在一个最佳的表面氟浓度。     

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.     

基于相关性模型的液浮陀螺可诊断性分析方法

为了从根本上提高液浮陀螺在轨故障检测与诊断能力,基于相关性模型从设计角度提出了液浮陀螺的可诊断性分析方法.该方法首先建立液浮陀螺各功能模块之间的信息流图,然后结合FMEA建立故障-测点之间的相关矩阵.基于相关性矩阵,建立了故障可检测性、可分离性分析方法,实现了对测点的优化设计.本文提出的相关性模型为定性模型,具有易于构建、计算简单的优点,不仅实现了对液浮陀螺可诊断性设计结果的评估,还可为测点优化配置提供设计依据.     

基于工程加权的可诊断性指标分配方法研究

针对可诊断性指标分配的特点,提出了一种新的可诊断性指标分配方法.首先对影响可诊断性指标分配的参数和因子进行分析与量化;接着对不同量纲、不同取值范围的物理量进行了归一化,并且求解出分配权重;然后给出了可诊断性指标分配方法;最后通过实例仿真,说明了此方法具有合理以及简捷的优点.     

柔性航天器振动主动抑制及姿态控制

针对柔性航天器柔性附件振动主动抑制及姿态高精度快速稳定问题,研究了一种输入成形器（IS）-自适应有限时间干扰观测器（FDO）-有限时间积分滑模控制器综合的设计方法。首先,基于柔性模态的频率及阻尼信息,获得能够有效抑制柔性振动的输入成形器形式,并与系统参考输入进行卷积,得到期望参考输入;其次,基于航天器动力学模型,设计一种新型的自适应有限时间干扰观测器,避免了综合干扰上界必须已知的约束,且保证干扰估计误差有限时间收敛至零,实现对干扰及残余振动影响的快速精确估计;最后,基于观测器的估计值,设计多变量有限时间积分滑模控制器,保证对期望参考输入的高精度快速跟踪控制,并进行严格的稳定性证明。仿真结果表明,该综合设计策略能够保证柔性附件振动抑制75%,姿态稳定度达到10^-4数量级。     

基于深度迁移学习的航天器故障诊断

随着航天科技的发展,智能故障诊断技术是确保航天器控制系统安全、自主运行的关键技术之一.由于在轨航天器遥测数据样本少、噪声高、未标记,因此缺乏自适应能力、学习能力的传统故障诊断方法难以准确诊断在轨航天器故障.本文针对上述问题提出一种基于深度迁移学习的航天器故障诊断方法,为在轨航天器实时故障诊断提供了可行方法.首先,对航天...     

基于序列-图像映射的航天器智能故障诊断方法

卫星组网是未来航天的发展大趋势,要保证众星在轨安全可靠稳定运行,要求单星具备高精度的在轨自主故障诊断能力。本文针对航天器控制系统故障闭环传播和数据维数高的特点,结合某航天器的地面测试数据,首先对高维耦合序列数据进行处理,实现序列到灰度图像的映射,然后采用卷积神经网络完成高精度同一故障部件的故障诊断。通过将所提方法与K邻近算法、基于主成分分析的K邻近算法等非图像化机器学习算法进行对比验证,说明了本文所提方法的有效性。