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。     

基于相关系数AR模型的陀螺随机漂移分析方法

陀螺漂移序列的均值和方差随时间不断变化,不属于传统的相关函数平稳序列,因此采用传统的平稳序列分析方法对其处理必然导致较大的误差．通过对大量陀螺漂移数据分析发现,大多数陀螺漂移序列的相关系数并不随时问的平移而变化,是时间间隔的单变量函数,因此,它们属于相关系数平稳序列．在此基础上,建立了基于相关系数AR模型的陀螺漂移分析方法．该方法首先对陀螺漂移数据是否属于相关系数平稳序列进行判别,然后采用相关系数AR模型建模并给出模型参数的估计方法,最后可根据得到的相关系数AR模型对陀螺漂移进行估计和补偿．由于相关系数平稳序列能够对陀螺漂移序列的本质特征进行描述,因此较传统方法具有更高的建模精度和补偿精度．     

基于可诊断性约束的测点优化配置研究

为提高卫星的安全性和可靠性,适应在设计阶段对故障诊断进行考虑的需求,以动量轮为例,将故障可诊断性作为优化目标,提出基于DM分解技术的测点优化配置方法,并给出故障可诊断性评价的相关定义.分析动量轮模型和故障,建立动量轮的结构模型;采用DM技术对动量轮的结构模型进行分解,并分析动量轮模型的解析冗余关系;在对各故障的可检测性和可分离性进行分析的基础上,根据结构模型的偏序关系,获得使故障具有可检测性和可分离性的最小传感器集合;给出故障可诊断性评价的定义,并针对两种传感器配置情况,进行可诊断性分析.本文所提方法为设计阶段开展故障诊断的研究提供了借鉴和参考.     

故障可诊断性评价与设计研究进展

阐述故障可诊断性评价与设计研究的必要性并给出相关定义.从基于定量模型和定性模型两个方面对故障可诊断性评价研究现状进行介绍,包括梳理各种方法的基本思路,给出各方法的优缺点与适用范围,总结与故障可诊断性相关的定量指标等;从基于优化问题、故障传播关系、变量约束关系以及故障影响变量等方面对测点优化配置方法进行介绍,并给出各种方...     

卫星姿态确定系统的故障可诊断性分析方法

提出一种适用于线性系统的故障可诊断性分析方法,并将其应用于卫星姿态确定系统,从而实现在地面设计阶段提高系统故障诊断能力的目标.为有效解决K-L散度应用于卫星姿态确定系统故障可诊断性分析中存在的问题,基于方向相似度原理设计新的可检测性和可隔离性量化分析方法.通过数学仿真,验证了该方法的正确性和有效性.     

面向异构场景的智能运维联邦学习算法

面向航天器等核心设备设计智能运维方法是构建自主运维能力的关键.得益于机器学习技术的发展,近年来出现的数据驱动智能运维方法极大提升了设备自主能力.然而,航天器设备日益呈现集群化的趋势,传统的智能运维方法面临分布式建模和隐私保护2个关键挑战.利用联邦学习框架构建智能运维模型是解决上述挑战的一种可行思路.航天器设备通常处于计算、通信等资源极为受限的工作环境,不同设备在数据分布、计算能力等方面呈现明显的异构特点,会极大影响联邦学习的性能.因此,针对上述异构特点,利用模型聚簇的思想,设计异构场景下的联邦学习方法,支持各航天器节点间的训练节奏调整,减少不同节点间的同步等待时间,支持面向各节点特征的模型构建,提升运维模型的构建性能.实验结果表明所提出的方法是有效的.     

基于无监督聚类与LSTM网络的航天器健康状态预测方法

健康状态预测是从系统层面保证航天器在轨安全稳定运行的关键技术.针对机电类关键部件存在性能退化过程的特点,提出一种基于无监督聚类与长短时记忆(LSTM)网络的航天器健康状态预测方法.该方法首先提取航天器单部件多维参数的高维时域特征,通过PCA方法将高维特征融合为反映部件运行状态的健康因子,再结合无监督聚类算法识别出故障的不同演化阶段,最后采用LSTM网络分别对各退化阶段构建其健康状态演化预测模型,实现对航天器部件健康状态预测.本文以控制系统关键部件控制力矩陀螺(CMG)为例对上述算法进行试验验证,验证了方法的有效性.     

ε-N曲线和P-ε-N曲线整体推断方法

由于应变疲劳试验数据在lgΔεe-lgN (或 lgΔεp-lgN )坐标系中呈现散点形式,并且疲劳寿命标准差随弹性分量和塑性分量减小而增大,所以无法通过成组试验法和同方差回归分析测定ε-N曲线和P-ε-N曲线,目前采用的平均值法和Wissching方法均属于近似方法,存在较大误差.为此,本文采用异方差回归分析理论,建立了一种测定ε-N曲线和P-ε-N曲线的整体推断方法,该方法能够将不同应变水平下的试验数据作为一个整体进行统计分析,可以很好地处理散点数据和异方差数据.在ε-N曲线和P-ε-N曲线测试中,与传统方法相比,既可节省大量试件,又能有效地提高精度.     

基于启发式算法的可重构性指标分配

串联有约束条件下的可重构性指标分配问题,针对考虑部件故障的系统给出了可重构度的概念和计算方法,并论证了其合理性.结合最优冗余分配理论和可重构度定义给出了可重构度最大化的冗余分配模型,在此基础上提出了基于启发式算法的可重构性指标分配方法,该方法可解决约束条件内资源优化配置问题,并得到系统最大可重构度的解.直接寻查法作为以往具有代表性的最优冗余分配方法,用作系统可重构性指标分配仿真,与所提方法作比较,结果显示基于启发式算法的可重构性指标分配方法较前者有更高的有效性.