基于双观测器的卫星姿控系统敏感器故障隔离

卫星的姿态测量部件通常包括光学敏感器和惯性敏感器,这两类敏感器的故障隔离是卫星闭环姿控系统故障诊断的难点之一。利用双观测器方法实现两类敏感器的故障隔离,由卫星姿态运动学方程可知,这两类敏感器的输出存在解析冗余,可建立一个"虚拟"系统。对这个系统设计两个不同的观测器,其中一个是Kalman滤波器,能检测两类敏感器的故障;另一个是隔离观测器,能检测光学敏感器的故障,通过比较这两个观测器的输出残差,达到故障隔离的目的。将该方法应用于包含太阳敏感器、红外地球敏感器和陀螺的卫星姿控系统的故障诊断,数学仿真结果验证了这种方法的有效性。     

A novel sparse feature extraction method based on sparse signal via dual-channel self-adaptive TQWT

Sparse signal is a kind of sparse matrices which can carry fault information and simplify the signal at the same time. This can effectively reduce the cost of signal storage, improve the efficiency of data transmission, and ultimately save the cost of equipment fault diagnosis in the aviation field. At present, the existing sparse decomposition methods generally extract sparse fault characteristics signals based on orthogonal basis atoms, which limits the adaptability of sparse decomposition. In this paper, a self-adaptive atom is extracted by the improved dual-channel tunable Q-factor wavelet transform (TQWT) method to construct a self-adaptive complete dictionary. Finally, the sparse signal is obtained by the orthogonal matching pursuit (OMP) algorithm. The atoms obtained by this method are more flexible, and are no longer constrained to an orthogonal basis to reflect the oscillation characteristics of signals. Therefore, the sparse signal can better extract the fault characteristics. The simulation and experimental results show that the self-adaptive dictionary with the atom extracted from the dual-channel TQWT has a stronger decomposition freedom and signal matching ability than orthogonal basis dictionaries, such as discrete cosine transform (DCT), discrete Hartley transform (DHT) and discrete wavelet transform (DWT). In addition, the sparse signal extracted by the self-adaptive complete dictionary can reflect the time-domain characteristics of the vibration signals, and can more accurately extract the bearing fault feature frequency.     

反作用轮不完全数据故障诊断新算法

针对卫星反作用轮遥测数据存在不完备情况,提出一种基于核模糊均值聚类（KernelFuzzy C-Means,KFCM）的数据修复诊断算法KFCM-Imputation(KFCM-I)。该算法通过KFCM聚类实现已知故障样本的聚类中心和聚类半径,通过相似度计算查找与不完备数据最相似的数据点,将该数据点填充于不完备数据点位置,保证数据的完备性,并通过数据的相似度进行故障诊断。考虑所有故障特征同步缺失数据和各故障特征随机缺失数据两种工况,对比工程上直接删除缺失数据的方法,在数据缺失量小于总数据量的13%时,KFCM-I诊断精度能达90%以上;当数据缺失量占总数据量13%～20%时,诊断精度仍能达到80%。KFCM-I算法故障诊断精度高、计算简单,对工程应用有较好的参考价值。     

一种基于ROM模型的测试性指标论证方法

针对实践中缺乏理论性、可实施性强的测试性指标论证方法的现状,提出了一种基于可靠度、战备完好率与可维修度（ROM）模型的测试性指标论证方法。从战备完好率（O）、可靠度（R）、可维修度（M）关系式入手,将关系式中的可靠度和可维修度分别用平均故障间隔时间（MTBF）和平均修复时间（MTTR）替换,再建立MTBF和MTTR与故障诊断率、虚警率和机内测试（BIT）故障率的关系式并代入"ROM"关系式,得到战备完好率与测试性指标之间的关系式,建立待解指标与BIT数量之间的关系式,通过代入和消减参数得到战备完好率随BIT数量变化曲线,通过找到曲线极值点得到最佳BIT数量,进而得到最佳的测试性指标。在模型构建和指标求解过程中进行了较为充分的仿真分析,得到了大量与经验相符的规律性结论,为不同对象应用该方法进行参数设置时提供了较为充分的参考。最后应用本文方法对某光电一体化设备进行了指标论证,演示并验证了本文方法的有效性。     

基于线调频小波路径追踪阶比循环平稳解调的滚动轴承故障诊断

针对变转速工况下滚动轴承的故障诊断问题,提出一种将线调频小波路径追踪算法与阶比循环平稳解调方法相结合的滚动轴承故障诊断方法.该方法先利用线调频小波路径追踪算法提取轴承的故障特征频率,再根据轴承的故障特征频率对变转速下时域振动信号的包络在角域等角度重采样,并对获取的角域平稳信号进行循环平稳解调,计算得到切片解调谱;最后根据切片解调谱识别滚动轴承故障.仿真分析和应用实例表明:该方法能准确提取变转速工况下滚动轴承的外圈与内圈故障故障特征,提取效果明显优于基于Wigner-Ville峰值跟踪法的包络阶次谱方法.      

过驱动航天器飞轮故障重构与姿态容错控制

针对四反作用飞轮配置的刚体航天器执行机构故障以及外部干扰等问题,提出一种姿态容错控制分配算法。该方法通过设计滑模观测器,实现在有限时间内对执行机构故障与外部干扰的精确重构;特别地,应用Lyapunov稳定性理论证明了所设计的控制器能够在有限时间内实现对闭环姿态的全局渐近稳定控制,且该控制策略可实现对反作用飞轮故障与外部干扰的鲁棒性。此外,采用计算量较小的基序最优控制分配方法快速实现了期望控制力矩到四反作用飞轮指令控制力矩分配。最后,针对某型号航天器以及各种反作用飞轮故障进行数值仿真,仿真结果表明所设计过驱动航天器飞轮故障重构与姿态容错控制方法能够在线、及时、精准地完成故障重构与控制分配。     

基于支持向量机的冗余陀螺故障诊断方法

为了弥补最优奇偶向量法在冗余陀螺故障诊断中存在的不足,提出了基于支持向量机的故障诊断方法.在最优奇偶向量法的基础上,将冗余陀螺测量单元中所有陀螺的奇偶残差看做整体,作为多故障支持向量分类机进行训练数据,并从训练数据预处理、核函数选择和参数寻优等方面进行了研究.将训练后的支持向量分类机用于对九陀螺冗余测量单元的故障诊断试验,试验结果表明,该方法具有良好的故障识别率、较低的漏检率和虚警率.     

存在时延及丢包的网络化飞行器鲁棒故障检测

考虑同时存在未知时延及随机丢包的飞行器网络环境,研究了飞行器网络控制系统的鲁棒故障检测问题。将未知时延及随机丢包的影响转变为未知扰动输入,建立飞行器网络控制系统的统一数学模型,同时考虑残差对故障的灵敏性和对未知扰动的鲁棒性,利用模型参考的思想,将故障检测问题分解为最优残差模型设计及鲁棒跟踪问题两部分,利用多目标优化方法给出最优残差模型的求解条件,并以线性矩阵不等式的方式给出鲁棒跟踪问题的存在条件,数值仿真表明,所提方法能有效抑制时延及丢包的影响,并能快速有效地检测出更小故障,验证了方法的有效性和优越性。     

设备故障诊断技术在轴承故障检测中的应用研究

轴承是故障发生率比较高的部件,用简易诊断法难免会出现人为的判断误差。本文论述了精密诊断法的基本原理,并用该方法对轴承的故障进行了诊断,从而论证了精密诊断法在生产中的实际应用价值。     

基于深度残差网络的模拟电路软故障诊断方

航天电子电路的故障诊断一直是航天领域可靠性与安全性的一个热点研究课题,航天电子电路的故障将直接影响航天任务是否成功。提出了一种基于深度残差网络的模拟电路故障诊断方法。该方法使用短时傅里叶变换将电路的时域输出信号转换为二维电路图像,并将其作为神经网络的输入,再利用ResNet提取模拟航天电子电路的性能特征,确定元件的故障类型,完成电路的故障诊断。通过仿真验证了该方法的故障诊断性能。仿真结果表明,该方法能够实现高达99.1%的诊断准确率。