论文部分内容阅读
姿态控制系统作为卫星至关重要的子系统,其可靠性是卫星安全稳定运行的基本保障。为了提高卫星姿控系统的可靠性,增强系统的安全性及可维护性,开展卫星姿控系统故障诊断技术研究具有重要意义。然而,卫星姿控系统组成结构复杂,遥测数据高维且非线性,空间运行环境未知,部件故障多发以及故障在闭环内传播等问题给故障诊断方法的设计带来很大的挑战。本文主要运用基于数据驱动的方法研究卫星姿控系统的故障检测与识别技术。首先,针对卫星姿控系统运行初期遥测数据高维,样本信息量不足和模型更新问题,开展基于增量式局部线性嵌入(Incremental Locally Linear Embedding,ILLE)的卫星姿控系统故障检测技术研究。通过对卫星高维遥测数据进行降维,并将系统运行过程中的有用样本加入原始训练数据库,从而不断地更新和完善故障检测模型,解决模型更新问题。为了降低卫星姿控系统遥测数据不服从高斯正态分布以及数据噪声的累加给故障检测统计量带来的影响,提高故障检测准确率,引入支持向量数据描述(Support Vector Data Description,SVDD)算法构造故障检测统计量替代SPE和T~2统计量,改进基于ILLE的卫星姿控系统故障检测技术。为了验证所提方法的有效性,运用所设计的方法对某高精密卫星数字仿真平台进行故障检测,试验结果表明该方法的故障检测准确率很高,相比SPE和T~2统计量的检测效果有较大提升,能有效地检测卫星姿控系统故障。其次,针对卫星姿控系统存在环境干扰力矩和飞轮的不确定力矩,以及执行机构与传感器故障闭环传播导致故障难以辨识的问题,开展基于深度森林的卫星姿控系统故障识别技术研究。深度森林算法具有强大的学习能力和泛化能力,对超参数不敏感,无需大量故障样本,支持多类分类且训练速度快,相比人工神经网络(Artificial Neural Network,ANN)和支持向量机(Support Vector Machine,SVM)更适用于卫星姿控系统的故障识别。本文根据卫星姿控系统遥测数据状态参数和特性研究了特征提取方法,再运用深度森林算法进行样本训练,建立分类模型,从而辨识故障类型。为了验证所提方法的有效性和优越性,搭建半物理仿真平台进行仿真试验,并将该方法的故障识别结果与ANN、SVM算法进行对比,试验结果表明该方法的故障识别准确率相比ANN和SVM算法较高,能有效地辨识卫星姿控系统执行机构与传感器故障。最后,设计和开发了基于ILLE和深度森林的卫星姿控系统故障诊断应用软件。该软件通过数据获取模块从数据库中获取训练样本和在线测试样本并进行预处理;通过诊断模型训练模块对预处理后的训练样本进行特征提取并分别构建故障检测模型与故障识别模型;通过故障诊断模块对在线测试样本进行故障检测与识别并输出诊断结果。因此,该软件可直接应用于所提的故障检测方法和故障识别方法的实例验证。