中国宇航学会深空探测技术专业委员会会刊

高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于神经网络的卫星控制系统故障识别方法

孙博文 何章鸣 王炯琦

孙博文, 何章鸣, 王炯琦. 基于神经网络的卫星控制系统故障识别方法[J]. 深空探测学报, 2019, 6(4): 369-375. doi: 10.15982/j.issn.2095-7777.2019.04.009
引用本文: 孙博文, 何章鸣, 王炯琦. 基于神经网络的卫星控制系统故障识别方法[J]. 深空探测学报, 2019, 6(4): 369-375. doi: 10.15982/j.issn.2095-7777.2019.04.009
SUN Bowen, HE Zhangming, WANG Jiongqi. Neural Network based Fault Diagnosis Methodfor Satellite Attitude Control System[J]. Journal of Deep Space Exploration, 2019, 6(4): 369-375. doi: 10.15982/j.issn.2095-7777.2019.04.009
Citation: SUN Bowen, HE Zhangming, WANG Jiongqi. Neural Network based Fault Diagnosis Methodfor Satellite Attitude Control System[J]. Journal of Deep Space Exploration, 2019, 6(4): 369-375. doi: 10.15982/j.issn.2095-7777.2019.04.009

基于神经网络的卫星控制系统故障识别方法

doi: 10.15982/j.issn.2095-7777.2019.04.009
基金项目: 国家自然科学基金资助项目(61773021);湖南省杰出青年学者自然科学基金资助项目(2019JJ20018);湖南省自然科学基金资助项目(2019JJ50745);空间智能控制实验室科技基金资助项目(HTKJ2019KL502007)

Neural Network based Fault Diagnosis Methodfor Satellite Attitude Control System

  • 摘要: 闭环控制系统的反馈调节机制,可能破坏开环系统的可辨识性,导致误报率和漏报率同时上升,还可能导致同一故障模式下的多个变量发生异常,给闭环控制系统故障识别带来难度。针对单输入单输出系统,分析了闭环控制对可辨识性、误报率和漏报率的影响,对多输入多输出系统,理论上推导了闭环控制系统传感器故障的传播机理,分析了闭环控制系统对系统变量的影响关系,利用神经网络构建了闭环故障识别算法。数值仿真结果验证了闭环对故障系统诊断的不利影响,而卫星姿态控制系统的仿真结果标明:与传统方法相比,提出的方法识别性能更高。
  • [1] 闻竞竞, 黄道. 故障诊断方法综述[C]//全国第18届计算机技术与应用(CACIS)学术会议. 宁波:CACIS, 2007.
    [2] MEHRA R K,PESCHON J. An innovations approach to fault detection and diagnosis in dynamic systems[J]. Automatica, 1971, 7(5):637-640.
    [3] 周东华. 动态系统的故障诊断技术[C]//2007-2008控制科学与工程学科发展报告. 北京:中国科学技术出版, 2008.
    [4] 王海清, 宋执环, 王慧. PCA过程监测方法的故障检测行为分析[J]. 化工学报, 2002, 53(3):297-301. WANG H Q, SONG Z H, WANG H. Fault detection behavior analysis of PCA-based process monitoring approach[J]. Journal of Chemical Industry and Engineering, 2002, 53(3):297-301.
    [5] 邢琰, 吴宏鑫, 王晓磊, 等. 航天器故障诊断与容错控制技术综述[J]. 宇航学报, 2003, 24(3):221-226. XING Y, WU H X, WANG X L, et al. Review of spacecraft fault diagnosis and fault-tolerant control technology[J]. Journal of Astronautics, 2003, 24(3):221-226.
    [6] FRANK P M, DING X. Survey of robust residual generation and evaluation methods in observer-based fault detection systems[J]. Journal of Process Control, 1997, 7(6):403-424.
    [7] 周东华, 胡艳艳. 闭环系统故障诊断技术综述[J]. 自动化学报, 2013, 39(11):1933-1943. ZHOU D H, HU Y Y. Review on fault diagnosis techniques for closed-loop systems[J]. Acta Automatica Sinica, 2013, 39(11):1933-1943.
    [8] MACGREGOR J F, FOGAL D T. Closed-loop identification:the role of the noise model and prefilters[J]. Journal of Process Control, 1995, 5(3):163-171.
    [9] GHANTASALA S, EL-FARRA N H. Model-based fault isolation and reconfigurable control of transport-reaction processes with actuator faults[C]//American Control Conference. New York, USA:IEEE, 2007.
    [10] HAMAD A, YU D, GOMM J B. Fault detection and isolation for engine under closed-loop control[C]//Proceedings of 2012 UKACC International Conference on Control. Cardiff, UK:IEEE, 2012.
    [11] LE T T, WATTON J, PHAM D T. Fault classification of fluid power systems using a dynamics feature extraction technique and neural networks[J]. Proceedings of the Institution of Mechanical Engineers, Part I:Journal of Systems and Control Engineering, 1998, 212(2):87-97.
    [12] WANG J, QIN S J. Closed-loop subspace identification using the parity space[J]. Automatica, 2006, 42(2):315-320.
    [13] WANG K, CHEN J, SONG Z. Data-driven sensor fault diagnosis systems for linear feedback control loops[J]. Journal of Process Control, 2017(54):152-171.
    [14] 卫洁洁, 杨喜旺, 黄晋英, 等. 基于神经网络的滚动轴承故障诊断[J]. 组合机床与自动化加工技术, 2017(11):93-96. WEI J J, YANG X W, HUANG J Y, et al. Rolling bearing fault diagnosis based on the deep neural networks[J]. Modular Machine Tool & Automatic Manufacturing Technique, 2017(11):93-96.
    [15] 王新颖, 宋兴帅, 杨泰旺. 学习神经网络在管道故障诊断中的应用研究[J]. 安全与环境工程, 2018, 25(1):137-142. WANG X Y, SONG X S, YANG T W. Application of depth learning neural network in pipeline fault diagnosis[J]. Safety and Environmental Engineering, 2018, 25(1):137-142.
    [16] 董晴, 宋威. 基于粒子群优化的神经网络分类算法[J]. 传感器与微系统, 2017, 36(9):143-150. DONG Q, SONG W. Deep neural network classification algorithm based on particle swarm optimization[J]. Transducer and Microsystem Technologies, 2017, 36(9):143-150.
    [17] 刘丹枫, 刘建霞. 面向学习过拟合问题的神经网络模型[J]. 湘潭大学自然科学学报, 2018, 40(2):96-99. LIU D F, LIU J X. A neural network model for the overfitting problem in deep learning[J]. Natural Science Journal of Xiangtan University, 2018, 40(2):96-99.
    [18] HE Z, SHARDT Y A W, WANG D, et al. An incipient fault detection approach via detrending and denoising[J]. Control Engineering Practice, 2018(74):1-12.
    [19] 谢彦红, 孙呈敖, 李元. 基于滑动窗口SVDD的间歇过程故障监测[J]. 信息与控制, 2015, 44(5):531-537. XIE Y H, SUN C A, LI Y. Intermittent process fault monitoring based on sliding window SVDD[J]. Information and Control, 2015, 44(5):531-537.
    [20] 何章鸣. 非预期故障的数据驱动诊断方法研究[D]. 长沙:国防科技大学, 2015. HE Z M. Research on data-driven diagnosis methods for unanticipated fault[D]. Changsha:National University of Defense Technology, 2015.
  • [1] 雷英俊, 朱立颖, 张文佳.  我国深空探测任务电源系统发展需求 . 深空探测学报, 2020, 7(1): 35-40. doi: 10.15982/j.issn.2095-7777.2020.20190712001
  • 加载中
计量
  • 文章访问数:  628
  • HTML全文浏览量:  0
  • PDF下载量:  543
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-05-05
  • 修回日期:  2019-06-01

基于神经网络的卫星控制系统故障识别方法

doi: 10.15982/j.issn.2095-7777.2019.04.009
    基金项目:  国家自然科学基金资助项目(61773021);湖南省杰出青年学者自然科学基金资助项目(2019JJ20018);湖南省自然科学基金资助项目(2019JJ50745);空间智能控制实验室科技基金资助项目(HTKJ2019KL502007)

摘要: 闭环控制系统的反馈调节机制,可能破坏开环系统的可辨识性,导致误报率和漏报率同时上升,还可能导致同一故障模式下的多个变量发生异常,给闭环控制系统故障识别带来难度。针对单输入单输出系统,分析了闭环控制对可辨识性、误报率和漏报率的影响,对多输入多输出系统,理论上推导了闭环控制系统传感器故障的传播机理,分析了闭环控制系统对系统变量的影响关系,利用神经网络构建了闭环故障识别算法。数值仿真结果验证了闭环对故障系统诊断的不利影响,而卫星姿态控制系统的仿真结果标明:与传统方法相比,提出的方法识别性能更高。

English Abstract

孙博文, 何章鸣, 王炯琦. 基于神经网络的卫星控制系统故障识别方法[J]. 深空探测学报, 2019, 6(4): 369-375. doi: 10.15982/j.issn.2095-7777.2019.04.009
引用本文: 孙博文, 何章鸣, 王炯琦. 基于神经网络的卫星控制系统故障识别方法[J]. 深空探测学报, 2019, 6(4): 369-375. doi: 10.15982/j.issn.2095-7777.2019.04.009
SUN Bowen, HE Zhangming, WANG Jiongqi. Neural Network based Fault Diagnosis Methodfor Satellite Attitude Control System[J]. Journal of Deep Space Exploration, 2019, 6(4): 369-375. doi: 10.15982/j.issn.2095-7777.2019.04.009
Citation: SUN Bowen, HE Zhangming, WANG Jiongqi. Neural Network based Fault Diagnosis Methodfor Satellite Attitude Control System[J]. Journal of Deep Space Exploration, 2019, 6(4): 369-375. doi: 10.15982/j.issn.2095-7777.2019.04.009
参考文献 (20)

目录

    /

    返回文章
    返回