[發明專利]一種檢測衛星姿態測量系統微小故障的方法

有效

• 申請號: 201611014917.2
• 申請日: 2016-11-17
• 公開（公告）號: CN106767898B
• 公開（公告）日: 2019-04-09
• 發明（設計）人: 何章鳴;王炯琦;周海銀;周萱影;馬正芳;侯博文;彭堅
• 申請（專利權）人: 中國人民解放軍國防科學技術大學
• 主分類號: G01C25/00
• 分類號: G01C25/00
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

本發明實施例提供了一種檢測衛星姿態測量系統微小故障的方法，本方法包括四大步驟：首先，對測量數據進行預處理；其次，基于趨勢剔除算法剔除訓練數據和測試數據的趨勢項，從而提高測試數據的故障信號比；再次，基于噪聲消減算法進一步消減噪聲和增強微小故障，從而提高測試殘差的故障噪聲比；最后，構建檢測統計量和檢測閾值，從而實現微小故障的檢測。當衛星控制系統處于非平穩狀態，而且發生微小故障時，該方法可以提高微小故障的檢測率。

技術領域

本發明涉及衛星姿態測量系統故障診斷方法，具體涉及一種檢測衛星姿態測量系統微小故障的方法。

背景技術

衛星姿態測量系統包括紅外地球敏感器，太陽敏感器和陀螺儀等部件。受工藝設計、長期運行和太空環境的影響，其不可避免的會發生衛星測量系統故障。然而，無論故障的幅值多大、故障傳遞有多復雜，故障的危害多大，這些故障都是從微小故障開始的，因此微小故障的檢測和診斷是預防和減少事故的關鍵。

微小故障的檢測方法的研究，目前還處于起步階段。實際上，從20世紀70年代初故障診斷概念被提出以來，產生了很多行之有效的故障診斷方法，主要包括定性診斷方法和定量診斷方法，而定量方法又包括基于解析模型的方法和數據驅動的方法。但是傳統的故障診斷方法主要是用來診斷征兆顯著的故障。對于微小故障，如果直接套用傳統的故障診斷方法，診斷性能可能非常差。微小故障引起的數據變化幅值小、征兆不顯著，從而對其定性的行為描述的知識較少，使得定性檢測規則難以判斷微小故障是否存在；由于系統模型不可避免地存在著不確定性或干擾，這些因素直接影響基于解析模型的微小故障的診斷準確性。相比而言，數據驅動的微小故障的診斷方法具有一定的優勢，表現兩個方面：一、復雜系統往往無法建立精確的模型，或者建模具有很大的不確定性，而數據驅動方法一般不需要精確的系統模型，因而數據驅動方法更容易實現；二、數據驅動方法種類較多，如小波變換法、譜分析法和多元統計方法等，這些方法便于提取有關微小故障的信號的特征用于故障診斷。

姿態敏感器測量的數據既包括非平穩的確定性趨勢，也包括平穩的隨機性噪聲，如果確定性趨勢變化范圍很大，或者隨機性噪聲的方差很大，那么故障引起的數據變化就容易被趨勢和噪聲所掩蓋。微小故障的上述特點導致了微小故障檢測的困難，使得故障的檢測率很低，檢測到的故障時間比實際的故障時間相比有很大的延遲。綜上，檢測微小故障的兩個關鍵點是：剔除寬幅數據趨勢對微小故障的影響和削弱測量噪聲對微小故障的干擾。

發明內容

針對現有技術中的上述不足之處，本發明所要解決的技術問題是提供一種檢測衛星姿態測量系統微小故障的方法，以提高衛星在軌故障檢測率和降低故障檢測延遲。

本發明具體包括四個步驟：

步驟一：數據預處理；將從衛星姿態測量系統獲得的數據作為原始測試數據，把原始測試數據X＝(x₁,x₂,…,x_k,x_k+1,x_k+2,…,x_k+j,…)劃分為訓練數據X_k＝(x₁,x₂,…,x_k)和測試數據X_k+j＝(x_k+1,x_k+2,…,x_k+j,…)，其中訓練數據X_k是歷史的正常數據，測試數據X_k+j是未來的待檢測數據，其中k和j都是大于等于1的正整數。表示衛星姿態測量系統在k時刻的測量值，其中n表示變量的個數，它的變量較多，包括太陽敏感器變量、地球敏感器變量和陀螺儀變量等，因此需要對訓練數據的變量進行橫向篩選，即篩選出與故障相關聯的變量；系統開機時數據擾動范圍較大，表現出極端不穩定性，因此需要對訓練數據進行縱向裁切，即裁切掉變換范圍大且變化規律復雜的部分訓練數據。預處理后的訓練數據仍記為X_k。所述衛星姿態測量系統包括：滾動地球敏感器、俯仰地球敏感器、滾動太陽敏感器、俯仰太陽敏感器、滾動陀螺儀、俯仰陀螺儀和偏航陀螺儀。