[發明專利]一種吊艙故障診斷方法

在審

• 申請號: 201611241531.5
• 申請日: 2016-12-29
• 公開（公告）號: CN106599934A
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 于洪濤;閔昆龍;祁玉林;劉治超;王琮;李侍林;潘國慶
• 申請（專利權）人: 北京航天測控技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 工業和信息化部電子專利中心11010
• 代理人: 吳永亮

技術領域

本發明涉及通信技術領域，尤其涉及一種吊艙故障診斷方法。

背景技術

隨著吊艙技術水平的不斷提升，涉及的學科領域不斷增加，技術體系架構越發復雜，故障機理以及故障模式較為復雜，屬于典型的復雜裝備故障診斷，故障診斷難度較大。

而目前的吊艙包括多種，例如捕控指令吊艙、瞄準吊艙、干擾吊艙、導航吊艙，由于吊艙實現功能原理各不相同，其故障模式和失效機理各不相同。目前，在判別吊艙的故障原因時，通常采用故障數據的第一特征向量方向以及特征子空間的匹配度實現故障診斷，而該種方法需具備大樣本數據條件，才可進行準確判斷。而目前，由于信息獲取和數據處理能力不足，采用該種方法的話，實現起來較為困難。而當吊艙測試數據有限時，樣本空間小，很難從有限的數據中提取出包含故障特征的狀態信息，采用上述的方法會嚴重影響故障診斷的效率和定位準確度，同時也為診斷軟件的數據挖掘處理工作帶來沉重的負擔。

因此，現有的故障診斷方法當測試數據樣本較小時，難以滿足吊艙維修保障系統的故障診斷的需求。

發明內容

本發明實施例提供一種吊艙故障診斷方法，用以解決現有的故障診斷方法當測試數據樣本較小時，難以滿足吊艙維修保障系統的故障診斷的需求問題。

為了實現上述發明目的，本發明采用下述的技術方案：

依據本發明的一個方面，提供一種吊艙故障診斷方法，包括：

使用預設故障吊艙的綜合測試數據構建故障模式特征子空間矩陣庫；

將實際吊艙的綜合測試數據構建特征子空間，再根據主元模型和貝葉斯后驗概率分布提取數據估計特征子空間；

將所述數據估計特征子空間與所述故障模式特征子空間矩陣庫中的特征子空間進行相似性判斷，并根據判斷結果確定所述實際吊艙的故障模式。

進一步地，所述使用預設故障吊艙的綜合測試數據構建故障模式特征子空間矩陣庫，具體包括：

將預設故障的吊艙的綜合測試數據構建故障模式數據矩陣；

求解每個故障模式下所述故障模式數據矩陣的協方差矩陣的特征向量，以特征向量為基底構建故障特征子空間；

對所述故障特征子空間的進行角度旋轉后，添加至故障模式特征子空間矩陣庫中。

進一步地，所述求解每個故障模式下所述數據矩陣的協方差矩陣的特征向量，以特征向量為基底構建故障特征子空間，具體包括：

獲取故障模式數據矩陣X的協方差矩陣為∑X，計算公式如下：

計算所述協方差矩陣∑X的特征值λ_i以及其對應的特征向量b_i，公式如下：

選取j(j<m)個最大特征值所對應的特征向量，即可得到所述故障特征子空間B＝[b1,b2,b3,…bj]。

進一步地，對所述故障特征子空間的進行角度旋轉的計算公式如下：

B^T(∑_X)^-1Bx＝e²

其中，Bx為旋轉后的故障模式特征子空間。

進一步地，所述將實際吊艙的綜合測試數據構建特征子空間，再根據主元模型和貝葉斯后驗概率分布提取數據估計特征子空間，具體包括：

獲取實際吊艙的綜合測試數據，并所述綜合測試數據構建測試數據矩陣；

求解所述測試數據矩陣的協方差矩陣的特征向量，以特征向量為基底建立特征子空間；

對所述特征子空間進行正交CS分解轉化各主元坐標與基座標的角度關系，并根據貝葉斯概率分布和吉布斯采樣獲取隨機抽樣矩陣；

根據隨機抽樣矩陣經過數據滑動平均濾波獲取實際吊艙綜合測試數據估計特征子空間。

進一步地，所述對所述特征子空間進行正交CS分解轉化各主元坐標與基座標的角度關系的公式如下：

其中，B為特征子空間；R和H₁是n×m的正交矩陣；H₂是(n-m)×m的半正交矩陣；n為測試項個數，m為主元個數；C為diag(cosθ1,…cosθm)；S為(sinθ1,…sinθm)；θm為主元空間與空間基坐標主元特征向量之間的夾角度數。

進一步地，所述根據貝葉斯概率分布和吉布斯采樣獲取隨機抽樣矩陣，具體包括：

H1、H2的貝葉斯后驗概率的公式如下：

通過吉布斯采樣得到H₁⁽ⁿ⁾，H₂⁽ⁿ⁾；