[發明專利]一種基于神經網絡的航天器姿控噴管故障智能診斷系統及方法

有效

• 申請號: 201910660883.1
• 申請日: 2019-07-22
• 公開（公告）號: CN110412997B
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 曹璐;全凱;冉德超;朱效洲
• 申請（專利權）人: 中國人民解放軍軍事科學院國防科技創新研究院
• 主分類號: G05D1/08
• 分類號: G05D1/08
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 安麗

1.一種基于神經網絡的航天器姿控噴管故障智能診斷系統，其特征在于，包括：故障數據生成模塊和故障診斷模塊；

故障數據生成模塊，用于獲得航天器姿控噴管的故障信息和發生此類故障時對應的航天器姿態誤差曲線及此時控制器的輸出曲線，利用此模塊得到大量的故障信息，保存后用于故障診斷模塊的訓練數據；

故障診斷模塊，用于航天器姿控噴管的故障診斷；根據故障數據生成模塊保存的訓練數據，基于卷積神經網絡進行訓練，從而診斷出航天器姿控噴管的故障類型，并輸出航天器此時姿控噴管的工作狀態；

所述故障診斷模塊由卷積神經網絡構成，網絡的輸入為航天器姿態誤差曲線圖和控制器輸出曲線圖，兩張曲線圖合為一張是單通道的灰度圖像，作為故障診斷模塊的輸入信號，圖像分辨率為64*64像素，該網絡有3個卷積層，對應的卷積核尺寸均為5*5，第一層卷積層對應32個卷積核，第二和第三層卷積核對應64個卷積核；每個卷積層后都有一個池化層，并選用最大池化的方法，移動步長橫縱方向都是兩個像素；激活函數選取ReLU函數，最后的池化層鏈接一個全連接層，神經元個數為100個，然后在再連接dropout層，該層維度也為100，最后再連接一個softmax層用于實現最終的分類目的，對于航天器滾動通道的神經網絡該層維度為9維，對應著9種故障類型；對于偏航和俯仰通道的神經網絡該層維度為13維，對應著13種故障類型；網絡的最后一層為故障診斷模塊的輸出端，滾動通道的故障診斷器輸出信號維度為9，代表9種故障類型，俯仰和偏航通道輸出信號維度為13，代表13種故障信息；通過故障數據生成模塊得到的訓練數據，對此卷積神經網絡進行訓練，得到用于診斷航天器姿控噴管故障的故障診斷模塊；所述9種故障類型分別為：(1)正噴姿控噴管的兩個姿控噴管常開故障；(2)負噴姿控噴管的兩個姿控噴管常開故障；(3)正噴姿控噴管的兩個姿控噴管常閉故障；(4)負噴姿控噴管的兩個姿控噴管常閉故障；(5)正噴姿控噴管的一個姿控噴管常開故障；(6)負噴姿控噴管的一個姿控噴管常開故障；(7)正噴姿控噴管的一個姿控噴管常閉故障；(8)負噴姿控噴管的一個姿控噴管常閉故障；(9)無故障；

所述13種故障類型分別為：(1)正噴姿控噴管的兩個姿控噴管常開故障；(2)負噴姿控噴管的兩個姿控噴管常開故障；(3)正噴姿控噴管的兩個姿控噴管常閉故障；(4)負噴姿控噴管的兩個姿控噴管常閉故障；(5)正噴姿控噴管的一個姿控噴管常開故障；(6)負噴姿控噴管的一個姿控噴管常開故障；(7)正噴姿控噴管的一個姿控噴管常閉故障；(8)負噴姿控噴管的一個姿控噴管常閉故障；(9)正噴姿控噴管的另一個姿控噴管常開故障；(10)負噴姿控噴管的另一個姿控噴管常開故障；(11)正噴姿控噴管的另一個姿控噴管常閉故障；(12)負噴姿控噴管的另一個姿控噴管常閉故障；(13)無故障。

2.根據權利要求1所述的一種基于神經網絡的航天器姿控噴管故障智能診斷系統，其特征在于：所述故障數據生成模塊包括：故障模擬模塊、姿態控制器模塊、姿態動力學模塊和數據采集模塊；

故障模擬模塊，根據輸入的不同故障類型，模擬對應的姿控噴管故障類型，將姿態控制器模塊的輸出力矩強制轉換為對應故障狀態下的等效力矩，得到的等效力矩為模擬姿控噴管故障時航天器受到的實際控制力矩，并且根據需求調整故障作用時間，此等效力矩作為姿態動力學模塊的輸入信號；

姿態控制器模塊，模擬航天器的姿態控制器輸出，為故障模擬模塊提供輸入信號；根據輸入的姿態角期望值和姿態動力學模塊反饋的航天器姿態角信息，基于兩個姿態角的誤差，輸出模擬姿態控制器在姿控噴管正常工作情況下的輸出力矩，此輸出力矩為航天器在姿控噴管正常工作時受到的控制力矩，作為故障模擬模塊提供輸入信號；

姿態動力學模塊，根據輸入的等效力矩，模擬航天器的飛行狀態，輸出航天器在線性化姿態動力學方程和全量耦合姿態動力學方程下的姿態角信息，得到的姿態角信息反饋給姿態控制器模塊，作為姿態控制器模塊的姿態角反饋輸入；由于輸入信號為故障模擬模塊輸出的等效力矩，此時得到的航天器姿態角信息為姿控噴管故障情況下的姿態信息，此模塊在線性化姿態動力學方程和全量耦合姿態動力學方程之間自由切換；

數據采集模塊，將所述故障數據生成模塊產生的姿態角誤差信息和姿態控制器輸出信息進行等時間間隔采樣，得到姿態角誤差信息和姿態控制器輸出曲線，然后將采樣得到的曲線的數據進行預處理，分類標記后保存為用于故障診斷模塊中神經網絡訓練的數據。