[發明專利]基于神經網絡和證據理論的火箭發動機故障診斷方法

有效

• 申請號: 202010018485.2
• 申請日: 2020-01-08
• 公開（公告）號: CN111259927B
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 閆曉東;孫成志
• 申請（專利權）人: 西北工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安維賽恩專利代理事務所(普通合伙) 61257
• 代理人: 劉春

本發明提供了基于神經網絡和證據理論的火箭發動機故障診斷方法，屬于火箭發動機故障模式診斷和特征參數估計領域。針對運載火箭動力系統故障的復雜特性和故障模式的不確定性，首先考慮火箭發動機的故障類型，建立故障模型以及故障下的火箭運動模型；之后以火箭三軸視加速度和三軸角加速度作為神經網絡輸入，故障類型矩陣作為網絡輸出，建立BP神經網絡診斷模型和徑向基神經網絡診斷模型，通過D?S證據理論融合各個神經網絡的在線診斷結果，得到最終的故障模式辨識結果；最后通過滾動時域估計對故障模式下火箭飛行狀態特征參數進行估計。本發明不僅實現了在線診斷火箭發動機故障模式，并且實現了在線估計火箭飛行狀態特征參數。

【技術領域】

本發明屬于火箭技術領域，具體涉及一種基于神經網絡和證據理論的火箭發動機故障診斷方法。

【背景技術】

隨著航天科技的發展，高可靠性越來越成為航天發射任務的追求目標。在全箭眾多的故障模式中，動力系統故障是運載火箭最經常發生的、也是造成后果最嚴重的故障源，輕則會使入軌精度降低，重則直接導致飛行任務的失敗。對于火箭動力系統的故障檢測是火箭故障診斷中非常重要的部分。因此利用火箭的傳感器數據，同時研究利用具有創新性的方法和理論，對火箭發動機進行實時在線故障診斷具有重大的意義。

傳統火箭自主檢測系統主要在箭上傳感器進行狀態測量，然后判讀傳感器信息進行故障檢測。然而在實際飛行過程中，故障形式多種多樣，甚至有些故障是無法依靠傳感器進行測量的。現有的許多針對火箭動力系統的故障診斷方法雖然能夠實現一些故障模式的診斷，但存在很多無法消除的缺點，基于專家系統的診斷方法太依賴于先驗知識且對于未發生過的故障類型不能識別，基于狀態估計的診斷方法十分依賴對于火箭模型的精確建模且對于慢性故障無法識別。也有基于神經網絡的診斷方法，但是都是將神經網絡簡單應用于故障模式分類，對于未知故障類型無法識別，并且依賴于大量實驗數據進行訓練；針對火箭動力系統的故障診斷不能實現任意時刻的故障診斷，無法估計發生故障后的故障特征參數。

【發明內容】

本發明的目的是提供一種基于神經網絡和證據理論的火箭發動機故障診斷方法，以解決現有針對火箭動力系統的故障診斷不能實現任意時刻的故障診斷，無法估計發生故障后的故障特征參數的問題。

本發明采用以下技術方案：基于神經網絡和證據理論的火箭發動機故障診斷方法，其特征在于，該方法的具體步驟為：

步驟A、獲取故障數據樣本：建立火箭六自由度下的運動模型和故障模型，得到故障模式下的來自火箭運動的數據，即為故障數據的樣本；

步驟B、采用歸一化算法對故障數據的樣本進行處理，再對所述樣本的數據分類標簽化；將處理完之后的樣本數據分為訓練集和驗證集兩部分，訓練集用于訓練本發明的故障診斷模型，驗證集用于測試建立的故障診斷模型的診斷效果；

步驟C、構建及訓練BP神經網絡故障診斷模型；

步驟D、構建及訓練徑向基神經網絡故障診斷模型；

步驟E、構建證據理論融合診斷模型；

步驟F、實際故障診斷：將火箭視加速度和角加速度信息作為BP神經網絡故障診斷模型和徑向基神經網絡故障診斷模型的輸入，將這兩個網絡的輸出作為證據理論融合診斷模型的輸入，以證據理論融合診斷模型的輸出作為火箭發動機故障模式的辨識結果；

步驟G、得到故障模式辨識結果后，利用滾動時域估計方法估計故障模式下的飛行狀態特征參數。

進一步的，在所述步驟A中，火箭發動機的故障種類包括：火箭發動機推力損失任意百分比和伺服機構舵機卡死在任意角度。

進一步的，在所述步驟B中，對數據進行歸一化，使樣本數據都分布在[0，1]之間，對不同故障模式下的數據分類標簽化，來自同一故障類型的標記為1，其他故障類型的標記為0。