卫星姿态控制系统的分级故障诊断方法研究

发布时间：2017-11-02 15:30

  本文关键词：卫星姿态控制系统的分级故障诊断方法研究

  更多相关文章： 故障诊断 故障检测 故障隔离 故障估计 未知输入观测器 泛函模糊神经网络 粒子群算法 径向基函数神经网络

【摘要】：卫星姿态控制系统控制着卫星的姿态指向,是卫星中非常重要的组成部分,它的正常运行是卫星实现其整体功能的基本保证,在未来的卫星深空探测任务中具有广阔的应用前景。未来严峻的挑战对卫星的姿态提出了较高的要求,因此本文以卫星姿态控制系统为研究背景,重点分析系统中的敏感器和执行机构的分级故障诊断问题,分级完成了系统的故障检测、故障隔离与故障估计任务。主要研究内容包括:提出了基于未知输入观测器的故障检测算法。设计了一种简单的未知输入观测器,从而产生不受外界干扰影响的残差,用以判断系统是否发生故障及故障发生时刻。这种故障检测观测器最大的优点在于通过简单的设计实现干扰解耦,消除了干扰的影响。提出了基于泛函模糊神经网络的故障隔离算法,将故障检测观测器生成的残差作为泛函模糊神经网络的输入样本,通过神经网络的离线训练,确定系统故障发生的具体位置。同时给出一种PSO-黑鹳觅食混合算法,用以调整神经网络的权值,提高神经网络的学习能力。仿真结果表明,通过该学习算法优化的神经网络较传统PSO算法无论是收敛速度还是网络精度都得到了提高。提出了基于径向基函数神经网络的未知输入观测器设计方法,用以实现故障估计。本文所设计的未知输入观测器,结构简单易实现,同时还消除了干扰的影响。此外,通过在线训练径向基函数神经网络,实现了卫星姿态控制系统执行机构的实时故障估计。
【关键词】：故障诊断 故障检测 故障隔离 故障估计 未知输入观测器 泛函模糊神经网络 粒子群算法 径向基函数神经网络
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V448.22
【目录】：

• 摘要4-5
• ABSTRACT5-11
• 注释表11-12
• 缩略词12-13
• 第一章 绪论13-26
• 1.1 研究背景及意义13-14
• 1.2 故障诊断技术概述14-17
• 1.2.1 故障诊断技术的概念和任务14
• 1.2.2 故障诊断方法的分类与概述14-17
• 1.3 航天器故障诊断技术概述17-23
• 1.3.1 航天器故障诊断技术的发展现状17-18
• 1.3.2 航天器故障诊断方法综述18-22
• 1.3.3 航天器故障诊断技术的发展方向22-23
• 1.4 本文的主要研究工作23-24
• 1.5 本文的内容安排24-26
• 第二章 卫星姿态控制系统建模26-35
• 2.1 引言26
• 2.2 卫星姿态运动学与动力学基础26-31
• 2.2.1 常用坐标系26-27
• 2.2.2 卫星姿态的描述27-30
• 2.2.3 卫星姿态运动学方程30
• 2.2.4 卫星姿态动力学方程30-31
• 2.2.5 卫星姿态控制系统的状态方程31
• 2.3 卫星姿态控制系统的结构31-34
• 2.3.1 卫星姿态控制系统的执行机构32
• 2.3.2 卫星姿态控制系统的敏感器32-34
• 2.4 本章小结34-35
• 第三章 基于未知输入观测器的故障检测35-45
• 3.1 引言35
• 3.2 卫星姿态控制系统故障分析35-37
• 3.2.1 敏感器故障分析35-36
• 3.2.2 执行机构故障分析36-37
• 3.2.3 系统级故障分析37
• 3.3 基于未知输入观测器的故障检测方法37-41
• 3.3.1 带有故障的卫星姿态控制系统模型37-38
• 3.3.2 未知输入观测器设计38-39
• 3.3.3 未知输入观测器的稳定性分析39-40
• 3.3.4 残差的产生40-41
• 3.4 数值仿真与结果分析41-44
• 3.5 本章小结44-45
• 第四章 基于泛函模糊神经网络的故障隔离45-61
• 4.1 引言45
• 4.2 泛函模糊神经网络模型45-50
• 4.2.1 模糊神经网络的概念及数学表达45-47
• 4.2.2 泛函连接神经网络的数学定义及结构47-49
• 4.2.3 泛函模糊神经网络的结构及数学表达49-50
• 4.3 泛函模糊神经网络的学习算法50-56
• 4.3.1 粒子群优化算法的原理及数学描述51-53
• 4.3.2 PSO-黑鹳觅食混合优化算法53-54
• 4.3.3 采用PSO-黑鹳觅食混合学习算法的泛函模糊神经网络学习过程54-56
• 4.4 数值仿真与结果分析56-60
• 4.5 本章小结60-61
• 第五章 基于径向基函数神经网络和未知输入观测器的故障估计61-69
• 5.1 引言61
• 5.2 径向基函数神经网络61-63
• 5.2.1 径向基函数神经网络的结构61-62
• 5.2.2 径向基函数神经网络的学习过程62-63
• 5.3 基于径向基神经网络的未知输入观测器63-65
• 5.3.1 未知输入观测器的设计方法63-64
• 5.3.2 未知输入观测器稳定性分析64-65
• 5.4 数值仿真与结果分析65-68
• 5.5 本章小结68-69
• 第六章 总结与展望69-71
• 6.1 全文工作总结69
• 6.2 后续工作展望69-71
• 参考文献71-76
• 致谢76-77
• 在学期间的研究成果及发表的学术论文77

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

，

本文编号：1132136