基于神经网络的航天器姿态控制系统故障诊断研究

发布时间：2018-04-13 07:10

本文选题：小波神经网络 + 航天器姿态控制系统　；参考：《沈阳航空航天大学》2016年硕士论文

【摘要】：随着世界经济的不断发展,越来越多的国家开始重视航天科技的发展,现已成为衡量一个国家综合实力的标志。处于太空环境中的航天器,由于受到空间力矩的干扰,难免会发生不可预测的故障,这将直接决定航天任务的成败。为了确保航天器的安全性、可靠性及航天任务的顺利进行,开展航天器智能故障诊断是一项必不可少的技术。航天器姿态控制系统作为航天器最复杂的子系统之一,其可靠性与安全性是航天器正常工作的充分条件。小波变换具有良好的时频两维信号的多分辨率分析特性,而神经网络具有自学习能力,并能逼近任意的非线性系统;将小波变换融入神经网络构成小波神经网络用于故障诊断,该方法加快了神经网络的训练速度,并能快速检测和定位系统所发生的故障。本文统计了近几十年航天器在轨故障发生的情况,分析了航天器电源分系统的故障发生率及原因。以发生故障较多的航天器姿态控制系统为切入点,通过分析航天器姿态的运动学与动力学特性,建立了航天器姿态控制系统闭环仿真模型。基于BP神经网络与小波神经网络的算法结构、优缺点,构造了单隐含层模糊递归小波神经网络(SLFRWNN)、自回归小波神经网络(SRWNN)、自回归后件模糊小波神经网络(SRCPFWNN)和单隐含层前馈小波神经网络(SLFWNN)。SLFRWNN通过权值更新以调整隐含层的信息,提高了网络的精度和逼近动态非线性系统的性能;SRWNN的母小波层利用自反馈神经元储存小波上一时间步的信息,提高了网络的泛化能力和动态仿真能力;SRCPFWNN是一种前馈多层网络,它利用SRWNN嵌入TSK模糊模型构造其自回归后件,提高了网络模型的精确度和灵活性,并能以较高的精度实现函数逼近和系统辨识。在此基础上设计了基于SLFRWNN、SRWNN和SRCPFWNN的自适应状态观测器,并引入Lyapunov稳定性理论证明了这些观测器的稳定性。然后将这三种神经网络自适应状态观测器应用于非线性系统的状态估计中,通过MATLAB仿真表明了这三种神经网络观测器设计的有效性和可行性。针对航天器姿态控制系统中故障发生率较高的执行器和敏感器,提出了基于SLFRWNN、SRWNN、SRCPFWNN和SLFWNN的自适应鲁棒故障诊断观测器。实际上就是通过设计一种非线性的未知输入检测观测器检测执行器和敏感器的故障,使得部分的未知输入从残差信号中解耦出来。故障分离是通过利用SLFWNN设计自适应非线性的未知输入分离观测器实现。最后,通过对故障模型的仿真并与其它神经网络故障检测观测器进行对比,验证了这些自适应鲁棒故障诊断状态观测器的有效性和优越性;这就完成了神经网络对系统级到部件级的故障诊断策略,实现了对航天器姿态控制系统的敏感器和执行器故障的实时在线检测及诊断。
[Abstract]:In order to ensure the safety , reliability and the smooth functioning of the spacecraft , a closed - loop simulation model of spacecraft attitude control system is established .

【学位授予单位】：沈阳航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V467

【参考文献】