卫星电源系统故障诊断平台的设计与研究

发布时间：2020-08-08 12:04

【摘要】：随着卫星的广泛应用及其功能的多样化,对于保障卫星正常工作具有重要意义的卫星电源系统受到了更多的关注。鉴于卫星电源系统所扮演的重要角色,其故障诊断的技术已经成为当今国内外相关领域的研究热点。卫星电源系统的故障诊断主要分为故障检测和故障识别两个方面,相关技术的研究是建立在大量的数据基础之上的。然而,卫星电源系统遥测数据量少且实时传输性差,研究人员能够获取到的故障样本数量少,这给该领域的研究带来诸多不利因素。对此,本文从系统建模与仿真、优化诊断方法和搭建诊断平台等三个方面进行研究,以对相关研究状况进行改善。本文选用了地球同步卫星的电源系统作为研究对象,分析了其各个组成部分的工作原理,建立了简化的数学模型,并在Simulink仿真环境下构建了卫星电源系统的仿真模型。分析了卫星电源系统的故障产生机理,选取了典型故障模式对仿真模型进行故障注入,获取了可以近似反映真实故障样本的仿真数据。分析了卫星电源系统工作状态,划分了其工作的不同时期,分析了不同时期的故障特征。根据卫星电源系统的故障特征,采用了基于小波变换原理和基于主元分析原理的故障检测方法对故障进行检测;采用了概率神经网络和基于ID3算法的决策树对故障进行识别,实现了神经网络的训练和决策树诊断规则的提取,阐述了故障特征与诊断算法的依存性。设计了基于MATLAB的卫星电源系统故障仿真平台及其用户界面,介绍了诊断平台的功能和工作流程,给出了用户界面的使用说明,测试并分析了故障诊断平台的性能。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：V467
【图文】：

结构图,结构图,神经元,隐藏层

37.83 19.26 38.38 3.59 41.20 18.22.62 4.41 39.00 3.91 41.20 18.28.76 10.55 39.00 3.91 41.20 18.5.74 2.70 32.20 3.31 41.19 18.15.82 3.45 35.18 3.71 41.19 18.39.82 21.61 37.92 3.91 41.19 18.39.84 21.63 32.36 3.91 41.20 18.39.82 21.61 38.32 3.86 41.20 18.39.82 21.61 31.78 3.29 41.20 18.39.84 21.28 39.00 3.92 40.42 18.39.83 18.25 39.00 3.92 34.91 21.39.84 22.13 38.99 3.91 42.35 17.39.82 23.92 39.00 3.91 47.24 15.据该表，可以确定所要构建的 PNN 的输入层需要设置 6 个神经元入的 6 维信号，隐藏层需要设置与样本数量相同的 100 个神经元要设置 7 个神经元，用于输出分类后的 7 个类别（1 种正常状态态）。 MATLAB 下构建对应的 PNN 的结构图如图 4-12 所示。

决策树,类别信息,信息增益,蓄电池组

类别信息熵信→ 1 3 0.811 30.540 9 0↓ 0 2 0→ 1 1 1.000 00.333 3 0↓ 0 4 0→ 1 3 0.811 30.540 9 0↓ 0 2 0→ 1 2 0.918 30.459 2 0↓ 0 3 0→ 1 2 0.918 3↓ 0 1 00.459 2 0↑ 0 2 0→ 1 4 0.721 90.601 6 0↓ 0 1 0到这里蓄电池组电压的的信息增益最大，数值池组电压作为根节点，根据该属性的两种属性得到划分后的决策树如图 4-14 所示。

决策树,信息熵,属性,属性信息

以占空比的属性类别为依据对决策树进行划分。表 4-10 各个属性的信息熵以及信息增益属性属性类别反例正例信息熵属性信息熵属性信息增益I ( p, n)分流电流→ 1 3 0.811 30.649 0 0.081 00.721 9↓ 0 1 0蓄电池单体压力→ 1 2 0.918 30.551 0 0.170 9↓ 0 2 0蓄电池组电流→ 1 2 0.918 30.551 0 0.170 9↓ 0 3 0占空比→ 1 1 1.000 0↓ 0 1 00.400 0 0.321 9↑ 0 2 0母线电压→ 1 3 0.811 30.649 0 0.081 0↓ 0 1 0将此方法反复利用，即可得到最终划分完成的决策树如图 4-15 所示，该决策树的叶 6 个叶节点分别对应本例中的 1 种正常状态和 6 种故障状态。

【参考文献】