基于大数据的航天器性能退化分析方法

发布时间：2017-04-27 09:16

  本文关键词：基于大数据的航天器性能退化分析方法，由笔耕文化传播整理发布。

【摘要】：随着我国航天事业的蓬勃发展,在轨航天器的数量逐年增多,其控制精度高、工作模式多、复杂度高等特点给地面管理工作带来了极大的挑战。航天器从正常到失效期间,通常会经历长时间的性能退化阶段。若能够提前检测出航天器性能退化程度,评估航天器当前的运行状况,就可以有针对性地调整其工作状态进而防止航天器失效的发生。性能退化分析作为一种新的分析方法,是检测性能退化程度的重要手段,也为高可靠性产品的寿命预测提供了新的途径。然而,使用传统的退化分析方法对航天器进行性能退化分析,会面临试验难度大、成本高等诸多问题。航天器在轨监测管理过程中产生了大量的遥测数据,激增的数据中蕴含着重要的航天器性能退化信息和知识,亟需进一步挖掘和分析。本文以航天器大数据为对象,综合统计学习及数据挖掘相关理论和技术,深入开展了航天器性能退化分析方法的相关研究,具体包含如下几个方面:(1)从理论分析和工程应用角度出发,分析了性能退化分析技术、大数据相关的数据挖掘技术以及航天器性能退化分析与预测等方面的国内外发展现状,总结了当前亟需解决的问题,阐述了本文的选题背景和研究意义。(2)针对航天器遥测大数据特点,介绍了处理遥测大数据的Hadoop实验平台部署情况,并给出了在数据平台中相应的数据预处理结果。航天大数据的数据预处理包括野值剔除、特征提取等步骤,使后期算法在处理时具有较高的精度和效率;计算并比较了工程领域常用特征指标对航天器性能退化的反映能力,实验表明常用特征对航天器的性能退化不敏感。(3)提出了使用样本熵作为航天器性能退化特征指标,结合支持向量数据描述理论提出了一种新的性能退化分析方法。该方法综合多个参数的退化信息,能够反映航天器部件的性能退化情况,解决了航天遥测大数据处理困难,常用特征指标分析退化效果不明显的问题。(4)针对航天器关键退化度量参数受周期性因素影响明显的问题,为有效提取退化趋势并对参数预测,提出了一种时间序列分解的周期性参数的预测方法。该方法使用时间序列分析的方法对周期性参数分解,然后分别预测,最后再组合成最终预测值。实验证明,该方法对航天器周期性参数的趋势预测具有较高的精度,对退化趋势的描述具有实际意义。经扩展后,可进一步应用于卫星寿命的预测。本文研究方法和软件系统已在某卫星在轨性能分析软件系统中应用,取得了较好的效果。
【关键词】：性能退化 航天器 大数据 数据挖掘 时间序列 预测
【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】：2015
【分类号】：V467;TP311.13
【目录】：

• 摘要4-5
• ABSTRACT5-12
• 注释表12-13
• 第一章 绪论13-20
• 1.1 研究背景13-16
• 1.1.1 退化分析方法研究现状13-14
• 1.1.2 退化分析方法存在的问题14-15
• 1.1.3 航天大数据的应用价值15-16
• 1.2 研究意义16-17
• 1.2.1 航天器性能退化分析的意义16-17
• 1.2.2 本文研究意义17
• 1.3 研究内容及组织结构17-20
• 第二章 大数据的平台部署及数据准备20-35
• 2.1 大数据概述20-21
• 2.1.1 定义和内容20-21
• 2.1.2 大数据平台概述21
• 2.2 基于Hadoop的分布式实验平台21-25
• 2.2.1 Hadoop生态21-22
• 2.2.2 Hadoop实验平台部署22-25
• 2.3 航天大数据的数据准备25-34
• 2.3.1 遥测数据导入25-26
• 2.3.2 野值处理26-29
• 2.3.3 常用特征提取29-34
• 2.4 本章小结34-35
• 第三章 基于支持向量数据描述的性能退化分析方法35-53
• 3.1 相关研究35-36
• 3.1.1 相关工作35
• 3.1.2 问题的提出35-36
• 3.2 基于熵的特征提取36-39
• 3.2.1 信息熵36
• 3.2.2 样本熵36-38
• 3.2.3 实验与分析38-39
• 3.3 基于支持向量数据描述的性能退化分析方法39-52
• 3.3.1 基本概念39-42
• 3.3.2.1 灰关联分析39-40
• 3.3.2.2 支持向量数据描述40-42
• 3.3.2 算法原理42-43
• 3.3.3 算法框架43-47
• 3.3.3.1 框架及步骤43-44
• 3.3.3.2 算法描述44-47
• 3.3.4 实验与分析47-52
• 3.3.4.1 数据预处理47-48
• 3.3.4.2 建模及退化分析48-50
• 3.3.4.3 数据处理分析50-52
• 3.4 本章小结52-53
• 第四章 性能退化航天器的周期性参数预测方法53-75
• 4.1 预测方法概述53-61
• 4.1.1 回归方法53-56
• 4.1.1.1 曲线拟合回归53-54
• 4.1.1.2 ARMA模型54-56
• 4.1.2 平滑方法56-58
• 4.1.3 神经网络58-61
• 4.1.4 组合方法61
• 4.2 基于时间序列分解的组合预测方法61-74
• 4.2.1 相关研究61-62
• 4.2.2 基本概念62-66
• 4.2.2.1 小波分析62-63
• 4.2.2.2 时间序列分解63-64
• 4.2.2.3 GM(1,1)与残差修正GM(1,1)64-66
• 4.2.3 算法框架66-69
• 4.2.3.1 框架及步骤66-67
• 4.2.3.2 算法描述67-69
• 4.2.4 实验与分析69-74
• 4.2.4.1 小波降噪及周期提取69-70
• 4.2.4.2 时间序列分解70-71
• 4.2.4.3 参数预测71-74
• 4.3 本章小结74-75
• 第五章 总结与展望75-77
• 5.1 本文总结75-76
• 5.2 展望76-77
• 参考文献77-83
• 致谢83-84
• 在学期间的研究成果及发表的学术论文84

【相似文献】

中国期刊全文数据库 前10条

1 彭宝华;周经伦;刘学敏;;元器件性能退化信息的系统性能可靠性评估[J];火力与指挥控制;2011年10期

2 胡昌华;胡锦涛;张伟;平振海;;支持向量机用于性能退化的可靠性评估[J];系统工程与电子技术;2009年05期

3 蔡静;王玉梅;;基于Wiener过程的性能退化产品可靠性评估[J];湖南理工学院学报(自然科学版);2012年02期

4 王剑;刘西拉;;结构性能退化的评估和贝叶斯动态预测[J];岩石力学与工程学报;2007年S1期

5 潘玉娜;陈进;李兴林;;基于模糊c-均值的设备性能退化评估方法[J];上海交通大学学报;2009年11期

6 华成;张庆;徐光华;谢俊;李淑智;;动态概率模型跟踪性能退化的实时可靠性评估方法[J];西安交通大学学报;2010年01期

7 李伟;王华伟;孙绍辉;;基于性能退化数据的可靠性建模分析[J];飞机设计;2014年02期

8 王立;于重重;施彦;张慧妍;;基于振动信号分析的电机性能退化特征提取[J];计算机仿真;2014年04期

9 何英;周东华;俞容;;一种基于性能退化数据的电子设备缓变故障预报方法[J];仪器仪表学报;2008年07期

10 张佳;张伟;梅冰;;系统性能退化与可靠性评估[J];战术导弹技术;2011年06期

中国重要会议论文全文数据库 前6条

1 李晓阳;姜同敏;;基于性能退化的应力-强度干涉模型[A];大型飞机关键技术高层论坛暨中国航空学会2007年学术年会论文集[C];2007年

2 高军;阳川;;性能退化数据的归一化处理方法[A];中国电子学会可靠性分会第十四届学术年会论文选[C];2008年

3 叶文亚;李国平;范立础;李晓娅;;混凝土桥梁全寿命性能退化规律的探讨[A];第十七届全国桥梁学术会议论文集（下册）[C];2006年

4 朱义;陈进;;基于HMM的设备性能退化评估方法的研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

5 叶文亚;李国平;;钢筋混凝土和预应力混凝土结构服役期性能退化相关性定性的分析[A];结构混凝土创新与可持续发展——第十三届全国混凝土及预应力混凝土学术交流会论文集[C];2005年

6 贾福萍;崔艳莉;候大令;鲁彩风;;混凝土受高温及不同冷却方式影响的性能退化特征对比分析[A];第七届全国现代结构工程学术研讨会论文集[C];2007年

中国博士学位论文全文数据库 前7条

1 李业波;智能航空发动机性能退化缓解控制技术研究[D];南京航空航天大学;2014年

2 袁容;基于性能退化分析的可靠性方法研究[D];电子科技大学;2015年

3 郭磊;基于核模式分析方法的旋转机械性能退化评估技术研究[D];上海交通大学;2009年

4 赵建印;基于性能退化数据的可靠性建模与应用研究[D];国防科学技术大学;2005年

5 林迟;基于结构全寿命设计需求的环境作用与结构性能退化研究[D];哈尔滨工业大学;2010年

6 薛鹏飞;预应力混凝土连续刚构桥结构性能退化预测评估研究[D];浙江大学;2009年

7 潘玉娜;滚动轴承的性能退化特征提取及评估方法研究[D];上海交通大学;2011年

中国硕士学位论文全文数据库 前10条

1 郭琦;基于性能退化数据的可靠性评估方法研究[D];华南理工大学;2015年

2 魏郁昆;系统可靠性分析中环境因子评估方法研究及软件实现[D];电子科技大学;2014年

3 周杨;滚动轴承性能退化评估技术研究[D];电子科技大学;2014年

4 刘帅君;基于性能退化数据的航空发动机剩余寿命预测[D];电子科技大学;2015年

5 李卉;基于状态监测的滚动轴承性能退化评估[D];大连工业大学;2015年

6 王丹丹;列车滚动轴承性能退化评估方法研究[D];北京交通大学;2016年

7 周枫;基于大数据的航天器性能退化分析方法[D];南京航空航天大学;2015年

8 高思霄;组合转子性能退化的裂纹位置敏感性研究[D];中南大学;2014年

9 钱婷;基于性能退化的矿山散料运输系统的实时动态可靠性研究[D];西安建筑科技大学;2013年

10 袁亚芹;基于性能退化数据的航空液压泵可靠性分析[D];南京理工大学;2009年

  本文关键词：基于大数据的航天器性能退化分析方法，，由笔耕文化传播整理发布。

本文编号：330348