基于多层前馈神经网络的航天器在线故障检测系统设计

发布时间：2022-07-14 18:45

　　航天器在故障定位过程中易受原始电源信号的干扰,导致识别效果较差,为了解决该问题,提出了基于多层前馈神经网络的航天器在线故障检测系统设计;根据航天器在线故障检测原理及物联网技术设计系统总体架构,并分别对硬件部分及软件部分进行设计;硬件部分结合工业标准PC组件,设计PXI机箱结构,完成对PXI测量模块的控制,利用MXI-4接口工具实现远程遥控,解决干扰信号对系统定位识别干扰;设计FPGA的EP3C10芯片外围结构,确定电路板主、子适配器管脚连接方式,利用两个高速AD转换器差分采样,通过FIFO存储采样结果;通过电子负载板继电器控制模块,控制信号阻断性能;构建基于多层前馈神经网络识别模型,依据确定性逻辑推理规则得出识别门限值,依据阈值设定具体识别流程,判断则判定参数有故障,完成系统设计;实验结果表明,该系统信号阻断效果优异,在距离为2m和6m时达到最大信号幅值0.9,故障模式的检测结果与理想结果一致,能够为航天器稳定运行提供设备支持。 

【文章页数】：5 页

【部分图文】：

电子负载板继电器控制模块

系统总体架构

PXI机箱结构

【参考文献】：
期刊论文
[1]PSO优化BP神经网络齿轮箱故障诊断[J]. 张永超,李金才,赵录怀.  电子技术应用. 2019(12)
[2]基于模糊RBF神经网络的高压断路器机构故障诊断[J]. 林琳,陈志英.  高压电器. 2019(10)
[3]基于故障树搜索的起重机液压系统故障定位方法研究[J]. 何庆飞,陈小虎,姚春江,王德文,张宁.  机床与液压. 2019(19)
[4]基于CNN-SVM的深度卷积神经网络轴承故障识别研究[J]. 胡晓依,荆云建,宋志坤,侯银庆.  振动与冲击. 2019(18)
[5]基于迁移学习深度卷积神经网络的配电网故障区域定位[J]. 孟子超,杜文娟,王海风.  南方电网技术. 2019(07)
[6]集成LSTM的航天器遥测数据异常检测方法[J]. 董静怡,庞景月,彭宇,刘大同.  仪器仪表学报. 2019(07)
[7]基于ILLE和SVM的卫星执行机构系统故障检测与定位[J]. 江文建,姜斌,廖鹤,程月华,叶正宇.  航天控制. 2019(03)
[8]基于深度神经网络的提升机轴承故障诊断研究[J]. 马辉,车迪,牛强,夏士雄.  计算机工程与应用. 2019(16)
[9]基于图论的不接地系统在线故障定位方法[J]. 张利,赵波,王丽婕,范新桥.  电网技术. 2019(08)
[10]基于动力特性及BP神经网络的风电机组叶片损伤识别[J]. 薛刚,苏天.  太阳能学报. 2018(10)



本文编号：3661677