数据驱动的卫星姿态控制系统微小故障检测与预测方法研究

《数据驱动的卫星姿态控制系统微小故障检测与预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：V448论文编号：102870318-SX139学科分类号：081101硕士学位论文数据驱动的卫星姿态控制系统微小故障检测与预测方法研究研究生姓名刘敏学科、专业控制理论与控制工程研究方向故障检测与预测指导教师陆宁云教授南京航空航天大学研究生院自动化学院二О一八年三月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofAutomationEngineeringResearchondata-drivenincipientfaultdetectionandp

2、redictionmethodsforsatelliteattitudecontrolsystemAThesisinControlTheoryandControlEngineeringbyLiuMinAdvisedbyProf.LuNingyunSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringMarch,2018南京航空航天大学硕士学位论文摘要卫星，不论是在军事领域还是民用领域中都具有重要的应用价值，其安全性和可靠性一直是航天工程研究领域的热点

3、问题。然而太空环境复杂多变、卫星系统复杂零部件众多、星载计算机和诊断资源有限，以及各种未知的干扰因素，这些都对卫星的安全运行带来巨大威胁。卫星设备造价昂贵，一旦出现严重故障，将导致巨大的经济损失和不良的社会影响。因此，设计故障检测与诊断方案，及时发现异常征兆并且预测微小故障发展趋势，采取预防措施从而降低故障可能带来的伤害，是一项具有重要理论意义和工程应用价值的课题。本文以卫星姿态控制系统为研究对象，分析挖掘卫星遥测数据的独有特征，研究基于遥测数据的微小故障检测与预测方法，为卫星在轨维护提供理论支撑。本文主要工作总结如下。首先，分析了卫星轨道特性给遥测数

4、据带来的影响，总结了遥测数据的周期性和片段性特征；考虑高维遥测数据之间往往存在信息冗余，提出一种基于主成分分析的故障检测方法，实现了基于遥测数据的在轨卫星异常监测功能。其次，针对主成分分析方法不能处理数据间非线性关系的缺点，研究了基于近邻保持嵌入(NPE)非线性流形学习的微小故障检测方法。通过动态邻域参数改进NPE算法对参数敏感的缺陷，根据样本密度动态选择邻域数目；将指数加权移动平均(EWMA)控制图与动态NPE算法相结合，提出一种改进的微小故障检测方法，提高了微小故障的可检测性。最后，再次针对遥测数据之间存在信息耦合的特点，研究了基于多变量时间序列的

5、故障预测方法。由于向量式自回归滑动模型(VAR)应用于多步预测时存在预测误差累积问题，提出一种改进的基于动态VAR模型的故障预测方法，通过引入动态权重因子，提高了微小故障趋势预测的准确性。关键词：卫星姿态控制系统，遥测数据，微小故障检测，故障预测I数据驱动的卫星姿态控制系统微小故障检测与预测方法研究AbstractSatellites,whicharespaceequipmentwithhighcost,havegreatapplicationvaluebothinthemilitaryfieldandinthecivilfield.Withthegr

6、eatdevelopmentprospect,thesatellitesafetyandreliabilityhavealwaysbeenahotissueinthefieldofaerospaceengineeringintheworld.However,therearesomefactorsthatcouldposeahugethreattothesafeoperationofsatellites,suchasthecomplexandchangeablespaceenvironment,thelargenumberofsatellitecompo

7、nents,thelimitedresourcesontheplanetandthevariousunknowndisturbances.Onceaserioussatellitefaultoccurs,itwillbringtremendouseconomiclossesandadversesocialimpactstothecountry.Therefore,itisachallengingandmeaningfulissuetodesigntheusefulfaultdetectionanddiagnosisprograms.Anditishel

8、pfultodetecttheabnormalsignsintime,predictthetr