CN104049221B - 基于滑动窗口和统计信息的电源电压故障诊断方法 - Google Patents

Abstract

基于滑动窗口和统计信息的电源电压故障诊断方法，涉及电源电压故障诊断技术。它是为解决现有电源电压故障诊断方法的准确度和诊断效率低的问题。首先对电源电压工作状态的统计信息进行计算，确定所有工作状态对应的统计均值{m₁,m₂,m₃,…,m_s}和统计标准差{d₁,d₂,d₃,…,d_s}，连续采集实际卫星电源电压数据，形成滑动窗口数据V并计算其统计均值m_v和标准差d_v，计算d_v与d_i的最小距离R_j，当|m_v‑‑m_j|<R_j时，则当前电源电压的工作状态为状态j。该方法诊断准确度达到99.6％，诊断效率提高了200％以上。本发明适用于卫星电源及其它航天器的故障诊断。

Description

基于滑动窗口和统计信息的电源电压故障诊断方法

技术领域

本发明涉及电源电压故障诊断技术。

背景技术

电源是卫星的重要组成部分，其工作状态的稳定为卫星整体安全、稳定运行提供重要保证，因此，对其工作状态进行监测、识别，并在此基础上开展故障诊断具有重要意义。卫星电压的电压值也随负载变化而动态变化，并且还存在着偶然的异常值。如图1所示的是某母线电压值的变化情况，除了工作状态频繁变化外，还存在偶然的尖峰电压值。目前，由于电源电压变化的特殊性，经典的故障诊断方法难以实现高准确度的故障诊断，对于电源状态的故障诊断主要靠有经验的专家进行人工识别，准确度和诊断效率均很低。

发明内容

本发明的目的是为了解决现有的电源电压故障诊断方法的准确度低和诊断效率低的问题，提供一种基于滑动窗口和统计信息的电源电压故障诊断方法。

本发明所述的基于滑动窗口和统计信息的电源电压故障诊断方法包括以下步骤：

步骤一、电源电压工作状态的统计信息计算

对采集到的电源电压历史数据进行分析，确定其工作状态的数目s以及对应的数据集合，并对每一个工作状态的数据集合进行统计计算，得到所有工作状态对应的统计均值M＝{m₁,m₂,m₃,…,m_s}和统计标准差D＝{d₁,d₂,d₃,…,d_s}；其中，m₁至m_s分别表示第1至第s个工作状态的统计均值，d₁至d_s分别表示第1至第s个工作状态的统计标准差，s为大于1的整数，所述的工作状态包括正常工作状态和s-1个不同类型的故障状态；

步骤二、基于滑动窗口的数据采集

采集实际卫星电源电压数据v_k，截取以当前电源电压数据v_k为起点的一段数据V，V＝{v_k,v_k-1,v_k-2,v_k-3,…,v_k-w+1}，作为滑动窗口数据，其中，k>0，w>0，k-w+1>0，w为滑动窗口的宽度；

步骤三、滑动窗口数据的统计计算

对滑动窗口数据V＝{v_k,v_k-1,v_k2,v_k-3,…,v_k-w+1}进行统计计算，得到其对应的统计均值m_v和标准差d_v；

步骤四、当前电源电压工作状态识别和故障诊断

按照公式(1)计算滑动窗口数据的标准差d_v与步骤一获得的各个工作状态的统计标准差{d_i}的距离{R_i}，i为整数，且1≤i≤s，并从中找出最小的距离值R_j，j∈{1,2,…,s}，即R_j＝min{R_i}，

R_i＝d_v-d_i， (1)

当|m_v--m_j|<R_j时，当前电源电压的工作状态为状态j，进而获得当前电源电压的工作状态是正常工作状态还是故障状态、及故障状态的类型，否则，当前电源电压的工作状态为未知类型的故障状态，并对该未知类型的故障状态进行存储。

本发明采用滑动窗口，在线实时地扫描并识别电源电压的工作状态，能够实现高效率、高准确度的故障诊断，该方法的计算时间复杂度为O(n)。通过对实际卫星电源电压的测试，上述方法的故障诊断准确度达到99.6％，与人工诊断相比，诊断效率提高了200％以上，为后续的故障推理和定位提供强有力的技术支撑。

附图说明

图1为背景技术中某电源母线电压值的变化情况；

图2为本发明所述的基于滑动窗口和统计信息的电源电压故障诊断方法的流程图。

具体实施方式

具体实施方式一：结合图2说明本实施方式，本实施方式所述的基于滑动窗口和统计信息的电源电压故障诊断方法包括以下步骤：

步骤一、电源电压工作状态的统计信息计算

对采集到的电源电压历史数据进行分析，确定其工作状态的数目s以及对应的数据集合，并对每一个工作状态的数据集合进行统计计算，得到所有工作状态对应的统计均值M＝{m₁,m₂,m₃,…,m_s}和统计标准差D＝{d₁,d₂,d₃,…,d_s}；其中，m₁、m₂、m₃、……和m_s分别表示第1、第2、……和第s个工作状态的统计均值，d₁、d₂……d₃……和d_s分别表示第1、第2、……和第s个工作状态的统计标准差，s为大于1的整数，所述的工作状态包括正常工作状态和s-1个不同类型的故障状态；

步骤二、基于滑动窗口的数据采集

采集实际卫星电源电压数据，截取以当前电源电压数据v_k为起点的一段数据V，V＝{v_k,v_k-1,v_k2,v_k-3,…,v_k-w+1}，作为滑动窗口数据，其中，k>0，w>0，k-w+1>0，w为滑动窗口的宽度；

步骤三、滑动窗口数据的统计计算

对滑动窗口数据V＝{v_k,v_k-1,v_k2,v_k-3,…,v_k-w+1}进行统计计算，得到其对应的统计均值m_v和标准差d_v；

步骤四、当前电源电压工作状态识别和故障诊断

按照公式(1)计算滑动窗口数据的标准差d_v与步骤一获得的各个工作状态的统计标准差{d_i}的距离{R_i}，i为整数，且1≤i≤s，并从中找出最小的距离值R_j，j∈{1,2,…,s}，即R_j＝min{R_i}，

R_i＝d_v-d_i， (1)

当|m_v--m_j|<R_j时，当前电源电压的工作状态为状态j，进而获得当前电源电压的工作状态是正常工作状态还是故障状态、及故障状态的类型，否则，当前电源电压的工作状态为未知类型的故障状态，并对该未知类型的故障状态进行存储。

常见的故障状态的类型有：过充高压，过载低压，电源低压等，对正常工作状态和每个类型的故障状态进行统计，得到M和D。

上述步骤二中，在对实际卫星电源电压数据v_i进行工作状态识别和故障诊断时，采用滑动窗口结构，窗宽度为w，如果处理数据宽度小于w，则以数据的实际宽度为准。步骤四中，由于共有s-1个不同类型的故障状态类型，即故障状态1至故障状态s-1，因此，当确定当前电源电压的工作状态为状态j时，即可确定当前电源电压的工作状态为正常工作状态还是故障状态，以及故障状态的类型。

本实施方式所述的基于滑动窗口和统计信息的电源电压故障诊断方法采用滑动窗口，在线实时地扫描并识别电源电压的工作状态，能够实现高效率、高准确度的故障诊断，该方法的计算时间复杂度为O(n)。通过对实际卫星电源电压的测试，上述方法的故障诊断准确度达到99.6％，与人工诊断相比，诊断效率提高了200％以上，为后续的故障推理和定位提供强有力的技术支撑。该方法适用于于卫星电源的故障诊断，以及其它卫星监测数据的故障诊断领域，同时还可以扩展到其它航天器的故障诊断应用中。

Claims (1)

1.基于滑动窗口和统计信息的电源电压故障诊断方法，其特征在于：该方法包括以下步骤：

步骤一、电源电压工作状态的统计信息计算

对采集到的电源电压历史数据进行分析，确定其工作状态的数目s以及对应的数据集合，并对每一个工作状态的数据集合进行统计计算，得到所有工作状态对应的统计均值M＝{m₁,m₂,m₃,…,m_s}和统计标准差D＝{d₁,d₂,d₃,…,d_s}；其中，m₁至m_s分别表示第1至第s个工作状态的统计均值，d₁至d_s分别表示第1至第s个工作状态的统计标准差，s为大于1的整数，所述的工作状态包括正常工作状态和s-1个不同类型的故障状态；

步骤二、基于滑动窗口的数据采集

采集实际卫星电源电压数据v_k，截取以当前电源电压数据v_k为起点的一段数据V，V＝{v_k,v_k-1,v_k-2,v_k-3,…,v_k-w+1}，作为滑动窗口数据，其中，k>0，w>0，k-w+1>0，w为滑动窗口的宽度；

步骤三、滑动窗口数据的统计计算

对滑动窗口数据V＝{v_k,v_k-1,v_k2,v_k-3,…,v_k-w+1}进行统计计算，得到其对应的统计均值m_v和标准差d_v；

步骤四、当前电源电压工作状态识别和故障诊断

按照公式(1)计算滑动窗口数据的标准差d_v与步骤一获得的各个工作状态的统计标准差{d_i}的距离{R_i}，i为整数，且1≤i≤s，并从中找出最小的距离值R_j，j∈{1,2,…,s}，即R_j＝min{R_i}，

R_i＝d_v-d_i， (1)

当|m_v-m_j|<R_j时，当前电源电压的工作状态为状态j，进而获得当前电源电压的工作状态是正常工作状态还是故障状态、及故障状态的类型，否则，当前电源电压的工作状态为未知类型的故障状态，并对该未知类型的故障状态进行存储。