CN105159286B - 一种航天器在轨异常报警与故障诊断*** - Google Patents
一种航天器在轨异常报警与故障诊断*** Download PDFInfo
- Publication number
- CN105159286B CN105159286B CN201510608592.XA CN201510608592A CN105159286B CN 105159286 B CN105159286 B CN 105159286B CN 201510608592 A CN201510608592 A CN 201510608592A CN 105159286 B CN105159286 B CN 105159286B
- Authority
- CN
- China
- Prior art keywords
- reasoning
- confidence level
- telemetry
- knowledge
- result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0229—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions knowledge based, e.g. expert systems; genetic algorithms
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Alarm Systems (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明公开一种航天器在轨异常报警与故障诊断***,其中:知识编辑器输入已编译好的报警诊断知识;数据缓冲区缓冲输入的原始遥测数据;数据区从数据缓冲区提取推理控制器进行逻辑匹配运算时的遥测数据或遥测指令并对其进行存储;规则区从知识编辑器中装载已经编译好的报警诊断知识,在规则区每个报警诊断知识称之为规则;推理控制器将数据区中的原始遥测数据与规则区中的报警诊断知识进行逻辑匹配运算获得诊断结果;选择需要输出的诊断结果输出至黑板;黑板存储推理控制器通过逻辑匹配运算获得的诊断结果;结果缓冲区缓冲推理控制器选择输出的诊断结果并发送至客户端,待用户通过该客户端查看诊断结果后回复确认信息。
Description
技术领域
本发明属于航天故障诊断技术领域,尤其涉及一种航天器在轨异常报警与故障诊断***。
背景技术
推理机子***的核心是依据专家知识与输入的测控数据进行逻辑推理运算,最终推出航天器的异常状态,其实质是实现一个具有逻辑推理能力的虚拟机。早期的专家***主要采用确定性推理算法,这种方法表示的证据是确定性的。例如以地影状态为例,不是光照区就是地影区,没有二义性。其推理过程是以数理逻辑为基础,推理过程是严密的,结论也是精确的,要么成立,要么不成立。但是在实际的诊断过程中采用的证据并非是完全精确的,有些信息不够完善,有些具有不确定性。例如地影状态中,对于半影区的描述就比较困难,半影从什么时候开始算是地影,采用精确推理对此很难描述。
发明内容
为解决上述问题,本发明提供一种航天器在轨异常报警与故障诊断***。
本发明的航天器在轨异常报警与故障诊断***,其包括:知识编辑器、数据缓冲区、推理控制器、数据区、黑板、规则区和结果缓冲区;
知识编辑器,用于输入已经编译好的报警诊断知识;
数据缓冲区,用于缓冲输入的原始遥测数据,原始遥测数据包括遥测数据与遥测指令;
数据区,用于从数据缓冲区提取推理控制器进行逻辑匹配运算时的遥测数据或遥测指令并对其进行存储;
规则区,用于从知识编辑器中装载已经编译好的报警诊断知识,在规则区每个报警诊断知识称之为规则;
推理控制器,将数据区中的原始遥测数据与规则区中的报警诊断知识进行逻辑匹配运算,获得诊断结果;并选择需要输出的诊断结果输出至黑板;
黑板,用于存储推理控制器通过逻辑匹配运算获得的诊断结果;
结果缓冲区,用于缓冲推理控制器选择输出的诊断结果并发送至客户端,待用户通过该客户端查看诊断结果后回复确认信息。
进一步的,推理控制器包括:
可信度评估模块,对输入原始遥测数据进行遥测参数可信度的评估,获得带可信度的遥测数据;其中,遥控指令、推理机维护的原值表信息和该原始遥测数据一起作为航天器故障诊断推理的事实;
证据推导模块,根据地面的遥控指令、推理机维护的原值表信息和所述带可信度的遥测数据进行逻辑运算得到证据,所谓证据就是依据事实与事实性知识得出的状态信息与报警信息;
故障诊断模块,根据所述证据结合报警诊断知识进行故障诊断,推出诊断结果;
结果输出模块,根据报警诊断知识选择诊断结果并输出。
其中,所述的可信度评估模块包括:
规律统计单元,通过对遥测参数的变化规律进行统计获得遥测统计规律;
可信度获得单元,将新遥测参数的遥测统计规律与历史的遥测统计规律进行匹配,并结合置信度因子获得遥测的可信度。
其中,所述证据推导模块包括:
基于隶属度的超限判断和基于模糊数学的可信度传递算法两种方式进行的推导,其中,基于模糊数学的可信度传递算法包括:单个事实的可信度传递算法和组合事实的加权可信度传递算法。
其中,所述故障诊断模块包括:正向推理、反向推理、基于可能性的框架规则推理。
其中,结果输出模块中的输出原则为:可信度越高输出速度越快;低可信度的结果如果维持比较长的时间也需要输出;时间越近的数据对输出结果的影响越大;可信度为0.9时输出时间为1分钟;可信度为0.6时输出时间为1小时;可信度大于0.5支持结果的输出、可信度小于0.5支持结果的不输出。
进一步的,规则区中每个规则设有激活控制列表,在进行推理时先判断该规则区中的规则的激活控制列表是否均成立,成立则启用该规则,否则不会选用该规则进行推理运算。
其中,所述故障诊断模块包括:实时诊断单元,预警诊断单元,回放诊断单元,验证诊断单元和扩展函数单元。
有益效果:
本发明能够推断出航天器是否发生异常,当发生异常时能够自动搜索、匹配相应的专家知识,并给出报警故障定位及故障辅助处理决策信息。而且本发明能够实现对历史遥测数据再检查,事后分析航天器异常报警、诊断定位及故障辅助处理决策。
该***适应于遥测模拟量和状态量两类参数,能够根据历史遥测数据变换规律,计算遥测数据的可信度系数及可信度,可信度分析的准确度应达到95%以上。
附图说明
图1为本发明的航天器在轨异常报警与故障诊断***示意图;
图2为本发明的实时诊断单元示意图;
图3为本发明的回放诊断单元示意图;
图4为本发明的预警诊断单元示意图;
图5为本发明的验证诊断单元示意图;
图6为本发明的基于隶属度的超限判断实施例一示意图。
具体实施方式
航天器故障诊断知识描述的时候存在大量的模糊概念,例如对于超限就是一个比较模糊的概念,数值为多少为超限,多少为严重超限,并不能准确界定,因此在本***中还采用模糊推理中的隶属度方法来对这些模糊概念进行综合推理。在数学运算的时候除了进行数值运算还需要伴随模糊数学计算数值的可信度。因此在推理算法上还需要结合模糊推理中的一些内容。最后对诊断结果何时输出,在什么情况下输出,需要根据用户行为分析建立经验模型,最终形成航天器故障诊断数学模型。
具体实现方案如下:
如图1所示,本发明的航天器在轨异常报警与故障诊断***,其包括:知识编辑器、数据缓冲区、推理控制器、数据区、黑板、规则区和结果缓冲区;
知识编辑器,用于输入已经编译好的报警诊断知识;
数据缓冲区,用于缓冲输入的原始遥测数据,原始遥测数据包括遥测数据与遥测指令;
数据区,用于从数据缓冲区提取推理控制器进行逻辑匹配运算时的遥测数据或遥测指令并对其进行存储;
规则区,用于从知识编辑器中装载已经编译好的报警诊断知识,在规则区每个报警诊断知识称之为规则;
推理控制器,将数据区中的原始遥测数据与规则区中的报警诊断知识进行逻辑匹配运算,获得诊断结果;并选择需要输出的诊断结果输出至黑板;
黑板,用于存储推理控制器通过逻辑匹配运算获得的诊断结果;
结果缓冲区,用于缓冲推理控制器选择输出的诊断结果并发送至客户端,待用户通过该客户端查看诊断结果后回复确认信息。
进一步的,推理控制器包括:
可信度评估模块,对输入原始遥测数据进行遥测参数可信度的评估,获得带可信度的遥测数据;其中,遥控指令、推理机维护的原值表信息和该原始遥测数据一起作为航天器故障诊断推理的事实;遥测参数可信度评估的主要目的是评估观察到事实的可信程度,通过遥测数据地面接收后会存在一定的误码,可信度分析的就是判断这些数据的可信程度,各每个数据打上可信度标签,表示对证据的支持程度,送入推理机进行推理运算。可信度评估的理论基础是概率论。通过对遥测参数的变化规律进行统计,如果接收到新的遥测数据后,判断新遥测数据变化规律与统计的遥测统计规律的复合程度进行匹配,如果符合比较高则为高可信度遥测数据,否则为低可信度。遥测数据由于误码的原因在很大程度上影响推理的结果,尤其在近地卫星进出站时间,数据的误码率很高,可能会淹没正常数据,这个时候推理结论基本上是无法分辨的,因此需要分析遥测数据得出数据可信的一个系数。这个系数作为事实信息的置信度因子参与推理,根据这个可信度可以最终推出结论的可信度。
证据推导模块,根据地面的遥控指令、推理机维护的原值表信息和所述带可信度的遥测数据进行逻辑运算得到证据,所谓证据就是依据事实与事实性知识得出的状态信息与报警信息;生成证据就是依据事实与事实性知识形成证据的过程,在本***中就是依据遥测数据与遥测参数的报警知识形成报警信息的过程。生成证据的推理运算采用模糊推理方法,主要就是采用隶属度方法,以及可信度的传递方法。下面分别介绍:
故障诊断模块,根据所述证据结合报警诊断知识进行故障诊断,推出诊断结果;
结果输出模块,根据报警诊断知识选择诊断结果并输出。对于如何决定推理结果的输出,通过分析专家对航天器监测的行为,我们假定有以下几个假设:
输出结果的可信度计算数学模型不仅用于可信度结果的输出,还用于过程监视与故障处理监视的激发条件检查。过程监视的激发与输出条件有一定的相似性,都是满足一定时间条件进行输出或进行下一步动作。
进一步的,所述的可信度评估模块包括:
规律统计单元,通过对遥测参数的变化规律进行统计获得遥测统计规律;
可信度获得单元,将新遥测参数的遥测统计规律与历史的遥测统计规律进行匹配,并结合置信度因子获得遥测的可信度。
其中,所述证据推导模块包括:
基于隶属度的超限判断和基于模糊数学的可信度传递算法两种方式进行的推导,其中,基于模糊数学的可信度传递算法包括:单个事实的可信度传递算法和组合事实的加权可信度传递算法。
基于隶属度的超限判断实施例一
例1:光照区母线电压降低(欠压)
在光照区母线电压正常值应为42V±0.5V。引起电压降低的原因有:
(1)分流调节器故障引起分流值过大,太阳电池阵输出功率被分流,母线电压控制失效,不能为负载供电。检查母线误差信号输出:北VN4(南VN12)≥6V。-12V供电是否开路(遥测代号)。
(2)进入月球阴影。(正常现象,根据计算预报推算)
(3)母线上负载电流过流。在排除短路因素前无法恢复正常
(4)太阳帆板逆转、停转。恢复帆板正常状态。
根据与用户的讨论研究以及实际情况,对于航天器的异常分为两部分进行处理,首先是报警,也就是针对遥测参数在多种条件下的超限、航天器状态跳变进行检测,作为报警结果进行输出;然后就是故障的诊断,对故障进行详细定位,分析故障发生的原因,最终给出故障的解决方案。
下面就根据光照区母线电压降低的故障报警诊断,进行分析,整理出报警知识(事实性知识)与故障诊断知识,然后再进行推理过程的描述。
事实知识
Ra1:如果在光照区母线电压低于41.5V,则光照区母线电压降低。
Ra2:在光照区母线电压降低,如果处于月影状态,则正常。
Ra3:在光照区母线电压降低,如果太阳帆板逆转或停转,则正常。太阳帆板的报警规则会报出帆板逆转或停转。
诊断知识
Rd1:如果光照区母线电压降低,判断分流器是否分流过大,如果过大则为分流器故障造成母线电压降低;否则为不明原因造成母线电压降低。
Rd2:如果光照区母线电压降低,判断母线负载电流是否过大,如果过大则为短路造成电压降低;否则为不明原因造成母线电压降低。
对于报警规则Ra1中光照区母线电压低于41.5V则认定为超限,对于这个规则通常的判断低于41.5则超限,大于41.5不超限,实现也比较简单,但是存在一个问题,如果母线电压为41.50001是否也是超限。对于这个问题可以说超限、也可以说超限(采样误差)。造成这个问题的原因是Ra1本身就是一个模糊概念,如果采用精确描述方法,当参数在临界区域的时候将很难描述,临界值的选择对结果有较大的影响。对于这种情况在模糊数学中有比较好的解决方法,就是采用隶属度函数描述超限判断。如图6所示就是母线电压低于41.5超限判断的隶属度曲线。在图6中的曲线表示判断母线电压超下限的隶属度曲线,横坐标为母线电压值,纵坐标为超限程度。
从上图可以看出当母线电压为41.5的时候超限程度为80%,如果参数为41.4时则超限程度为95%,如果参数为41.6的时候表示超限程度为4%。如果参数为41.50001则超限程度接近于80%,如果持续时间比较长的话(***对超限程度进行积分,达到一定程度激发后续动作),同样可以激发报警输出,或者激发后续的推理过程。
如果从物理意义上讲就是当超限程度达到80%并维持一定的时间则为超下限;如果低于80%并维持比较长的时间则也是超下限;如果超限程度高于80%并维持较短的时间也为超下限。这个物理意义也符合专家观察超限的思维方式,即超限比较高,则可以立即认定为超限;如果超限不严重,但是一直延续,则也可以认为是超下限。
针对以上情况的分析,我们可以看出,采用基于隶属度的超限判断,可以很好的解决简单超限报警的临界值模糊问题
基于模糊数学的可信度传递算法实施例
1)单个事实的可信度传递算法:
如果支持结论的事实只有一个,且已知事实E的可信度CF(E)和事实性知识
IF E THEN H
的可信度CF(H,E),则结论H的可信度就是:
CF(H)=CF(E)*CF(H,E)
2)组合事实的加权可信度传递算法
如果已知事实有多个形成一个组合事实E
E=E1∧E2∧E3∧……∧En,
且已知每个事实的可信度CF(Ei),以及每个事实在这个组合事实中的权系数P(Ei),和事实性知识
IF E THEN H
的可信度CF(H,E),则结论H的可信度就是:
进一步的,所述故障诊断模块包括:正向推理、反向推理、基于可能性的框架规则推理。
正向推理:在本***中主要采用正向推理方式进行,也就是从事实出发,经过逻辑推理,最终得出推理结论。对于航天器故障诊断主要的依据是测控数据,当接收到新的测控数据的时候,启动推理。
反向推理是结论的求证过程,在推理的时候首先假定一个结论,然后查找这个结论是否成立,如果成立则可以认为这个结论是成立的。在航天器故障诊断中,对于状态跳变的推理采用反向方式进行。推理的激发条件为状态发生跳变,这个时候***假定为状态的正常变化(自控或遥控),然后查找满足正常变化的条件是否满足,如果满足则就是正常变化,否则为异常变化。对于反向推理来说,要求结论易于假设,这样推理具有针对性,推力性能比较好。
基于可能性的框架规则推理:在航天器故障诊断语言中,有一类诊断知识采用框架方式描述,就是先写设定故障,在描述故障的表现形式。例如对于分流器过度分流故障,其现象为在光照区母线电压降低,并且分流电流较高。对于种类知识,如果现象都没有出现,则规则不会激活;一旦有一个现象出现,则假定故障出现,立即计算故障结论的可信度,如果可信度比较高,则认为推出结论。框架推理策略是由知识的输入方式决定。
其中,结果输出模块中的输出原则为:可信度越高输出速度越快;低可信度的结果如果维持比较长的时间也需要输出;时间越近的数据对输出结果的影响越大;可信度为0.9时输出时间为1分钟;可信度为0.6时输出时间为1小时;可信度大于0.5支持结果的输出、可信度小于0.5支持结果的不输出。诊断结果输出可信度计算的经验公式:
其中
Of表示诊断结果输出的可信度;
Cf(t,h)表示结果诊断结果h在t时刻的可信度;
μt表示t时刻对输出的影响度,认为是一个时间加权值,是一个隶属度函数。
μt=et。
进一步的,规则区中每个规则设有激活控制列表,在进行推理时先判断该规则区中的规则的激活控制列表是否均成立,成立则启用该规则,否则不会选用该规则进行推理运算。
进一步的,所述故障诊断模块包括:实时诊断单元,预警诊断单元,回放诊断单元,验证诊断单元和扩展函数单元。
实时诊断单元:实时运行模式是***主要运行模式,实现对航天器的实时诊断报警,在图2中描述实时运行模式的运行过程。(1)启动:监控调度模块启动推理机,通过参数设置为实时模式运行,推理机根据模式参数确定数据的获取方式、推理结果的保存方式。(2)装载诊断知识:推理机启动的时候从数据库装载诊断知识,构建各种推理对象,完成对推理机的初始化过程。(3)装载原值表:在实时模式时***中记录航天器的当前状态,在启动时同时装入这些状态信息,用于比对航天器状态的异常跳变。(4)发送测控数据:在推理机运行时,实时接收测控数据发送模块发送来的测控数据,在这里主要是遥控指令数据。(5)发送测控数据:测控数据发送模块发送遥测数据同时发送给遥测数据可信度分析模块,用于分析遥测数据的可信度,分析完成后再通过网络发送给推理机。(6)发送测控数据:遥测数据可信度分析模块将打上可信度标签的遥测参数发送给推理机。推理机采用带有可信度标签的数据进行推理。(7)读取历史测控数据:在推理过程中有时需要历史测控数据进行,直接通过卫星综合数据库读取,并在***中缓存,在读取历史遥测数据的时候为了性能的需要,需要对数据进行预读,保证推理的速度。(8)保存诊断结果:在对一帧推理进行完毕后,分析推出的结果,将这些推理结果作为诊断结果写入数据库中。(9)发送诊断结果:推理机推理出新的诊断结果后,通过网络发送给报警诊断客户端,用户通过浏览器查看诊断结果。(10)确认诊断结果:用户查看诊断结果后,根据解释信息判断结果的正确性,并对诊断结果进行确认,表示用户已经知道这个结果,客户端将确认结果通过网络发送给推理机,推理机根据用户的确认结果修改推理结果的可信度,用于下一步的推理
回放诊断单元,在数据回放模式中推理机对历史数据库中测控数据进行诊断分析,监测航天器的曾经出现的异常。推理机由监控调度模块以回放模式启动,用户通过回放诊断客户端输入写入回放的时间端,并启动推理过程。在回放诊断模式中推理机直接从卫星综合数据库中读取测控数据进行诊断分析,并将结果发送给报警诊断客户端。在回放模式运行完毕后,推理机进程自动退出运行。在图3中描述数据回放模式的运行过程。启动、发送控制命令、显示推理运行进度信息、装载诊断知识、读取回放测控数据、诊断推理、存储回放结果、显示回放结果。
预警诊断单元:预警模式运行时,需要有两个推理机运行,一个在实时模式运行,另一个在预警模式运行。接收到遥测数据后遥测数据预测模块对遥测数值进行外推,在外推的时候需要的航天器状态信息需要从实时模式运行的推理机获取。遥测预测数据发送给预警模式运行的推理机,推理机根据这些预测数据进行诊断分析,同时接收实时模式发送来的诊断结果,最后将实时模式没有退出的结果发送到报警显示客户端,以预警结果的形式显示。预警模式推理机与实时模式运行的推理机都以服务的形式持续运行在后台,由调度监视模块监视进程的运行情况。在图4中描述预警模式的运行过程。启动、装载诊断知识、发送测控数据、实时诊断、发送实时状态结果、计算预测数据、预警诊断、存储预警诊断结果、显示预警结果。
验证诊断单元:在***验证模式中,***验证客户端从***读取对测控数据,再根据用户输入的模拟参数规则,生成验证数据,再根据实时遥测数据的发送速率,以遥测帧的形式发送给推理机。推理机以验证模式运行,接收验证数据进行诊断推理,最后将诊断结果发送到报警诊断客户端显示。
在***验证模式***验证客户端维护遥测数据的时钟,要求推理机也根据这个时钟进行推理。在验证完成后,推理机进程自动退出。在图5中描述数据***验证模式的运行过程。启动、启动验证推理机、选择验证数据、发送验证数据、验证诊断、存储验证结果、显示验证结果。
进一步的,推理控制器中的推理步骤包括:
步骤0,加载诊断规则f1-fm,规则fi由n个证据和一个结论组成;
步骤1,对于规则fi利用“专利”对n个证据中的原始遥测数据x1---xn进行评估,获得遥测数据可信度y1---yn;
步骤2,对于第i个证据,预先存储原始遥测数据xi的证据判定模糊区间ci,基于原始遥测数据xi利用隶属度算法计算原始遥测数据xi在证据判定模糊区间内的可信度系数di;
将可信度系数di与遥测数据可信度yi相乘获得证据可信度ei;
步骤3,重复步骤2,完成规则fi中所有证据可信度e1-en的计算;
步骤4,利用可信度传递算法计算对于规则fi的结论可信度;
步骤5,利用评估算法结合步骤4获得的结论可信度计算规则fi是否输出报警信息。
步骤6,重复步骤1到5,完成所有规则的推理过程。
当然,本发明还可有其他多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (7)
1.一种航天器在轨异常报警与故障诊断***,其特征在于,包括:知识编辑器、数据缓冲区、推理控制器、数据区、黑板、规则区和结果缓冲区;
知识编辑器,用于输入已经编译好的报警诊断知识;
数据缓冲区,用于缓冲输入的原始遥测数据,原始遥测数据包括遥测数据与遥测指令;
数据区,用于从数据缓冲区提取推理控制器进行逻辑匹配运算时的遥测数据或遥测指令并对其进行存储;
规则区,用于从知识编辑器中装载已经编译好的报警诊断知识,在规则区每个报警诊断知识称之为规则;
推理控制器,将数据区中的原始遥测数据与规则区中的报警诊断知识进行逻辑匹配运算,获得诊断结果;并选择需要输出的诊断结果输出至黑板;
黑板,用于存储推理控制器通过逻辑匹配运算获得的诊断结果;
结果缓冲区,用于缓冲推理控制器选择输出的诊断结果并发送至客户端,待用户通过该客户端查看诊断结果后回复确认信息;
所述推理控制器包括:
可信度评估模块,对输入原始遥测数据进行遥测参数可信度的评估,获得带可信度的遥测数据;其中,遥控指令、推理机维护的原值表信息和该原始遥测数据一起作为航天器故障诊断推理的事实;
证据推导模块,根据地面的遥控指令、推理机维护的原值表信息和所述带可信度的遥测数据进行逻辑运算得到证据,所谓证据就是依据事实与事实性知识得出的状态信息与报警信息;
故障诊断模块,根据所述证据结合报警诊断知识进行故障诊断,推出诊断结果;
结果输出模块,根据报警诊断知识选择诊断结果并输出。
2.如权利要求1所述的航天器在轨异常报警与故障诊断***,其特征在于,所述的可信度评估模块包括:
规律统计单元,通过对遥测参数的变化规律进行统计获得遥测统计规律;
可信度获得单元,将新遥测参数的遥测统计规律与历史的遥测统计规律进行匹配,并结合置信度因子获得遥测的可信度。
3.如权利要求1所述的航天器在轨异常报警与故障诊断***,其特征在于,所述证据推导模块包括:
基于隶属度的超限判断和基于模糊数学的可信度传递算法两种方式进行的推导,其中,基于模糊数学的可信度传递算法包括:单个事实的可信度传递算法和组合事实的加权可信度传递算法。
4.如权利要求1所述的航天器在轨异常报警与故障诊断***,其特征在于,所述故障诊断模块包括:正向推理、反向推理、基于可能性的框架规则推理。
5.如权利要求1所述的航天器在轨异常报警与故障诊断***,其特征在于,结果输出模块中的输出原则为:可信度越高输出速度越快;低可信度的结果如果维持比较长的时间也需要输出;时间越近的数据对输出结果的影响越大;可信度为0.9时输出时间为1分钟;可信度为0.6时输出时间为1小时;可信度大于0.5支持结果的输出、可信度小于0.5支持结果的不输出。
6.如权利要求1所述的航天器在轨异常报警与故障诊断***,其特征在于,规则区中每个规则设有激活控制列表,在进行推理时先判断该规则区中的规则的激活控制列表是否均成立,成立则启用该规则,否则不会选用该规则进行推理运算。
7.如权利要求4所述的航天器在轨异常报警与故障诊断***,其特征在于,所述故障诊断模块包括:实时诊断单元,预警诊断单元,回放诊断单元,验证诊断单元和扩展函数单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510608592.XA CN105159286B (zh) | 2015-09-22 | 2015-09-22 | 一种航天器在轨异常报警与故障诊断*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510608592.XA CN105159286B (zh) | 2015-09-22 | 2015-09-22 | 一种航天器在轨异常报警与故障诊断*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105159286A CN105159286A (zh) | 2015-12-16 |
CN105159286B true CN105159286B (zh) | 2017-12-08 |
Family
ID=54800171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510608592.XA Active CN105159286B (zh) | 2015-09-22 | 2015-09-22 | 一种航天器在轨异常报警与故障诊断*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105159286B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106371030A (zh) * | 2016-08-29 | 2017-02-01 | 丹阳亿豪电子科技有限公司 | 一种非确定性推理的新能源汽车电池故障诊断方法 |
CN106647695A (zh) * | 2016-12-05 | 2017-05-10 | 航天恒星科技有限公司 | 在轨航天器运行状态监测方法及*** |
CN110333710B (zh) * | 2019-06-28 | 2020-12-18 | 中国空间技术研究院 | 一种航天器在轨故障检测和故障处理***及方法 |
CN111240966B (zh) * | 2020-01-03 | 2023-10-24 | 中国建设银行股份有限公司 | 一种告警信息处理方法及*** |
CN111193474B (zh) * | 2020-01-14 | 2020-11-20 | 北京空间飞行器总体设计部 | 一种卫星太阳翼输出电流的高精度自主诊断方法 |
CN111274543A (zh) * | 2020-01-17 | 2020-06-12 | 北京空间飞行器总体设计部 | 一种基于高维空间映射的航天器***异常检测方法 |
CN112085869A (zh) * | 2020-09-18 | 2020-12-15 | 陕西千山航空电子有限责任公司 | 一种基于飞参数据的民机飞行安全性分析方法 |
CN112965849B (zh) * | 2021-03-05 | 2022-06-10 | 中国科学院微小卫星创新研究院 | 一种卫星故障诊断推理机***及方法 |
CN113570059A (zh) * | 2021-07-21 | 2021-10-29 | 北京航天测控技术有限公司 | 航天器决策推理方法、装置及*** |
CN117742304B (zh) * | 2024-02-09 | 2024-05-07 | 珠海市南特金属科技股份有限公司 | 曲轴双顶车控制***的故障诊断方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101083019A (zh) * | 2006-12-31 | 2007-12-05 | 中国人民解放军63791部队 | 基于空间态势感知的快速评估*** |
CN101590918A (zh) * | 2009-06-19 | 2009-12-02 | 上海微小卫星工程中心 | 卫星自主故障诊断方法及其诊断*** |
CN102495875A (zh) * | 2011-12-02 | 2012-06-13 | 上海海洋大学 | 一种基于数据挖掘的海洋灾害预警专家*** |
-
2015
- 2015-09-22 CN CN201510608592.XA patent/CN105159286B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101083019A (zh) * | 2006-12-31 | 2007-12-05 | 中国人民解放军63791部队 | 基于空间态势感知的快速评估*** |
CN101590918A (zh) * | 2009-06-19 | 2009-12-02 | 上海微小卫星工程中心 | 卫星自主故障诊断方法及其诊断*** |
CN102495875A (zh) * | 2011-12-02 | 2012-06-13 | 上海海洋大学 | 一种基于数据挖掘的海洋灾害预警专家*** |
Non-Patent Citations (2)
Title |
---|
构建多航天器在轨管理支持平台;王环等;《航天器工程》;20070531;第16卷(第3期);第114-119页 * |
航天发射一体化建设与决策支持技术研究;王家伍;《装备指挥技术学院学报》;20060228;第17卷(第1期);第47页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105159286A (zh) | 2015-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105159286B (zh) | 一种航天器在轨异常报警与故障诊断*** | |
Jouin et al. | Prognostics of PEM fuel cell in a particle filtering framework | |
CN112749509B (zh) | 一种基于lstm神经网络的智能变电站故障诊断方法 | |
CN103926490A (zh) | 一种具有自学习功能的电力变压器综合诊断方法 | |
KR20110072746A (ko) | 디지털 발전소보호계통의 주기적 건전성 시험의 자동화 방법 및 장치 | |
CN117394529A (zh) | 基于scada的主配网合环倒供电控制条件辅助决策方法及*** | |
CN109523030A (zh) | 一种基于机器学习的遥测参数异常监测*** | |
CN117872839A (zh) | 基于时间序列的动环监控***的预警方法及*** | |
CN112836843B (zh) | 一种基站退服告警预测方法及装置 | |
CN108446202A (zh) | 一种机房设备的安全状况的判断方法 | |
CN112966785B (zh) | 一种智能化星座状态识别方法和*** | |
CN115601013A (zh) | 核反应堆故障判定方法、装置、设备、存储介质和产品 | |
CN115828173A (zh) | 基于故障知识与因果推理的风机故障诊断方法及*** | |
CN112801815B (zh) | 一种基于联邦学习的电力通信网络故障预警方法 | |
CN105913226B (zh) | 基于智能语音提示的核电厂运行支持*** | |
CN114743703A (zh) | 核电站机组的可靠性分析方法、装置、设备和存储介质 | |
CN115356990A (zh) | 基于深度学习的料场设备故障预测方法、***及存储介质 | |
CN114091750A (zh) | 电网负荷异常预测方法、***和存储介质 | |
KR20220057229A (ko) | 딥러닝 기반의 안전 진단 방법 및 컴퓨터 프로그램, 그 프로그램을 설치한 에너지저장장치(ess). | |
CN116351545B (zh) | 一种基于lstm的磨煤机故障预警方法 | |
CN112327096A (zh) | 一种基于自适应策略的故障诊断信息融合方法及装置 | |
CN111210361A (zh) | 基于可靠性预测和粒子群优化的电力通信网路由规划方法 | |
US20230105839A1 (en) | Determining an action to allow resumption wind turbine operation after a stoppage | |
CN116351545A (zh) | 一种基于lstm的磨煤机故障预警方法 | |
Yu et al. | An online fault diagnosis method for nuclear power plant based on combined artificial neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |