CN114291305A - 卫星故障诊断方法 - Google Patents
卫星故障诊断方法 Download PDFInfo
- Publication number
- CN114291305A CN114291305A CN202210047600.8A CN202210047600A CN114291305A CN 114291305 A CN114291305 A CN 114291305A CN 202210047600 A CN202210047600 A CN 202210047600A CN 114291305 A CN114291305 A CN 114291305A
- Authority
- CN
- China
- Prior art keywords
- data
- fault
- satellite
- level
- fault diagnosis
- 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.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
- B64G1/00—Cosmonautic vehicles
- B64G1/22—Parts of, or equipment specially adapted for fitting in or to, cosmonautic vehicles
- B64G1/24—Guiding or controlling apparatus, e.g. for attitude control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
- B64G1/00—Cosmonautic vehicles
- B64G1/10—Artificial satellites; Systems of such satellites; Interplanetary vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
- B64G1/00—Cosmonautic vehicles
- B64G1/22—Parts of, or equipment specially adapted for fitting in or to, cosmonautic vehicles
- B64G1/66—Arrangements or adaptations of apparatus or instruments, not otherwise provided for
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- General Physics & Mathematics (AREA)
- Selective Calling Equipment (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种卫星故障诊断方法,包括:根据平稳型数据、周期型数据和渐变型数据的分类,执行阈值门限预处理及包络边界预处理以诊断出卫星的显性故障;根据卫星的显性故障,执行机器学习预测及数据驱动诊断,以诊断出卫星的隐性故障;执行机器学习预测包括:使用历史数据对函数模型进行训练以及自我学习,不断逼近真实模型,最后使用训练完成的函数模型对未来趋势进行预测;执行数据驱动诊断包括:构建数据的训练库,利用数据驱动的分类方法训练故障分类器,经特征提取与模式分析后生成基于目前事实的故障诊断规则,并利用历史数据对规则进行测试和优化,进一步丰富规则诊断器。
Description
技术领域
本发明涉及卫星自主健康管理技术领域,特别涉及一种卫星故障诊断方法。
背景技术
卫星作为一个复杂度较高、涉及技术较广且造价昂贵的综合性***,并且由于所处空间环境的不确定性以及发射前测试的局限性,在轨运行期间不可避免地会出现一些异常或故障。对于长期在轨运行的卫星来说,为了避免某些关键单机部件发生故障而引起整个***瘫痪,必须在故障发生伊始或发生前予以迅速有效地处理,维持***的功能基本正常,从而保证安全可靠地完成任务。
受限于我国的测控站测控范围,中低轨卫星都有自己的不可测或不可控弧段。当卫星在此期间出现异常时,地面无法及时发现和处理,可能造成故障蔓延,缩短卫星使用寿命。对于气象卫星、导航卫星等航天器,还有服务连续性的要求,如果中断时间过长将会造成巨大的军事或经济损失。
发明内容
本发明的目的在于提供一种卫星故障诊断方法,以解决在轨卫星因故障导致中断时间过长进而造成巨大的军事或经济损失的问题。
为解决上述技术问题,本发明提供一种卫星故障诊断方法,包括:
根据平稳型数据、周期型数据和渐变型数据的分类,执行阈值门限预处理及包络边界预处理以诊断出卫星的显性故障;
根据卫星的显性故障,执行机器学习预测及数据驱动诊断,以诊断出卫星的隐性故障;
执行机器学习预测包括:使用历史数据对函数模型进行训练以及自我学习,不断逼近真实模型,最后使用训练完成的函数模型对未来趋势进行预测;
执行数据驱动诊断包括:构建数据的训练库,利用数据驱动的分类方法训练故障分类器,经特征提取与模式分析后生成基于目前事实的故障诊断规则,并利用历史数据对规则进行测试和优化,进一步丰富规则诊断器。
可选的,在所述的卫星故障诊断方法中,还包括:
数据接收模块融合卫星所有分***的数据,以得到平稳型数据、周期型数据和渐变型数据;
所述数据接收模块通过高速总线接收星上所有分***的关键遥测数据和业务数据,其包括有效载荷分***的业务信息、星务分***的业务信息、测控分***的测控信息、姿轨控分***的控制信息、热控分***的遥测信息和能源分***的遥测信息。
可选的,在所述的卫星故障诊断方法中,还包括:
数据预处理模块将平稳型数据直接与阈值门限进行比较以判断***健康状态;
数据预处理模块通过周期型数据的包络门限对周期型数据进行分析,提取健康特征,如果卫星参数的实测值在所述经验区间内,则健康状况通过,若累计一段时间的实测值在所述经验区间外,则健康状况不通过;
数据预处理模块将所述渐变型数据送入故障诊断模块进行分析和预测。
可选的,在所述的卫星故障诊断方法中,还包括:
若某一数据的方差接近0,则归类为平稳型数据,其保持长期稳定的特性;
若某一数据与时间有强依赖性,呈现周期性变化,则归类为周期型数据;
若某一数据发展趋势随单机寿命而呈现逐渐减弱或增强,则归类为渐变型数据。
可选的,在所述的卫星故障诊断方法中,还包括:
故障分级管理模块将所述故障诊断结果进行分级;
故障恢复模块根据故障的分级结果进行多种恢复操作。
可选的,在所述的卫星故障诊断方法中,所述故障分级管理模块根据所述故障诊断模块的输出结果,对所述显性故障和隐性故障分为四个等级,其中:
第一等级为影响整星安全且不可自主恢复的故障;
第二等级为影响载荷任务且不可自主恢复的故障;
第三等级为可通过重构进行恢复的故障;
第四等级为可通过复位进行恢复的影响程度的故障。
可选的,在所述的卫星故障诊断方法中,在卫星无法进行自主恢复情况下,对第一等级故障和第二等级故障实施星上自主保护措施,保证整星安全;对第三等级故障和第四等级故障实施由卫星自主恢复的措施,包括采取复位、切机和重构措施,同时保证载荷任务正常。
可选的,在所述的卫星故障诊断方法中,第一等级故障包括能源故障、姿控故障及星务故障,卫星将启动进入安全模式,实施自我保护;
第二等级故障包括时频故障及放大器故障,卫星将调整发射功率,实施自我保护;
第三等级故障通过自主切冷备/热备隔离恢复***工作的故障,涉及整星所有分***,向平台计算机发起故障恢复指令,将故障单机切换至备份工作;
第四等级故障通过软件自主补偿,复位或开关机进行恢复,向平台计算机或载荷任务处理机发起故障恢复指令,将故障单机实施自主复位或开关机。
在本发明提供的卫星故障诊断方法中,通过平稳型数据、周期型数据和渐变型数据的分类,以及对显性故障和隐性故障的分别诊断,可以快速根据不同的数据类型,快速的对不同的故障类型进行分离,可以避免中断时间过长将会造成巨大的军事或经济损失。
目前国内卫星的健康管理仍以传统的地面监控站监测为主,地面工作人员依据卫星下传的遥测数据进行状态判断和故障处理。但随着卫星功能的复杂化、在轨运行的长期化,在轨发生故障的可能性不断增加,对卫星***的自主健康管理越来越受到人们的重视。
目前卫星自主健康管理功能主要以综合电子作为平台,对电源分***、姿控分***开展故障诊断、故障分类和故障恢复研究及工程实现,可以保证航天器最基本的生存能力。其不足之处在于:
1)随着航天应用的发展,像通信卫星、导航卫星、气象卫星等有任务连续性要求的航天器而言,其载荷的自主健康管理功能需求显得十分迫切,现有的工程应用和学术研究中缺乏载荷故障的自主诊断与恢复;
2)基于综合电子平台实现关键分***的自主健康管理,其任务主功能与故障诊断功能交叉,占用FPGA/CPU资源多,执行策略复杂,可靠性较低。
在本发明提供的卫星故障诊断方法中,通过数据接收模块、数据预处理模块、故障诊断模块、故障分级管理模块和故障恢复模块组成的卫星集中式自主健康管理架构,形成专用的自主健康管理单元,融合卫星所有分***的数据,集数据采集、数据预处理、健康预测、故障诊断、故障分类和故障恢复等功能于一体,进行星载产品在轨自主故障的预测和诊断,提高专业处理能力和效率。
本发明通过分析卫星各分***业务和遥测数据的特点,具有一定的共性,设计一台专用的自主健康管理单元,针对性地采用故障检测算法实现所有分***任务的自主故障诊断与恢复,同时不影响综合电子或载荷核心处理器的主要任务,降低地面管控人员的操作复杂度,保证***出现异常自主恢复后***切换稳定,能正常工作,完成特定任务。
卫星自主健康管理包括健康状态检测、诊断、预测以及恢复。首先,通过加入自主健康管理技术,能够充分利用冗余结构以及各子***间的解析冗余特性,在卫星出现故障之后,及时发现并隔离、恢复故障设备,延长卫星工作寿命,保证卫星提供正常服务与功能;其次,自主健康管理***还能够为卫星提供在轨的健康状态监测,预测并尽可能避免故障的发生;最后,自主健康管理***又能够为设计高可靠性长寿命卫星提供检测数据,检测与分析故障发生原因,为未来新的卫星设计提供依据。
附图说明
图1是本发明一实施例的卫星故障诊断方法示意图;
图2是本发明一实施例的基于数据驱动的故障诊断流程示意图;
图中所示:10-数据接收模块;20-数据预处理模块;30-故障诊断模块;40-故障分级管理模块;50-故障恢复模块。
具体实施方式
以下结合附图和具体实施例对本发明提出的卫星故障诊断方法作进一步详细说明。根据下面说明和权利要求书,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
另外,除非另行说明,本发明的不同实施例中的特征可以相互组合。例如,可以用第二实施例中的某特征替换第一实施例中相对应或功能相同或相似的特征,所得到的实施例同样落入本申请的公开范围或记载范围。
本发明的核心思想在于提供一种卫星故障诊断方法,以解决在轨卫星因故障导致中断时间过长进而造成巨大的军事或经济损失的问题。
为实现上述思想,本发明提供了一种卫星故障诊断方法,包括:数据接收模块,被配置为采集分***数据;数据预处理模块,被配置为对所述分***数据进行预处理;故障诊断模块,被配置为根据所述分***数据的预处理结果进行健康预测与故障诊断,形成故障诊断结果;故障分级管理模块,被配置为将所述故障诊断结果进行分级;故障恢复模块,被配置为根据故障的分级结果进行多种恢复操作。
本发明克服现有技术的不足,提出卫星集中式自主健康管理构架,通过专用的自主健康管理单元,融合各分***遥测数据、业务数据等,形成故障知识库,通过阈值监测、数据驱动、机器学***台、载荷、星间任务及工作单机的自主故障诊断与恢复,且恢复后仍能保证任务执行正常,降低地面管控人员的操作复杂度,提高航天器的自主生存能力。
卫星集中式自主健康管理架构包括一台专用的自主健康管理单元,融合卫星所有分***的数据,集数据采集、数据预处理、健康预测、故障诊断、故障分类和故障恢复等功能于一体,进行星载产品在轨自主故障的预测和诊断,提高专业处理能力和效率。
该***包括数据接收模块10、数据预处理模块20、故障诊断模块30、故障分级管理模块40和故障恢复模块50。
数据接收模块10通过高速总线接收星上所有分***的关键遥测数据和业务数据,包括有效载荷分***60的业务信息、星务分***61的业务信息、测控分***65的测控信息、姿轨控分***62的控制信息、热控分***63和能源分***64的遥测信息等,按照平稳型、周期型和渐变型三大类进行划分,以保证采集后信息的有效性和完备性。
数据预处理模块20有次序地从数据接收模块10中读取数据,根据已归类的三大类数据,采用阈值门限、包络边界等预处理技术诊断出卫星的显性故障。
故障诊断模块30配备高速处理单元和传输总线,在数据预处理模块20输出结果的基础上,融合应用机器学习以及数据驱动的诊断方法,逐步对不同类型的遥测数据采取适应性强的诊断方法,深入分析和预测深层次、难以通过直观手段判断的故障。
故障分级管理模块40和故障恢复模块50根据故障诊断模块30输出的结果,首先对故障进行分级,按照影响整星安全且不可自主恢复、影响载荷任务且不可自主恢复、可通过重构进行恢复、可通过复位进行恢复的影响程度,将故障等级分成四等级:A-1级(第一等级故障)、A-2级(第二等级故障)、B级(第三等级故障)、C级(第四等级故障),A-1级故障最为严重,其次是A-2级,在无法进行自主恢复情况下,这两级故障实施星上自主保护措施,保证整星安全,B级、C级故障由卫星自主恢复,包括采取复位、切机和重构等措施,同时保证载荷任务正常。
卫星集中式自主健康管理架构由一台专用的自主健康管理单元实现,该单元包括数据接收模块、数据预处理模块、故障诊断模块、故障分级和恢复模块。
数据接收模块通过高速总线接收星上所有分***的关键遥测数据和业务数据,包括载荷分***的业务信息、测控分***的测控信息、姿轨控分***的控制信息、热控和能源分***的遥测信息等,这些数据主要呈现以下三大特点:
(1)平稳型:即数据保持长期稳定的特性,如单机设备的模拟电压遥测信息,若该数据的方差接近0,则归类为平稳型数据;
(2)周期型:即数据与时间有强依赖性,呈现周期性变化,如单机设备的温度信息;
(3)渐变型:即数据发展趋势随单机寿命而呈现逐渐减弱或增强,如星载原子钟的光强信息。
数据接收模块将这些大量数据首先按照三大类进行划分,以保证采集后信息的有效性和完备性。
数据预处理模块从数据接收单元中读取数据,针对平稳型数据,直接通过阈值门限进行***健康状态的判断,例如供电电压、电流以及温度等;针对周期型数据,通过包络门限对数据进行分析后提取健康特征;包络门限是一个上、下边界范围,是卫星成功完成地面试验后获得的经验区间,如果卫星参数的实测值在这个区间内,则健康状况通过,并且有较低的故障率,相反,如果累计一段时间的实测值不在这个区间内,则可预测健康状况不佳,故障率较高。针对渐变型数据,并不能直接用于***健康状态的判断,需送入故障诊断单元进行深入分析和预测。
故障诊断模块在预处理模块输出结果的基础上,融合应用机器学习以及数据驱动的诊断方法,逐步对不同类型的遥测数据采取适应性强的诊断方法,深入分析和预测深层次、难以通过直观手段判断的故障。
基于机器学习的预测技术的工作过程为:使用历史数据对函数模型进行训练以及自我学习,不断逼近真实模型,最后使用训练完成的函数模型对未来趋势进行预测。
基于数据驱动的诊断方法是构建数据的训练库,利用数据驱动的分类方法训练故障分类器,经特征提取与模式分析后生成基于目前事实的故障诊断规则,并利用历史数据对规则进行测试和优化,进一步丰富规则诊断器,诊断流程如图2所示。
故障分级和恢复模块根据故障诊断模块输出的结果,按照影响程度分成A-1、A-2、B、C四等级,A-1级最为严重。
A-1级为影响整星安全且无法自主恢复的故障,包括能源故障、姿控故障、星务故障,卫星将启动进入安全模式,实施自我保护。
A-2级为影响载荷任务且无法自主恢复的故障,包括时频故障、放大器故障等,卫星将调整发射功率,实施自我保护。
B级为只能通过自主切冷/热备(隔离)来恢复***工作的故障,涉及整星所有分***,由自主健康管理单元向平台计算机发起故障恢复指令,将故障单机切换至备份工作。
C级为可通过软件自主补偿,复位或开关机进行恢复的故障,涉及整星所有分***。由自主健康管理单元向平台计算机或载荷任务处理机发起故障恢复指令,将故障单机实施自主复位或开关机。
综上,上述实施例对卫星故障诊断方法的不同构型进行了详细说明,当然,本发明包括但不局限于上述实施中所列举的构型,任何在上述实施例提供的构型基础上进行变换的内容,均属于本发明所保护的范围。本领域技术人员可以根据上述实施例的内容举一反三。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
上述描述仅是对本发明较佳实施例的描述,并非对本发明范围的任何限定,本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰,均属于权利要求书的保护范围。
Claims (8)
1.一种卫星故障诊断方法,其特征在于,包括:
根据平稳型数据、周期型数据和渐变型数据的分类,执行阈值门限预处理及包络边界预处理以诊断出卫星的显性故障;
根据卫星的显性故障,执行机器学习预测及数据驱动诊断,以诊断出卫星的隐性故障;
执行机器学习预测包括:使用历史数据对函数模型进行训练以及自我学习,不断逼近真实模型,最后使用训练完成的函数模型对未来趋势进行预测;
执行数据驱动诊断包括:构建数据的训练库,利用数据驱动的分类方法训练故障分类器,经特征提取与模式分析后生成基于目前事实的故障诊断规则,并利用历史数据对规则进行测试和优化,进一步丰富规则诊断器。
2.如权利要求1所述的卫星故障诊断方法,其特征在于,还包括:
数据接收模块融合卫星所有分***的数据,以得到平稳型数据、周期型数据和渐变型数据;
所述数据接收模块通过高速总线接收星上所有分***的关键遥测数据和业务数据,其包括有效载荷分***的业务信息、星务分***的业务信息、测控分***的测控信息、姿轨控分***的控制信息、热控分***的遥测信息和能源分***的遥测信息。
3.如权利要求1所述的卫星故障诊断方法,其特征在于,还包括:
数据预处理模块将平稳型数据直接与阈值门限进行比较以判断***健康状态;
数据预处理模块通过周期型数据的包络门限对周期型数据进行分析,提取健康特征,如果卫星参数的实测值在所述经验区间内,则健康状况通过,若累计一段时间的实测值在所述经验区间外,则健康状况不通过;
数据预处理模块将所述渐变型数据送入故障诊断模块进行分析和预测。
4.如权利要求1所述的卫星故障诊断方法,其特征在于,还包括:
若某一数据的方差接近0,则归类为平稳型数据,其保持长期稳定的特性;
若某一数据与时间有强依赖性,呈现周期性变化,则归类为周期型数据;
若某一数据发展趋势随单机寿命而呈现逐渐减弱或增强,则归类为渐变型数据。
5.如权利要求1所述的卫星故障诊断方法,其特征在于,还包括:
故障分级管理模块将所述故障诊断结果进行分级;
故障恢复模块根据故障的分级结果进行多种恢复操作。
6.如权利要求5所述的卫星故障诊断方法,其特征在于,所述故障分级管理模块根据所述故障诊断模块的输出结果,对所述显性故障和隐性故障分为四个等级,其中:
第一等级为影响整星安全且不可自主恢复的故障;
第二等级为影响载荷任务且不可自主恢复的故障;
第三等级为可通过重构进行恢复的故障;
第四等级为可通过复位进行恢复的影响程度的故障。
7.如权利要求6所述的卫星故障诊断方法,其特征在于,在卫星无法进行自主恢复情况下,对第一等级故障和第二等级故障实施星上自主保护措施,保证整星安全;对第三等级故障和第四等级故障实施由卫星自主恢复的措施,包括采取复位、切机和重构措施,同时保证载荷任务正常。
8.如权利要求7所述的卫星故障诊断方法,其特征在于,第一等级故障包括能源故障、姿控故障及星务故障,卫星将启动进入安全模式,实施自我保护;
第二等级故障包括时频故障及放大器故障,卫星将调整发射功率,实施自我保护;
第三等级故障通过自主切冷备/热备隔离恢复***工作的故障,涉及整星所有分***,向平台计算机发起故障恢复指令,将故障单机切换至备份工作;
第四等级故障通过软件自主补偿,复位或开关机进行恢复,向平台计算机或载荷任务处理机发起故障恢复指令,将故障单机实施自主复位或开关机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210047600.8A CN114291305A (zh) | 2020-07-22 | 2020-07-22 | 卫星故障诊断方法 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210047600.8A CN114291305A (zh) | 2020-07-22 | 2020-07-22 | 卫星故障诊断方法 |
CN202010710052.3A CN111874268B (zh) | 2020-07-22 | 2020-07-22 | 卫星集中式自主健康管理*** |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010710052.3A Division CN111874268B (zh) | 2020-07-22 | 2020-07-22 | 卫星集中式自主健康管理*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114291305A true CN114291305A (zh) | 2022-04-08 |
Family
ID=73156404
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210047600.8A Pending CN114291305A (zh) | 2020-07-22 | 2020-07-22 | 卫星故障诊断方法 |
CN202010710052.3A Active CN111874268B (zh) | 2020-07-22 | 2020-07-22 | 卫星集中式自主健康管理*** |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010710052.3A Active CN111874268B (zh) | 2020-07-22 | 2020-07-22 | 卫星集中式自主健康管理*** |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN114291305A (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113589330B (zh) * | 2021-01-21 | 2024-04-26 | 中国科学院微小卫星创新研究院 | 卫星电源***健康状态监测*** |
CN112918703B (zh) * | 2021-03-18 | 2023-11-17 | 中国科学院微小卫星创新研究院 | 一种即插即用的模块化卫星 |
CN113961612A (zh) * | 2021-07-21 | 2022-01-21 | 重庆悦君和信科技有限公司 | 一种基于深度学习的卫星健康数据综合分析***及方法 |
CN113759946A (zh) * | 2021-08-30 | 2021-12-07 | 上海卫星工程研究所 | 深空探测能源安全分级管理方法及*** |
CN117141726A (zh) * | 2023-09-14 | 2023-12-01 | 山西彗星智能科技有限责任公司 | 一种航空混动能源***用保护方法与*** |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101788817B (zh) * | 2010-01-29 | 2011-11-16 | 航天东方红卫星有限公司 | 一种基于星载总线的故障识别与处理方法 |
FR2963437B1 (fr) * | 2010-07-29 | 2012-08-31 | Sagem Defense Securite | Procede de detection et d'exclusion de multi-pannes satellites |
CN103778312B (zh) * | 2012-10-24 | 2017-05-10 | 中兴通讯股份有限公司 | 远程家庭保健*** |
EP2784676A1 (en) * | 2013-03-28 | 2014-10-01 | Eurocopter España, S.A. | DIMA extension health monitor supervisor |
CN103217974B (zh) * | 2013-04-22 | 2015-02-11 | 北京空间飞行器总体设计部 | 一种基于综合电子平台的航天器自主健康管理体系结构 |
JP6216607B2 (ja) * | 2013-10-25 | 2017-10-18 | アズビル株式会社 | 不具合検知システムおよび不具合検知方法 |
CN104461811B (zh) * | 2014-11-28 | 2017-03-08 | 北京空间飞行器总体设计部 | 一种分级、分层次的航天器单粒子软错误防护体系*** |
US10895523B2 (en) * | 2015-04-30 | 2021-01-19 | The University Of Connecticut | Method of optimal sensor selection and fusion for heat exchanger fouling diagnosis in aerospace systems |
CN105245364B (zh) * | 2015-09-29 | 2018-07-24 | 中国运载火箭技术研究院 | 一种卫星有效载荷任务管理*** |
FR3042612B1 (fr) * | 2015-10-14 | 2020-12-11 | Airbus Operations Sas | Procede et dispositif de detection de pannes oscillatoires dans une chaine d'asservissement en position d'une gouverne d'aeronef. |
CN106226784B (zh) * | 2016-06-27 | 2019-02-01 | 广东工业大学 | 卫星定位增强***中的参考基站智能动态管理***及方法 |
FR3065083A1 (fr) * | 2017-04-05 | 2018-10-12 | Thales | Procede de determination de niveaux de protection de solutions de navigation, produit programme d'ordinateur et recepteur associes |
US10670729B2 (en) * | 2017-08-18 | 2020-06-02 | Novatel Inc. | System and method to provide an ASIL qualifier for GNSS position and related values |
US10926888B2 (en) * | 2018-08-07 | 2021-02-23 | The Boeing Company | Methods and systems for identifying associated events in an aircraft |
CN109213127A (zh) * | 2018-09-25 | 2019-01-15 | 浙江工业大学 | 一种基于深度学习的hvac***渐变故障诊断方法 |
CN109934130A (zh) * | 2019-02-28 | 2019-06-25 | 中国空间技术研究院 | 基于深度学习的卫星故障在轨实时故障诊断方法及*** |
CN110032790A (zh) * | 2019-04-08 | 2019-07-19 | 上海微小卫星工程中心 | 一种非侵入式微小卫星在轨自主健康状态监测方法 |
CN110321940B (zh) * | 2019-06-24 | 2021-07-09 | 清华大学 | 飞行器遥测数据特征提取与分级分类方法及装置 |
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 |
CN110795309B (zh) * | 2019-10-29 | 2023-05-12 | 中国科学院微小卫星创新研究院 | 一种用于微小卫星的层次化软件健康管理方法和*** |
-
2020
- 2020-07-22 CN CN202210047600.8A patent/CN114291305A/zh active Pending
- 2020-07-22 CN CN202010710052.3A patent/CN111874268B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111874268B (zh) | 2022-02-15 |
CN111874268A (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111874268B (zh) | 卫星集中式自主健康管理*** | |
EP3108317B1 (en) | System and method of fault detection for an aircraft | |
Ibrahim et al. | Machine learning techniques for satellite fault diagnosis | |
CN103544092B (zh) | 一种基于arinc653标准机载电子设备健康监控*** | |
CN116542651A (zh) | 一种航天器有效载荷在轨自主健康管理***及方法 | |
CN104504248A (zh) | 一种基于设计数据分析的故障诊断建模方法 | |
CN110032790A (zh) | 一种非侵入式微小卫星在轨自主健康状态监测方法 | |
CN109978500A (zh) | 一种核电站失电试验管理*** | |
KR20220089853A (ko) | 머신러닝 기술을 활용한 신재생에너지 발전설비의 고장예지 및 건전성관리 방법 | |
Aaseng et al. | A review of system health state determination methods | |
CN114338743B (zh) | 一种云端边端数据交互的智能识别防御*** | |
Lyu et al. | Prognostics and health management technology for radar system | |
Gao et al. | Design requirements of PHM system fault diagnosis capability | |
Gonzalez et al. | Model-based, real-time control of electrical power systems | |
CN114997253A (zh) | 一种卫星星座智能状态异常检测方法、监测***及其监测方法 | |
CN106970607B (zh) | 一种变流器控制***的测试方法及*** | |
Malefaki et al. | Modeling software rejuvenation on a redundant system using Monte Carlo simulation | |
CN108226662B (zh) | 一种机载计算机故障预测方法 | |
MacArthur et al. | Expert systems and model based reasoning for protection performance analysis | |
Dongwei et al. | Research on satellite fault diagnostics technology based on combination of several methods | |
Jia et al. | Application and design of PHM in aircraft’s integrated modular mission system | |
Bunus et al. | Model-based diagnostics techniques for avionics applications with RODON | |
Carbone et al. | A Multiple Model Based Approach for Deep Space Power System Fault Diagnosis | |
Yang et al. | Research on autonomous health management and reconstruction technology of satellite | |
Bai et al. | The research of autonomous in-orbit health management system for China’s manned spacecrafts |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |