卫星在轨故障诊断技术是航天领域的重要研究方向。本书构建了比较系统的卫星在轨故障诊断理论方法体系,主要包括基于定量模型的方法、基于定性模型的方法、基于规则的方法、基于案例的方法、数据驱动方法以及卫星在轨故障融合诊断方法,给出了卫星在轨故障诊断的典型实例和应用,介绍了国内外几种典型的卫星在轨故障诊断系统的特点和功能。本书取材广泛、内容新颖,理论与实践兼顾,可为工程单位、工业部门、科研院所和高等院校从事航
天器在轨故障诊断技术研究和应用的管理人员、工程技术人员和教学科研人员提供参考。
全部显示 ∨
全部显示 ∨
序0
前言0
第1章 绪论11.1 目的和意义1 1.1.1 卫星在轨故障诊断的目的 1
1.1.2 卫星在轨故障诊断的意义 1
1.2 卫星在轨故障基本情况与特点3 1.2.1 故障总体情况 3
1.2.2 故障类型 4
1.2.3 卫星在轨故障诊断特点 5
1.3 国外研究现状5
1.4 本书的内容和特色7
参考文献8
第2章 卫星在轨数据类型与预处理102.1 引言10
2.2 在轨数据类型10 2.2.1 遥测数据 10
2.2.2 外测数据 11
2.2.3 上行遥控数据 11
2.3 数据补齐与采样12 2.3.1 数据补齐 12
2.3.2 时间同步 13
2.3.3 数据采样 13
2.4 野点剔除14 2.4.1 53H法 14
2.4.2 前推差分算法 14
2.5 数据平滑16 2.5.1 中值滤波算法 16
2.5.2 滑动平均算法 16
2.6 数据特征检验18 2.6.1 分布检验 18
2.6.2 时间序列特征识别 19
2.6.3 基于EMD的趋势分析 23
2.7 数据降维27 2.7.1 主成分分析 27
2.7.2 投影寻踪 32
2.7.3 示例分析 34
参考文献35
第3章 基于定量模型的卫星在轨故障诊断373.1 概述37
3.2 测量机构的定量故障诊断方法38 3.2.1 平衡方程法 38
3.2.2 状态χ2检验法 41
3.3 基于奇偶向量法的执行机构故障诊断49 3.3.1 奇偶向量法的基本思想 49
3.3.2 故障检测方法 49
3.3.3 故障隔离方法 51
3.3.4 基于Potter算法的奇偶矩阵解算 52
3.3.5 仿真算例 53
3.4 基于多解析模型的故障诊断方法59 3.4.1 基于多解析模型的故障隔离 59
3.4.2 姿控系统的冗余产生及故障隔离 65
3.4.3 仿真验证 72
参考文献76
第4章 基于定性模型的卫星在轨故障诊断784.1 概述78 4.1.1 定性和定量诊断方法的区别 78
4.1.2 定性故障诊断方法简介 79
4.1.3 实施步骤 81
4.2 典型定性模型建模方法82 4.2.1 基于故障树的建模方法 82
4.2.2 基于符号有向图的建模方法 87
4.2.3 传递系统模型建模方法 93
4.2.4 基于决策树的建模方法 100
4.3 基于定性模型的诊断推理方法106 4.3.1 基于第一定律的推理方法 106
4.3.2 理论基础及数学描述 107
4.3.3 约束传播技术 110
4.3.4 基于解析冗余的冲突识别 111
4.3.5 基于定性模型的诊断过程 113
4.3.6 定性模型中的不确定推理 115
4.4 应用示例——卫星电源系统故障诊断118 4.4.1 卫星供配电分系统组成 118
4.4.2 基于有向图的结构描述 120
4.4.3 基于命题表达式的功能描述 121
4.4.4 冲突识别算法 126
4.4.5 电源定性模型诊断推理过程 126
参考文献128
第5章 基于规则的卫星在轨故障诊断1325.1 概述132 5.1.1 基本原理 134
5.1.2 实施步骤 134
5.2 卫星故障规则的获取和表示136 5.2.1 故障规则知识获取 136
5.2.2 故障规则表示 141
5.2.3 规则修正 142
5.2.4 卫星典型故障规则 143
5.3 基于规则的推理145 5.3.1 推理策略 145
5.3.2 不确定性推理 149
5.4 应用示例154 5.4.1 经验知识的提取 155
5.4.2 定性故障模式的设置 155
参考文献157
第6章 基于案例的卫星在轨故障诊断1586.1 概述158 6.1.1 基本原理 158
6.1.2 基本步骤 159
6.2 卫星故障案例的获取和表示160 6.2.1 故障案例获取 160
6.2.2 故障案例表示 161
6.2.3 案例修正 169
6.2.4 案例学习 170
6.3 基于案例的推理171 6.3.1 案例检索 171
6.3.2 案例相似性度量 175
6.3.3 案例匹配 177
参考文献178
第7章 数据驱动的卫星在轨故障诊断1797.1 概述179 7.1.1 基本原理 179
7.1.2 实施步骤 180
7.2 特征提取181 7.2.1 时域特征 181
7.2.2 频域特征 184
7.2.3 信息域特征 184
7.2.4 反作用轮异常掉电时的多层次征兆建模 189
7.3 特征约简和降维190 7.3.1 基于粗糙集的卫星特征约简 190
7.3.2 基于非负矩阵分解的高维特征约简 201
7.3.3 基于流形学习的复杂特征降维方法 209
7.4 基于支持向量机的故障建模与诊断214 7.4.1 基本原理 215
7.4.2 SVM实现问题 217
7.4.3 示例分析 220
7.5 基于概率图的故障建模与诊断231 7.5.1 贝叶斯网络基本概念 231
7.5.2 贝叶斯网络建模 233
7.5.3 贝叶斯网络推理 234
7.5.4 示例分析 235
参考文献239
第8章 卫星在轨故障融合诊断2428.1 概述242
8.2 融合诊断框架243 8.2.1 融合诊断框架的基本要素 243
8.2.2 融合诊断信息分类 244
8.2.3 融合诊断框架模块设计 244
8.2.4 融合途径 247
8.3 定量模型与神经网络融合诊断248 8.3.1 理论基础 248
8.3.2 技术方法 252
8.3.3 故障建模方法的示例 252
8.4 残差分析与规则推理融合诊断259 8.4.1 理论基础 260
8.4.2 残差分析与规则推理融合诊断的技术方法 262
8.4.3 残差分析与规则推理融合诊断示例 267
8.5 定量模型与历史数据融合诊断方法277 8.5.1 理论基础 278
8.5.2 定量模型与历史数据融合诊断的技术方法 279
8.5.3 定量模型与历史数据融合诊断示例 286
8.5.4 结果分析 288
参考文献292
第9章 卫星在轨故障诊断系统2949.1 概述294
9.2 国外情况294 9.2.1 G2实时专家系统开发平台 294
9.2.2 Livingstone卫星诊断推理系统 299
9.3 国内卫星故障诊断系统303 9.3.1 测控单位故障诊断系统 303
9.3.2 运管单位故障诊断系统 307
参考文献315