-
公开(公告)号：CN116360387A
公开(公告)日：2023-06-30
申请号：CN202310095604.8
申请日：2023-01-18
Applicant: 北京控制工程研究所
IPC: G05B23/02
Abstract: 本发明涉及一种融合贝叶斯网络和性能‑故障关系图谱的故障定位方法，该方法包括：根据FMEA构建航天器控制系统的性能‑故障关系图谱；基于历史故障案例，计算所述性能‑故障关系图谱中各故障模原因出现的先验概率、故障原因导致故障模式的条件概率和故障模式导致故障征兆的条件概率；利用TransE算法获得所述性能‑故障关系图谱中各实体与关系的向量表示；获取所述航天器控制系统的在轨数据，通过向量匹配的方式得到包含所述在轨数据的故障征兆相关的所有故障原因的性能‑故障关系图谱的子图；针对每个所述故障征兆，采用贝叶斯网络计算各故障原因导致出现当前故障征兆的概率，以进行故障定位。本发明能够提高航天器控制系统故障定位的准确性。
-
公开(公告)号：CN116305531A
公开(公告)日：2023-06-23
申请号：CN202310071787.X
申请日：2023-01-13
Applicant: 北京控制工程研究所
IPC: G06F30/15
Abstract: 本发明涉及航天器监测技术领域，特别涉及一种航天器健康演化模型建模方法、装置、设备及介质，其中方法包括：获取不同时间的航天器遥测数据并进行预处理；基于预处理后的航天器遥测数据，进行特征提取；基于所有特征量，进行融合处理，得到与时间相对应的一维特征；按照时序对一维特征进行曲线拟合，得到拟合曲线，并将拟合曲线的拟合值作为与时间对应的健康因子；基于健康因子与各特征量之间的相关程度，对所有特征量进行筛选，选出相关程度高的特征量；构建模糊神经网络，并以选出的特征量作为输入、健康因子作为输出，对模糊神经网络进行训练得到航天器健康演化模型。本发明能够得到用于评估航天器健康的演化模型。
-
公开(公告)号：CN116246145A
公开(公告)日：2023-06-09
申请号：CN202310071972.9
申请日：2023-01-15
Applicant: 北京控制工程研究所
IPC: G06V10/82 , G06V10/774 , G06V20/13
Abstract: 本发明涉及航空航天技术领域，特别涉及一种航天器故障的辨识方法和装置。其中，该方法包括：获取航天器姿轨控系统的待测数据；对待测数据进行灰度处理，得到待测数据对应的二维灰度图像；将二维灰度图像输入训练好的故障辨识模型中，得到待测数据对应的故障类别；其中，故障辨识模型是通过以航天器姿轨控系统的样本二维灰度图像作为输入和以样本二维灰度图像对应的故障类别作为输出来对预设的卷积神经网络进行训练得到的，样本二维灰度图像是通过对航天器姿轨控系统的样本数据进行灰度处理得到的，对样本数据的灰度处理方式和对待测数据的灰度处理的方式相同。本发明的方案能够有效辨识航天器的故障。
-
公开(公告)号：CN119004308A
公开(公告)日：2024-11-22
申请号：CN202410973803.9
申请日：2024-07-19
Applicant: 北京控制工程研究所
IPC: G06F18/2433 , G06F18/2136 , B64F5/60
Abstract: 本发明公开了一种支持多源混合异构数据类型的航天器智能异常检测方法，首先，针对离散型数据，通过采用离散型数据字典使用重构残差检测数据异常；然后，针对连续型数据，使用离散数据的分析结果剪枝搜索空间来检测异常；最后，针对混合类型的数据，结合以上两种方法调整算法优化目标，对异常实现快速精准检测。而与传统的方法相比，本发明专利针对航天器自主健康管理与智能精准运维场景的离散数据处理需求，充分发掘数据稀疏表示和异常特征间的关系，建立支持离散信号的异常检测方法。另外本发明基于离散和连续数据融合的思想，设计基于稀疏表示的异常检测算法，支持同时对两种类型异构数据的异常特征检测。
-
Patent Agency Ranking
公开(公告)号：CN116522467B
公开(公告)日：2023-10-31
申请号：CN202310077074.4
申请日：2023-01-16
Applicant: 北京控制工程研究所
IPC: G06F30/15 , G06F30/27 , G06F18/23 , G06N3/0442 , G06N3/08 , G06N3/04 , G06F119/04
Abstract: 本发明涉及航空航天技术领域，特别涉及一种航天器部件寿命的预测方法和装置。其中，该方法包括：获取航天器部件的待测数据；其中，所述待测数据包括所述航天器部件的多种参数的数据；对每种参数的待测数据依次进行野值和停机数据的剔除处理，得到处理后的数据；对所述处理后的数据依次进行时域特征的提取、降维处理和归一化处理，得到所述航天器部件的目标特征；利用DBSCAN算法对所述目标特征进行聚类，以识别所述航天器部件的目标退化阶段；将目标特征输入到预先训练好的且与目标退化阶段对应的寿命预测模型中，得到航天器部件的剩余使用寿命。本发明的方案能够有效预测航天器部件的剩余使用寿命。
-
公开(公告)号：CN116203926B
公开(公告)日：2023-08-04
申请号：CN202310096097.X
申请日：2023-01-18
Applicant: 北京控制工程研究所
IPC: G05B23/02
Abstract: 本发明涉及一种基于性能‑故障关系图谱的航天器故障分级诊断方法，该方法包括：对接收到的航天器控制系统数据进行数据清洗和特征提取，得到目标数据；将所述目标数据输入到预先构建好的系统级性能‑故障关系图谱、组件级性能‑故障关系图谱和外环部件级性能‑故障关系图谱中，得到第一故障诊断结果；若所述第一故障诊断结果为有故障发生，则将所述目标数据输入到预先构建好的子系统级性能‑故障关系图谱和内环部件级性能‑故障关系图谱中，得到第二故障诊断结果；对所述第一故障诊断结果和所述第二故障诊断结果进行融合，得到最终的故障诊断结果。本发明能够有效保证航天器控制系统故障诊断的统一性。
-
公开(公告)号：CN116502516A
公开(公告)日：2023-07-28
申请号：CN202310082621.8
申请日：2023-01-15
Applicant: 北京控制工程研究所
IPC: G06F30/27 , G06F30/15 , G06F18/2321 , G06N3/0442 , G06N3/08 , G06F119/04 , G06F119/02
Abstract: 本发明涉及航空航天技术领域，特别涉及一种航天器部件退化阶段的辨识方法和装置。其中，该方法包括：获取航天器部件的待测数据；其中，所述待测数据包括所述航天器部件的多种参数的数据；对每种参数的待测数据依次进行野值和停机数据的剔除处理，得到处理后的数据；对所述处理后的数据依次进行时域特征的提取和降维处理，得到所述航天器部件的目标特征；利用DBSCAN算法对所述目标特征进行聚类，以识别所述航天器部件的退化阶段。本发明的方案能够有效辨识航天器部件的退化阶段。
-
公开(公告)号：CN116400662A
公开(公告)日：2023-07-07
申请号：CN202310085883.X
申请日：2023-01-18
Applicant: 北京控制工程研究所
IPC: G05B23/02
Abstract: 本发明涉及一种正向推理与逆向推理相结合的故障推演方法和装置，该方法包括：根据FMEA构建航天器控制系统的性能‑故障关系图谱；其中，性能‑故障关系图谱的每个实体均包含两个状态，每个实体均具有对应的实体概率属性，实体概率属性用于描述故障原因发生的概率，性能‑故障关系图谱的每个关系均具有对应的关系概率属性，关系概率属性用于描述头实体和尾实体所处状态的概率；将性能‑故障关系图谱转变为一个联结树；计算联结树中各节点的概率值，以得到每个故障征兆最有可能发生的故障原因集合；针对每个故障原因集合，采用A‑star算法确定当前故障原因集合中最终的故障原因和故障影响路径。本发明能够提高航天器控制系统故障推演结果的准确性。
-
公开(公告)号：CN115828611A
公开(公告)日：2023-03-21
申请号：CN202211616097.X
申请日：2022-12-15
Applicant: 北京控制工程研究所
IPC: G06F30/20 , G06F18/25 , G06F18/214
Abstract: 本发明涉及一种航天器机电部件的健康状态评估方法和装置，该方法包括：获取航天器机电部件的待测数据，待测数据包括机电部件的自身参数和航天器的整体参数的数据；对每种参数的待测数据依次进行离群点处理、特征提取处理和标准化处理得到每种参数的目标特征；将所有参数的目标特征输入训练好的健康状态评估模型中得到待测数据对应的健康因子，健康因子用于表征机电部件的健康状态，健康状态评估模型通过以机电部件的样本特征作为输入和以样本特征对应的样本健康因子作为输出来对预设的神经网络进行训练得到，样本特征通过对机电部件的样本数据依次进行离群点处理、特征提取处理和标准化处理得到。本发明能够有效评估航天器机电部件的健康状态。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.032 seconds)
