-
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:CN116089611B
公开(公告)日:2023-07-18
申请号:CN202310070255.4
申请日:2023-01-13
Applicant: 北京控制工程研究所
IPC: G06F16/35 , G06F16/36 , G06F40/295 , G06F40/30 , G06N5/04
Abstract: 本发明提供了一种基于性能‑故障关系图谱的航天器故障诊断方法及装置,方法为:将性能‑故障关系图谱作为DDPG的环境,将性能‑故障关系图谱中的实体作为状态,将性能‑故障关系图谱中的关系作为DDPG选择的动作,以根据待诊断航天器的当前状态确定性能‑故障关系图谱中相同状态的实体;根据预先针对性能‑故障关系图谱中各实体设置的状态类别,确定当前实体的状态类别是否为终止状态,若否,则根据当前实体的状态类别以及当前实体的实体向量确定所选择的最优动作,根据最优动作得到下一状态的实体,将下一状态的实体作为当前实体循环执行本步骤;若是,则终止循环,并将当前实体确定为故障原因。本方案,能够提高故障诊断的效率和精准度。
-
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:CN116089611A
公开(公告)日:2023-05-09
申请号:CN202310070255.4
申请日:2023-01-13
Applicant: 北京控制工程研究所
IPC: G06F16/35 , G06F16/36 , G06F40/295 , G06F40/30 , G06N5/04
Abstract: 本发明提供了一种基于性能‑故障关系图谱的航天器故障诊断方法及装置,方法为:将性能‑故障关系图谱作为DDPG的环境,将性能‑故障关系图谱中的实体作为状态,将性能‑故障关系图谱中的关系作为DDPG选择的动作,以根据待诊断航天器的当前状态确定性能‑故障关系图谱中相同状态的实体;根据预先针对性能‑故障关系图谱中各实体设置的状态类别,确定当前实体的状态类别是否为终止状态,若否,则根据当前实体的状态类别以及当前实体的实体向量确定所选择的最优动作,根据最优动作得到下一状态的实体,将下一状态的实体作为当前实体循环执行本步骤;若是,则终止循环,并将当前实体确定为故障原因。本方案,能够提高故障诊断的效率和精准度。
-
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。
-
-
-
-