基于支持向量機的衛(wèi)星執(zhí)行機構故障檢測及仿真平臺研究.pdf

1、近年來,隨著衛(wèi)星技術的發(fā)展,衛(wèi)星的結構和任務需求日益復雜,對其控制精度和穩(wěn)定度的要求也越來越高。對于衛(wèi)星來說，姿態(tài)控制系統(tǒng)的故障往往是致命的，出現(xiàn)故障后很可能會在很短時間內導致衛(wèi)星翻滾，丟失姿態(tài)。而故障診斷技術為提高系統(tǒng)的可靠性和可維護性開辟了一條新的路徑。
　　本課題針對衛(wèi)星姿態(tài)控制系統(tǒng)執(zhí)行機構故障，研究故障檢測和故障隔離方法，避免系統(tǒng)受執(zhí)行機構故障影響衛(wèi)星任務的執(zhí)行，提高系統(tǒng)的可靠性和安全性。針對衛(wèi)星姿態(tài)控制系統(tǒng)，建立姿態(tài)運動

2、學和動力學模型，詳細介紹了執(zhí)行機構的工作原理，建立了故障模型；在分析系統(tǒng)故障診斷難點的基礎上，設計了基于神經網絡的故障檢測方法和基于支持向量機的故障檢測方法；并采用嵌入式系統(tǒng)設計方法，設計、研制了基于支持向量機的半物理仿真平臺。
　　針對衛(wèi)星姿態(tài)控制系統(tǒng)的特點，研究故障診斷的技術難點；給出衛(wèi)星姿態(tài)控制系統(tǒng)故障的分類方法，并詳細闡述飛輪的故障發(fā)生的機理與模型。
　　采用一種基于兩個自組織模糊神經網絡結構的動量輪故障檢測方法。首

3、先離線訓練網絡1，獲得系統(tǒng)干擾項和不確定項的估計值，并以此動態(tài)設定系統(tǒng)故障檢測閾值，網絡2實時估計系統(tǒng)故障。針對系統(tǒng)存在不確定項和干擾項未知的情況，該方法能夠在線動態(tài)調整網絡結構，檢測精度高，具有一定的優(yōu)越性。
　　采用一種基于支持向量機的動量輪故障檢測方法。該方法適用于故障樣本數(shù)據(jù)稀缺、系統(tǒng)非線性耦合強的衛(wèi)星姿態(tài)控制系統(tǒng)，無需建立準確的姿態(tài)控制系統(tǒng)模型，從而避免了傳統(tǒng)故障檢測方法的局限性。方法設計簡單、占用系統(tǒng)資源少、工程可實現(xiàn)