【技术实现步骤摘要】
一种基于循环神经网络的航天器控制系统故障预测方法
[0001]本专利技术属航空航天领域,涉及一种基于循环神经网络的航天器控制系统故障预测方法。
技术介绍
[0002]目前,我国航天事业正以突飞猛进的速度向前发展,随着越来越多的航天器投入使用,如何保证这些航天器安全可靠运行成了至关重要的问题。航天器运行在未知的太空环境中,环境变化、性能耗损等原因都有可能使航天器出现故障,为在轨管理工作增加难度。当航天器发生故障时,需要耗费大量的人力、物力去诊断和处理故障,如果能在故障发生之前通过对航天器各方面性能、数据的观察推断出可能发生的故障并提前预警,采取预防措施就可以把故障发生概率降为最低,保证航天器运行的可靠性,因此故障预测在航天领域具有重要的现实意义。
[0003]航天器控制系统故障预测主要存在以下几个特点:
[0004](1)航天器控制系统是典型的闭环系统,反馈环的存在导致某个故障发生后会有多处测点出现异常,故障影响较为复杂;
[0005](2)航天器控制系统组成部件繁多,冗余关系复杂,故障原因与测点之间、测点与测点之间都具有强耦合性和强非线性。
[0006]针对上述特点,考虑到人工智能技术具备的强大数据融合、知识学习、模型辨识能力等优点,本专利技术基于循环神经网络,利用航天器控制系统的历史故障数据,通过深入挖掘潜在规律,实现航天器控制系统的故障预测。
技术实现思路
[0007]本专利技术解决的技术问题是:克服现有技术的不足,提供一种基于循环神经网络的航天器控制系统故障预测方
【技术保护点】
【技术特征摘要】
1.一种基于循环神经网络的航天器控制系统故障预测方法,其特征在于,包括:获得航天器控制系统正常情况下的输入数据与输出数据,并作为训练数据;根据得到的训练数据,构建航天器控制系统标称模型;计算故障残差;根据得到的故障残差,构建不同故障模式残差外推模型;利用得到的系统标称模型和故障模式残差外推模型,进行智能故障预测。2.根据权利要求1所述的一种基于循环神经网络的航天器控制系统故障预测方法,其特征在于,所述获得航天器控制系统正常情况下的输入数据与输出数据,包括:获得航天器控制系统正常情况下的输入数据U(t:t+N)与输出数据Y(t:t+N);其中输入数据为U(t:t+N)=[T1(t:t+N) T2(t:t+N) T3(t:t+N)],输出数据为Y(t:t+N)=[y1(t:t+N) y2(t:t+N)
…
y
n
(t:t+N)];T1(t:t+N),T2(t:t+N)和T3(t:t+N)表示从t时刻到t+N得到的长度为N+1的三轴控制器输出,y
i
(t:t+N)表示从t时刻到t+N得到的长度为N+1的敏感器输出,i=1,2,
…
,n,n为敏感器个数,N为正整数。3.根据权利要求1所述的一种基于循环神经网络的航天器控制系统故障预测方法,其特征在于,所述根据得到的训练数据,构建航天器控制系统标称模型,包括:利用得到的训练数据,取0.8倍样本量对循环神经网络进行训练,得到航天器控制系统标称模型,用剩余的样本对建立的循环神经网络进行完善与验证;需要建立的循环神经网络包括输入层、隐藏层和输出层,各层由不同个数的神经元构成;循环神经网络的训练分为前向传播与反向传播两个过程;在前向传播过程中,当前层按照网络连接及权值对输入数据进行计算并输出到下一层,t时刻隐藏层状态为:t时刻隐藏层输出为:其中,I为输入层节点数,H为隐藏层节点数,为t时刻输入节点i的值,对于第一层输入节点来说,即为步骤一中得到的U(t:t+N),W
ih
为输入层到隐藏层的权值,W
h'h
为上一时刻隐藏层与当前隐藏层之间的权值,θ
h
为隐藏层的激励函数,采用Sigmoid函数;循环神经网络在输出层t时刻的输入函数为:式中,W
hk
为隐藏层到输出层的权值;输出层t时刻的输出函数为:其中,θ
k
为输出层的激励函数,采用Sigmoid函数;对于上述权值W
ih
,W
h'h
和W
hk
,需要对循环神经网络进行训练,利用梯度下降法不断的迭
代更新得到最优值。4.根据权利要求3所述的一种基于循环神经网络的航天器控制系统故障预测方法,其特征在于,利用梯度下降法不断的迭代更新得到最优值,包括:t时刻输出层误差函数定义如下:其中,为对应的y
i
(t),即为y
i
(t:t+N);t时刻隐藏层误差函数定义如下:t时刻隐藏层状态的梯度函数定义如下:其中,L为误差函数,表示t时刻隐藏层中第j层的状态;对各个梯度权重求偏导函数定义如下:至此,由梯度下降法求出权重的更新函数定义如下:其中,角标h,k分别表示隐藏层与输出层,i,j表示层间相连的两个节点的序号。5.根据权利要求1所述的一种基于循环神经网络的航天器控制系统故障预测方法,其特征在于,所述计算故障残差,包括:对于考虑的各种故障模式f
i
,采用故障注入的方法,得到航天器控制系统的输入U
f,i
(t:t+N)=[T
1,f,i
(t:t+N) T
2,f,i
(t:t+N) T
n,f,i
(t:t+N)]与输出Y
f,i
(t:t+N)=[y
1,f,i
...
【专利技术属性】
技术研发人员:刘文静,袁利,魏春岭,王淑一,刘成瑞,
申请(专利权)人:北京控制工程研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。