一种用于变工况卫星姿态控制系统的故障诊断方法技术方案

本发明专利技术实施例公开了一种用于变工况卫星姿态控制系统的故障诊断方法，涉及卫星故障诊断领域，能够提高故障诊断系统的鲁棒性和准确性。本发明专利技术包括：采集工况变化前(源域)后(目标域)的卫星姿态控制系统的多维信号，将采集的信号预处理为创建多维离线训练数据库，通过上述多维数据构建域分布式对抗适应深度神经网络模型，在全局域对抗的基础上增加每类样本的对抗训练，并进行动态权重调节，在所属数据库上得到变工况故障诊断模型。根据本发明专利技术专利提供的技术方案，可以实现无监督的变工况自适应故障诊断。故障诊断。故障诊断。

【技术实现步骤摘要】
一种用于变工况卫星姿态控制系统的故障诊断方法


[0001]本专利技术涉及卫星故障诊断领域，尤其涉及一种用于变工况卫星姿态控制系统的故障诊断方法。

技术介绍

[0002]卫星姿态控制系统是卫星中用于控制卫星运动的关键部件，保证了卫星稳定的姿态控制。作为一种大规模复杂系统，其主体系统与环境具有很强的关联性。传统的卫星故障诊断方法往往对于单个模型在工况不改变的条件下有效，一旦环境或任务变化导致工况改变，往往会导致原有的诊断方法失效。因此研究卫星姿态控制系统的变工况故障诊断方法对于提高系统的可靠性和有效性，保障卫星安全运行具有重大意义。
[0003]现有的基于数据驱动的卫星域自适应对抗变工况故障诊断方法，只考虑了边缘分布上的对抗训练，而没有考虑不同故障间的条件分布，缺乏对于不同条件分布下的样本的权重分配，最终导致故障诊断的效果受限，难以进一步提升。因此，还需进一步改进变工况条件下卫星姿态控制系统的故障诊断手段。

技术实现思路

[0004]本专利技术的实施例提供一种用于变工况卫星姿态控制系统的故障诊断方法，能够提高故障诊断系统的鲁本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于变工况卫星姿态控制系统的故障诊断方法，其特征在于，包括：从卫星姿态控制系统采集工况数据，其中，所采集的工况数据包括：工况变化前的源域信号和工况变化后的目标域信号；利用所采集的工况数据生成样本段，其中，各个样本段中信号的长度相同，且样本段中还记录有故障类别标签和所属工况信息；构建域分布式对抗适应深度神经网络模型，并利用所生成的样本段在全局域对抗的基础上进行每类样本的对抗训练，得到变工况故障诊断模型；所述卫星姿态控制系统进行变工况操作后，获取最新的工况数据，将最新的工况数据导入变工况故障诊断模型，并输出目标域故障诊断预测结果。2.根据权利要求1所述的方法，其特征在于，所采集的工况数据中的信号种类包括：执行机构信号与敏感器信号。3.根据权利要求1所述的方法，其特征在于，所述利用所采集的工况数据生成样本段，包括：将信号中的各项特征指标进行时序对齐并进行缺值填充，得到m维的原始数据，其中，m为正整数，所采集的工况数据的标签对应按照每种工况下的不同故障类别；对所得到的原始数据沿时间序列进行长度为c的滑窗切割，得到数据型为m
·
c的样本段，其中，c表示样本段的长度。4.根据权利要求3所述的方法，其特征在于，还包括：获取样本段后创建训练数据库，其中，在所述训练数据库中，工况变化前、后的样本段数量相同、故障类相同，并且每个故障类对应的样本段数量也相同；在所述训练数据库中，源域样本集为其中表示源域，x
i
为第i个样本，y
i
表示样本x
i
对应的故障类标签，为该样本的标签，L表示待分类数据共有L类；目标域样本集为其中表示目标域，N＝n+n
′
表示样本总数,n表示源域样本数，n
’
表示目标域样本数。5.根据权利要求3所述的方法，其特征在于，所述构建域分布式对抗适应深度神经网络模型，包括：基于深度神经网络建立模型，并在模型中设置特征提取器、标签分类器、全局域分类器和分布式域分类器，所建立的模型中包含一个梯度反转层；其中，特征提取器G
h
，用于将源域数据样本x进行特征提取，提取的隐含层特征标签分类器G
y
，用于将隐含层特征进行故障标签分类，得到不同故障的标签其中并作为域分类器中样本的伪标签参与训练；全局域分类器用于将中间特征进行领域分类，得到预测出的不同领域的标签
分布式域分类器用于将中间特征按标签类进行领域分类，得到预测出的不同领域标签其中，c＝{1,...,L}表示所属的类标签。6.根据权利要求5所述的方法，其特征在于，由特征提取器G
h
和...

【专利技术属性】
技术研发人员：冒泽慧，顾彧行，马亚杰，姜斌，李文博，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：