【技术实现步骤摘要】
一种基于长短时神经网络的导弹故障识别方法
[0001]本专利技术涉及一种基于长短时神经网络的导弹故障识别方法，属于飞行器故障在线诊断领域
。
技术介绍
[0002]随着飞行任务复杂度的提高，导弹控制系统的复杂程度日益增加，飞控系统的可靠性和稳定性变得尤其重要，执行机构的故障是造成导弹失控的重要原因之一，故障产生的基本原因有部件结构损坏
、
功能丧失等
。
为了减少这种事故发生或者降低因此引起的损失，确保导弹系统运行过程中对出现故障的容错能力，是现代导弹设计的有一个重要考虑因素
。
在导弹飞行过程中，如果执行机构中一个或者多个执行器出现故障，使得导弹出现了设计之外的异常状况，飞控接收到的信息与当前实际状态信息差异很大，使得控制律输出的指令和各舵面的偏转值产生偏差，严重影响飞行的安全性
。
为了确保导弹能够稳定飞行，并完成预定的飞行任务要求，需要对出现异常状况
(
即故障
)
的导弹进行重构设计
。
导弹在出现...
【技术保护点】
【技术特征摘要】
1.
一种基于长短时神经网络的导弹故障识别方法，其特征在于包括：建立导弹动力学模型；建立各导弹故障模式类型对应的故障模型；根据导弹故障模式类型分别将对应的各故障模型装载于导弹动力学模型中，采集导弹动力学模型输出的状态量数据
、
控制量数据，并提取特征序列化数据作为样本数据集；对样本数据集进行预处理，并根据导弹故障模式类型，提取故障特征数据，利用故障特征数据将样本数据集划分训练集数据和测试集数据；构建训练用神经网络，利用训练集数据训练训练用神经网络，利用测试集数据对训练后神经网络进行验证，利用通过验证的训练后神经网络对导弹故障数据进行识别
。2.
根据权利要求1所述的一种基于长短时神经网络的导弹故障识别方法，其特征在于：所述导弹动力学模型具体为：所述导弹动力学模型具体为：所述导弹动力学模型具体为：所述导弹动力学模型具体为：所述导弹动力学模型具体为：所述导弹动力学模型具体为：所述导弹动力学模型具体为：
[
δ
x
,
δ
y
,
δ
z
]
＝
g(
δ
xc
,
δ
yc
,
δ
zc
)
式中，
α
,
β
,
γ
表示弹体攻角，侧滑角，滚转角，
ω
x
,
ω
y
,
ω
z
表示导弹绕弹体
X
，
Y
，
Z
轴的转动角速度，
J
x
,J
y
,J
z
表示导弹绕弹坐标轴转动惯量，
δ
x
,
δ
y
,
δ
z
表示副翼通道舵偏角，俯仰通道舵偏角，偏航通道舵偏角；
q
表示动压头，
V
表示导弹速度，
S
表示导弹参考面积，
L
表示导弹特征长度，
P
表示发动机推力，
m
表示导弹质量；表示攻角升力系数，侧滑角侧力系数，表示俯仰舵升力系数，偏航舵侧力系数
,m
x
,m
y
,m
z
表示
X
，
Y
，
Z
轴方向的操纵力矩系数，
f()
表示气动包函数，由实际舵面偏转角度和相关状态量作为输入，输出相关气动参数，
others
表示气动包所需要的其他状态量，
g()
表示舵面故障模式函数，
δ
xc
,
δ
yc
,
δ
zc
表示三个通道的舵面指令，不同的故障下
g()
不同，导致实际的舵面输出由故障模式和舵面指令共同决定
。3.
根据权利要求1所述的一种基于长短时神经网络的导弹故障识别方法，其特征在于：导弹故障模式包括：卡死故障
、
控制效能损失故障
、
漂浮故障，导弹故障模式均为导弹舵机故障，通过建立故障模型进行描述，包括卡死故障模型
、
控制效能损失故障模型
、
漂浮
故障模型
。4.
根据权利要求3所述的一种基于长短时神经网络的导弹故障识别方法，其特征在于：卡死故障，当导弹舵机舵面固定于任意位置且无法正常响应偏转指令时，舵机不受舵面偏转指令影响且仅能提供固定力矩；卡死故障模型具体为：
δ
k
＝常数
,k∈[1,4]
式中，
δ
k
为实际输出的舵面偏角，当为常数时，表示第
k
片舵面发生卡死故障，舵机共4片舵面
。5.
根据权利要求3所述的一种基于长短时神经网络的导弹故障识别方法，其特征在于：控制效能损失故障，当舵面接收偏角指令后，舵面恒增益系数变化，实际输出力矩与偏角指令对应的输出力矩不同；控制效能损失故障模型具体为：
δ
kc
＝
λδ
...
【专利技术属性】
技术研发人员：张万超，陈光山，何宁宇，程笠，倪昊，
申请(专利权)人：上海航天控制技术研究所，
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。