基于支持向量机的动量轮故障检测装置及方法制造方法及图纸

本发明专利技术涉及一种基于支持向量机的动量轮故障检测装置及方法，属于可靠性技术中卫星姿控系统执行器故障诊断的领域。该装置包括SVM训练模块、故障注入模块、数据采集模块、故障检测模块、地面监控模块、控制回路模块；经过SVM训练模块得到支持向量机，故障注入模块注入特性类型故障，数据采集模块采集控制回路模块中与故障信息相关的数据流传递给故障检测模块，地面监控模块及时给出报警处理并存储相关异常数据。该装置能够用于动量轮故障检测、报警及状态监测的可行性验证，提高了故障检测精度，降低了故障检测的工作量，具有良好的工程可实现性。

【技术实现步骤摘要】

本专利技术涉及一种，属于可靠性技术中卫星姿控系统执行器故障诊断的领域。
技术介绍
统计学习理论(Statistical Learning Theory或SLT)是一种专门研究实际应用中有限样本情况下机器学习规律的理论。V. Vapnik等人从六、七十年代开始致力于此方面的研究。由此发展了支持向量机(Support Vector Machine，SVM)这一新的通用学习方法，它基于结构风险最小化(SRM)原理，在使训练样本分类误差极小化的前提下，尽量提高分类器的泛化推广能力。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已经在模式识别、函数逼近和概率密度估计等方面取得了良好的应用效果。传统的统计模式识别方法的研究前提是数目要足够多，所以所提出的各种方法只有在样本数趋向于无穷大时其性能才有理论上的保证。但是，在实际情况下，动量轮故障数据样本是非常稀缺的，对于这样的小样本问题，利用传统的机器学习方式就会遇到过学习与欠学习、局部极小点等问题。
技术实现思路
本专利技术提出了一种，能够用于动量轮故障检测、报警及状态监测的可行性验证，提高了故障检测精度，降低了故障检测的工作量， 具本文档来自技高网...

【技术保护点】
１．一种基于支持向量机的动量轮故障检测装置，其特征在于包括ＳＶＭ训练模块、故障注入模块、数据采集模块、故障检测模块、地面监控模块、控制回路模块；经过ＳＶＭ训练模块得到支持向量机，故障注入模块注入特性类型故障，数据采集模块采集控制回路模块中与故障信息相关的数据流传递给故障检测模块，地面监控模块及时给出报警处理并存储相关异常数据；所述控制回路模块由精密轴系气浮台、测角装置、台上控制机、动量轮构成闭环控制回路；所述地面监控模块包括地面监控机、数据存储器和报警处理器。

【技术特征摘要】

【专利技术属性】
技术研发人员：姜斌，程月华，杨明凯，傅艳萍，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：84