基于无监督聚类与LSTM网络的航天器健康状态预测方法

健康状态预测是从系统层面保证航天器在轨安全稳定运行的关键技术.针对机电类关键部件存在性能退化过程的特点,提出一种基于无监督聚类与长短时记忆(LSTM)网络的航天器健康状态预测方法.该方法首先提取航天器单部件多维参数的高维时域特征,通过PCA方法将高维特征融合为反映部件运行状态的健康因子,再结合无监督聚类算法识别出故障的不同演化阶段,最后采用LSTM网络分别对各退化阶段构建其健康状态演化预测模型,实现对航天器部件健康状态预测.本文以控制系统关键部件控制力矩陀螺(CMG)为例对上述算法进行试验验证,验证了方法的有效性.

基于小波网络的遥测视速度异常数据剔除方法

为了提高遥测视速度数据的质量,保证制导工具系统误差分离精度,提出了一种小波网络预测与3σ准则相结合的遥测视速度异常数据检测和剔除方法。将遥测视速度数据加时间窗获得小波网络的训练样本,根据3σ准则对网络输出进行检测判别异常数据,对异常数据用小波网络的一步预测输出代替。试验数据处理结果证明了利用小波网络进行遥测异常数据剔除的可行性。由于小波网络的拟合作用,可以提高输出的信噪比。

基于Adaptive Sigma-Point滤波的智能导弹对目标协同定位方法研究

在对智能导弹协同作战过程详细描述的基础上,提出了一种利用多枚智能导弹协同对目标定位的方法。考虑目标运动模型为静止模型和运动模型两种情况,将Sigma-Point滤波方法与过程噪声的自适应估计方法相结合,融合目标运动状态和目标到达角信息,克服了常规Sigma-Point滤波性能依赖于目标运动模型的先验统计信息的缺点。通过比较目标可能存在区域面积的大小,确定了参与协同定位的智能导弹数目和编队构型。仿真研究表明,多枚智能导弹协同对目标定位可以显著提高定位精度和速度。

运载火箭遥测参数实时自动判读研究

通过对运载火箭现行遥测参数判读方法的分析，指出了现行判读方法存在数据处理判读时间长和人为影响判读结果的不足，提出了一种遥测参数实时自动判读方法。该方法可取代人工判读过程，提高遥测参数判读的速度和准确性，缩短运载火箭发射场测试周期，提高运载火箭综合发射能力。