基于差分运算的望远镜驱动系统非预期故障重构方法

极端环境下的望远镜驱动系统永磁同步电机传感器容易面临非预期故障,导致系统观测性能下降,甚至可能造成望远镜停机。在这种情况下,提出一种用于望远镜驱动系统电流传感器的故障重构方法,主要包含故障检测、隔离和重构等几个方面。其中,故障检测由三阶级联差分运算完成,对不同的故障类型、即使微小故障也能有很好的鲁棒性;决策逻辑电路根据故障检测提供的故障信号flag执行隔离操作;Switches开关根据隔离动作选择合适的电流,以达到故障重构目的。仿真试验表明,该方法从故障状态切换到健康状态是平稳的,且不影响系统的动态性能,确保驱动系统的可靠性和稳定性。

基于SVM的南极望远镜驱动非预期故障诊断方法

针对南极望远镜驱动系统的非预期故障检测存在先验信息不足、故障特征难确定和故障样本少等问题,提出一种基于支持向量机(support vector machine,SVM)的非预期故障检测方法。以南极望远镜驱动系统为实验平台故障植入,采集的数据中心化和标准化预处理。基于KNN(K-nearest neighbor)、K-means、BP(back propagation)神经网络和SVM算法建立4种非预期故障检测分类器,将各个算法参数调优,再根据数据特征预测分类。实验结果表明:在相同的实验条件下,基于SVM算法的非预期故障检测分类器性能优于其他3种分类器性能。将该类方法应用于半实物仿真平台,验证该算法可行、有效。

数据驱动的复杂系统非预期故障诊断通用过程模型

提高对复杂系统非预期故障诊断能力是故障诊断领域的难点。结合非预期故障诊断内涵及基本原理,构建了一种用于复杂系统非预期故障诊断的通用过程模型。该模型采用四层递进结构,包括四个主要模型,即预期(已知)故障检测模型、预期(已知)故障识别模型、非预期(未知)故障检测模型和非预期(未知)故障识别模型。分析了各模型所包含的关键问题及其相应的实现算法,包括检测统计量的构建及评估、故障特征方向提取、故障识别器设计及故障贡献率计算。该通用过程模型规范了复杂系统非预期故障的诊断流程,明确了数据驱动的实现原理。以卫星姿态控制系统为例,验证了非预期故障诊断通用过程模型的有效性。

基于SVDD优化的南极望远镜驱动非预期故障研究

支持向量数据描述SVDD(Support Vector Data Description,SVDD)算法,在小样本故障检测中表现出良好的学习能力。然而,现有的SVDD故障检测方法由于对实验数据和参数过于依赖,从而限制了故障检测的精度。针对上述问题,提出了一种基于SVDD的智能寻优非预期故障检测算法。实验数据采取核主成分分析法(Kernel Principal Component Analysis,KPCA)降维去噪处理;并对SVDD算法与粒子群优化(Particle Swarm Optimization,PSO)算法结合,对算法参数优化。待检测样本点的球心距与超球体半径之差为衡量标准,实现非预期故障的检测。数据采集于南极望远镜的驱动系统,实验结果表明,优化后的SVDD算法检测精度提高。基于半实物仿真平台验证该算法,在非预期故障检测中具有很高的应用价值。