3D图形预测仿真及虚拟夹具的大时延遥操作技术

以空间机器人在轨服务为背景,建立了卫星在轨自维护系统的地面遥操作平台.远端由安装在卫星本体上的一个四自由度机器人和灵巧手的臂/手系统组成,当卫星出现故障时,遥操作者通过空间鼠标和力反馈数据手套分别控制远端的臂/手系统排除卫星故障,实现卫星的自我维护.对于地面-太空之间通讯的大时延,利用3D图形预测仿真技术克服时延的影响,并采用虚拟夹具法提高遥操作系统的安全性和操作性能.在大时延及变时延(约7 s)的条件下,实现了武汉遥操作哈尔滨的自维护机器人臂/手系统,成功地完成了打开太阳能帆板的典型卫星在轨维护任务,验证了该方法的有效性,为今后实际空间机器人的地面遥操作提供了经验.     

北斗导航卫星氢原子钟性能分析评估

星载原子钟是导航卫星最重要的载荷之一,负责星上时间基准的产生和维持.我国北斗三号导航试验卫星首次配置了23 kg级被动型星载氢原子钟,验证了氢原子钟的空间环境适应性和在轨性能,实现在轨运行误差小于1 ns/d.在北斗三号全球导航卫星系统中,氢原子钟已作为主钟应用至GEO,IGSO和MEO三类导航卫星,对系统的运行发挥至关重要的作用.本文从氢原子钟的机理和性能评估方法出发,比较了铷钟、铯钟和氢钟三类原子钟的性能差异,根据地面和在轨测试数据,给出氢原子钟在轨运行性能评估结果;最后利用卫星遥测数据建模,对氢原子钟健康状况和寿命进行了初步分析.     

基于观测器的闭环系统故障检测及其在飞控系统中的应用

通过在闭环系统中加观测器,并基于实际飞行控制系统中控制器经常饱和的考虑,对执行器、反馈传感器故障进行了Matlab仿真研究.通过结果分析,提出了一种获取残差的新方法:即把控制器的输出残差和观测器的输出残差结合起来检测故障.该方法对于实际系统可能发生的各种故障更为有效,可以提高系统检测故障的性能,减小漏报率.针对一个飞行控制系统的仿真结果表明:新提出的诊断方案是有效的.     

采用小波处理的空间光电编码器智能故障诊断

为了检测光电编码器在空间应用时由环境变化引起的故障,提出了一种故障诊断策略.该方法对遥测获得的监测信号进行分析,通过小波消噪和细节提取的方法获得信号的特征数据,作为故障样本.然后利用局部化递推最小二乘法(LRLS)训练神经网络作为离线故障分类器.在空间激光链路的地面研制阶段已进行了应用,实验结果表明该诊断方法切实可行,且能正确诊断未经训练的故障,有较好的泛化能力.     

一种面向在轨服务卫星地面应用系统的软件开发方法

为解决现有在轨服务卫星地面应用系统瀑布式软件开发模型灵活性差,难以适应用户需求变化等不足,通过利用敏捷开发模型的思路,设计了一种迭代式在轨服务卫星地面应用系统软件开发方法,将用户纳入到软件开发过程中,在各个研制阶段持续与用户进行需求迭代,完成业务软件的功能升级。结果表明：该方法可提升业务软件功能与用户需求的匹配程度,并为后续在轨服务卫星地面应用系统的建设提供参考。     

基于遗传优化规则库的电力变压器故障诊断

提出基于遗传算法优化模糊规则库的故障诊断方法,采用模糊故障诊断系统对电力变压器的初期故障进行检测或诊断.采用遗传算法产生优化的模糊规则库,针对缺少数据样本的情况,采用自举法对数据样本进行处理及扩充,使得不同的故障类型有相等的样本数.仿真结果表明:该故障诊断方法提高了故障诊断精度和正确率,对于电力变压器故障诊断有效、可行.     

基于神经网络的非侵入式电机故障检测方法

为了克服传统电机故障检测方法的准确率低、测量过程为侵入式、严重依赖先验知识的缺点,提出了一种基于卷积神经网络的非侵入式电机故障检测方法.通过将电机与其他设备共同工作时的总电源信号作为检测样本,实现检测过程的非侵入式,并基于残差优化卷积网络结构进行神经网络训练,最终实现电机超载、单相短路及相间短路故障的非侵入式检测与分类...     

线性离散系统间歇故障的鲁棒检测方法

针对一类存在未知扰动、过程噪声和测量噪声的离散线性随机动态系统,研究了其鲁棒间歇故障检测问题.设计了降维未知输入观测器的输出,通过引入滑动时间窗口构造了截断残差信号,使得该残差信号对未知扰动解耦而对间歇故障敏感;针对间歇故障的发生时刻和消失时刻,分别提出了2个假设检验,在给定误报率和漏报率的情况下,分别定量确定了间歇故障发生时刻和消失时刻的检测阈值以满足检测性能要求,并在概率框架下分析了间歇故障的可检测性.同时,在某卫星模型上对所提出的方法进行了仿真验证.结果表明,所提出的方法能够快速、准确地检测出间歇故障的发生时刻和消失时刻.     

样本不均衡条件下基于自调整支持向量机的故障诊断

故障数据样本和正常运行数据样本量的不均衡将导致支持向量机在构建故障分类超平面时发生偏移,降低了基于支持向量机的故障诊断的诊断准确率. 针对该问题,文中提出一种能够自动调整风险惩罚因子的新型支持向量机. 该方法能够自举式地对有效样本进行挑选,并加大高信息量数据样本的风险惩罚因子,抑制样本不均衡导致的分类超平面偏移,进而提高故障诊断的准确性. 所提方法被用于变压器故障诊断实验,实验过程中正负样本的风险损失始终相等,有效地抑制了样本不均衡现象对诊断造成的影响,验证了所提算法的有效性.      

基于支持向量聚类和重抽样的入侵检测

针对入侵检测中少数类异常数据的检测精度较低的问题,提出基于支持向量聚类的不平衡数据无监督检测算法.方法采用支持向量聚类对所有未知样本进行聚类,根据不同类别样本内在属性的差异,用改进的重抽样方法选择样本,平衡数据集的分布,对新的数据集进行学习.经过KDD99的测试表明,该方法能有效检测出少数类样本.     

三轴稳定静止卫星赋形天线指向误差分析

对于静止轨道三轴稳定卫星,天线的指向精度是用户要求的重要指标.在卫星定点后处于工作姿态时,要求天线波束覆盖用户规定的地面区域,并满足规定的电性能指标.卫星的姿态、轨道、天线性能和总装等误差对赋形天线的指向精度均具有一定的影响.本文对影响赋形天线指向精度的各类误差的形成原因、误差数据的计算方法进行了逐项分析.研究了各类误差对赋形天线指向精度的影响,其中重点分析了姿态和轨道误差的影响,给出了相应的算法公式,并基于实际工程数据进行了算例仿真,得到卫星在正常和位保两种模式下赋形天线的指向误差数据.通过对比,仿真计算结果与卫星在轨天线方向图的实测结果具有一致性,证明了该分析思路和计算方法的有效性和正确性.     

基于ARMAX模型的挖掘机液压系统故障检测

根据挖掘机的可靠性水平和智能化程度,提出了一种基于ARMAX(Auto-Regressive Moving Average Exogenous)模型的挖掘机液压系统故障检测方法.使用系统正常状态下的信号样本建立系统的ARMAX辨识模型,通过休哈特控制图分析ARMAX辨识模型的输出残差,以获取故障检测的阈值;然后,将系统故障状态下的信号样本代入ARMAX辨识模型,当模型残差超过阈值,即能判定系统发生故障.实验分析表明,基于ARMAX模型的故障检测方法够有效地检测挖掘机液压系统产生的故障.图3,参10.     

改进边界分类的Borderline-SMOTE过采样方法

针对不平衡数据中类重叠区域易造成分类错误的问题,提出一种引入合成因子改进边界分类的Borderline-SMOTE过采样方法（IBSM）.首先根据少数类样本近邻分布情况找出处于边界的少数类样本,然后计算边界样本对应的合成因子,并根据其取值更新该样本需生成的样本数,最后在近邻中根据合成因子挑选距离最近的top-Z少数类样本进行新样本生成.将提出的方法与八种采样方法在KNN和SVM两种分类器、10个KEEL不平衡数据集上进行对比实验,结果表明,提出的方法在大部分数据集上的F1,G-mean,AUC (Area under Curve)均获得最优值,且F1与AUC的Friedman排名最优,证明所提方法和其余采样方法相比,在处理不平衡数据中的边界样本分类问题时有更好的表现,通过合成因子设定一定的约束条件与分配策略,可以为同类研究提供思路.     

基于伪距误差重建的多星故障检测方法

传统的接收机自主完好性监测(RAIM)方法使用定位解算方程的残差来进行故障识别,在单卫星故障下具有较好的性能。随着全球卫星导航系统的建设,用户观测到的卫星数目显著增加,使用多颗卫星定位可以提高定位精度。但多颗卫星同时发生故障的概率将会增大,RAIM方法需要进行改进以应对多星故障。该文首先对RAIM方法的原理进行了深入分析,推导出了误差向量和残差向量之间的投影关系。然后,通过实例论证了误差向量和残差向量在投影变换时会带来信息损失,从而使故障难以检测。最终,给出了一种新的RAIM方法。通过引入约束条件,利用残差向量重构出误差向量。根据误差向量大小,实现多星故障检测。仿真表明该方法在多星故障模式下,具有较好的检测性能。     

基于卡尔曼滤波的GPS导航系统故障检测

提出了一种将卡尔曼滤波器与神经网络相结合的导航系统故障检测结构.针对GPS系统的非线性特点,利用扩展卡尔曼滤波推算状态的预测值,并与实际观测值进行比较得到残差,同时采用Elman网络构成时延神经网络,利用残差的当前值及前多个历元的历史值进行故障检测.最后,计算机仿真验证表明,与χ2卡方检测方法比较,该结构不但可以快速检测出系统故障,提高故障检测的概率,而且能进行有效的故障隔离,具有很好的容错性能.     

基于高斯受限玻尔兹曼机的非线性过程故障检测

针对非线性工业过程,提出了一种基于高斯受限玻尔兹曼机(GRBM)模型的故障检测方法.该方法从海量过程数据中提取出GRBM隐层特征信息,通过隐层特征再构建出重构数据,并依据重构误差在残差空间中构建检测统计量,形成了非线性过程故障检测算法.仿真结果表明,基于GRBM的故障检测方法不仅比传统的核主元分析(KPCA)方法具有更好的故障检出率,并且针对大数据量问题具有更强的处理能力.     

一种基于LMI的H-/H∞故障检测观测器优化设计方法

针对线性时不变动态系统,构造一个线性全阶输出观测器,获得包括扰动、噪声、建模误差等未知输入信号和故障信号的残差动态特性,选用残差对故障信号的H-指数描述其对故障的灵敏度,用残差对未知信号的H∞范数表示其对不确定因素的鲁棒性,将故障检测观测器的设计描述为一个优化问题.研究了基于线性矩阵不等式的故障检测观测嚣设计,给出了求解最优观测器增益的方法,并证明了该解存在的条件.实践结果表明,应用该方法所设计的故障检测观测器灵敏度高,对干扰信号具有强鲁棒性.     

一种基于鲁棒残差生成器的故障估计方法

针对具有加性执行器或元部件故障的线性系统,在独立故障的个数大于独立测量个数的情况下,提出了一种基于鲁棒残差生成器的故障估计方法.该故障估计方法是基于鲁棒残差生成器实现的,不需要额外设计动态的故障估计器.故障估计的实现需要:设计编码集;基于编码集设计鲁棒残差生成器;利用编码集和鲁棒残差生成器的输出实现故障分离和故障的渐近估计.给出了本方法的适用的充分条件,并证明了故障估计误差的渐近收敛性.最后,针对具有加性执行器故障的线性系统,基于几何方法设计鲁棒残差生成器,并进行了故障检测、故障分离和故障估计的仿真.仿真结果验证了本故障估计方法的有效性.     

反作用轮在星载二维转台中的应用研究

星载二维转台是安装在卫星表面上并承载光学探测设备的二维转动机构,当它快速跟踪目标时,必然对卫星本体作用力矩,这将对卫星的姿态产生干扰。通过把反作用轮安装到转台上,可以减小甚至消除二维转台对卫星扰动力矩。从控制学角度出发,对反作用轮控制的原理、模型、实现方法及实验数据进行了分析和研究,并给出了结论。     

多采样率主元分析的过程故障检测

针对多采样率过程监测问题,提出了一种基于多采样率主元分析的故障检测方法.该方法构建了一种重新采样机制,直接利用多采样率数据计算模型中的协方差矩阵,充分利用了样本中的大量不完整数据信息,减小了多采样率数据带来的偏差,给出了离线建模和在线故障检测算法.分别在数值平台和Tennessee Eastman(TE)工业平台进行了仿真分析.仿真结果表明,所提出的方法更适合多采样率过程的故障检测,效果良好.