一種基于主元分析算法的衛(wèi)星陀螺部件故障診斷方法
【專利摘要】一種基于主元分析算法的衛(wèi)星陀螺部件故障診斷方法，本發(fā)明涉及一種衛(wèi)星陀螺部件的故障診斷方法，具體涉及一種基于巴特沃斯低通濾波器和主元分析算法的故障診斷方法。本發(fā)明是要解決現(xiàn)有主元分析算法進行故障診斷的不足，如出現(xiàn)誤報現(xiàn)象的問題。步驟一：基于巴特沃斯低通濾波器對衛(wèi)星陀螺部件的輸出角速度數(shù)據(jù)Xp進行濾波預(yù)處理；步驟二：利用預(yù)處理后的衛(wèi)星陀螺部件的輸出角速度數(shù)據(jù)X，構(gòu)建PCA數(shù)學(xué)模型；步驟三：利用步驟二中得到的PCA數(shù)學(xué)模型參數(shù)，采用平方預(yù)測誤差SPE統(tǒng)計量對殘差子空間中的過程數(shù)據(jù)進行檢測；步驟四：檢測到故障后根據(jù)過程變量貢獻圖診斷出故障位置。本發(fā)明應(yīng)用于過程數(shù)據(jù)可觀測的衛(wèi)星陀螺部件運行過程故障診斷應(yīng)用領(lǐng)域。
【專利說明】一種基于主元分析算法的衛(wèi)星陀螺部件故障診斷方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種衛(wèi)星陀螺部件的故障診斷方法，具體涉及一種基于巴特沃斯低通濾波器和主元分析算法的故障診斷方法。
【背景技術(shù)】
[0002]陀螺儀最早是用于航海導(dǎo)航，但隨著科學(xué)技術(shù)的發(fā)展，它在航空航天事業(yè)中也得到廣泛的應(yīng)用。陀螺儀不僅可以作為指示儀表，還可以作為自動控制系統(tǒng)中的一個敏感元件，即可作為信號傳感器。根據(jù)需要，陀螺儀能夠提供準確的方位、水平、位置、速度和加速度等信號，以便駕駛員或用自動導(dǎo)航儀來控制飛機、艦炮或航天飛機等航行體按一定的航線飛行，而在導(dǎo)彈、衛(wèi)星運載器或空間探測火箭等航行體的制導(dǎo)中，則直接利用這些信號完成航天體的姿態(tài)控制和軌道控制。此外陀螺儀在短期使用時積分誤差小，具有較高的精度，且噪聲也小，因此在航天器等的姿態(tài)測量中得到廣泛的應(yīng)用，是航天器上最為關(guān)鍵的分系統(tǒng)之一，陀螺儀一旦發(fā)生故障，將對航天任務(wù)的完成產(chǎn)生致命性的影響。
[0003]伴隨著航天器空間應(yīng)用的迅速發(fā)展，尤其是載人航天器、大型通信衛(wèi)星、深空探測器等對高可靠性、長壽命日益增長的需求，對星載陀螺儀的性能和可靠性的要求也日益提高。研究衛(wèi)星陀螺部件故障診斷技術(shù)，是發(fā)展系統(tǒng)重構(gòu)和自主管理技術(shù)的基礎(chǔ)，對保證我國空間任務(wù)順利完成具有重要意義；同時，該技術(shù)作為地面試驗故障診斷的手段，還可以保證地面試驗的安全性，具有重要的現(xiàn)實意義和工程價值。
[0004]故障診斷技術(shù)已有30多年的發(fā)展歷史，但作為一門綜合性新學(xué)科一故障診斷學(xué)——還是這些年發(fā)展起來的。從不同的角度出發(fā)有多種故障診斷分類方法，如基于機理研究的診斷理論和方法、基于信號處理及特征提取的故障診斷方法、模糊診斷理論和方法等，分類方法眾多，但可歸納為兩類:1)基于非模型的故障診斷理論和方法，如信號空間特征、模態(tài)和信息處理方法的診斷理論與方法；2)基于系統(tǒng)數(shù)學(xué)模型和現(xiàn)代控制理論、方法的故診斷理論與方法。近年來隨著相關(guān)領(lǐng)域的發(fā)展以及理論研究的深入，各種新的診斷方法層出不窮，以全新的角度對現(xiàn)有的故障診斷方法進行了重新分類，整體上可將其分為定量和定性分析兩大類。其中，定量分析方法可細分為基于數(shù)據(jù)驅(qū)動和解析模型的方法，基于數(shù)據(jù)驅(qū)動的方法又進一步包括多元統(tǒng)計分析類方法、信息融合類方法等。
[0005]鑒于陀螺儀在航天任務(wù)中所承擔的至關(guān)重要的作用，對陀螺儀的故障診斷顯得尤為重要，本發(fā)明正是針對傳統(tǒng)主元分析算法會出現(xiàn)故障誤報的缺點，在原有主元分析算法的基礎(chǔ)上，基于巴特沃斯低通濾波器對初始數(shù)據(jù)信息進行數(shù)據(jù)預(yù)處理，以解決傳統(tǒng)主元分析算法的不足。
[0006]主元分析的基本思想就是在盡量保持初始數(shù)據(jù)信息的原則下，對由相互之間存在相關(guān)性的一系列過程變量所組成的數(shù)據(jù)集合進行降維處理，進而獲得相互之間互不相關(guān)的特征信號的過程，即用較少的主元信號表征過程數(shù)據(jù)矩陣的動態(tài)變化，換言之，主元
分析將原始數(shù)據(jù)空間劃分為兩個子空間-主元特征信號子空間(Principal Component
Subspace, PCS)和殘差子空間(Residual Subspace, RS),主元特征信號子空間包含了過程主要的、大部分的過程特征信息，而殘差子空間刻畫了過程中次要的、極小部分的過程動態(tài)信息。主元分析就是利用原始數(shù)據(jù)在這兩個子空間的投影來表示數(shù)據(jù)發(fā)生的變化。
[0007]現(xiàn)有主元分析算法進行故障診斷存在不足，如出現(xiàn)誤報現(xiàn)象。

【發(fā)明內(nèi)容】

[0008]本發(fā)明是要解決現(xiàn)有主元分析算法進行故障診斷的不足，如出現(xiàn)誤報現(xiàn)象的問題，而提供了一種基于巴特沃斯低通濾波器與主元分析(PCA)的故障檢測和診斷方法。
[0009]基于主元分析算法的衛(wèi)星陀螺部件故障診斷方法按以下步驟實現(xiàn):
[0010]步驟一:基于巴特沃斯低通濾波器對衛(wèi)星陀螺部件的輸出角速度數(shù)據(jù)\進行濾波預(yù)處理；
[0011]步驟二:利用預(yù)處理后的衛(wèi)星陀螺部件的輸出角速度數(shù)據(jù)X，構(gòu)建PCA數(shù)學(xué)模型；
[0012]步驟三:利用步驟二中得到的PCA數(shù)學(xué)模型參數(shù)，采用平方預(yù)測誤差SPE統(tǒng)計量對殘差子空間中過程數(shù)據(jù)進行檢測；
[0013]步驟四:檢測到故障后根據(jù)過程變量貢獻圖診斷出故障位置。
[0014]發(fā)明效果:
[0015]對陀螺輸出角速度數(shù)據(jù)進行濾波，去除測量噪聲的影響，避免故障誤報現(xiàn)象的發(fā)生。適用于多個過程變量且相互耦合的過程建模。
[0016]I)本發(fā)明提出的基于巴特沃斯低通濾波器的主元分析方法可有效克服傳統(tǒng)主元分析算法中的數(shù)據(jù)誤報現(xiàn)象，提高故障檢測的精度，在階躍和斜坡故障中，精度分別提高了23.7% 和 10%ο
[0017]2)本發(fā)明采用平方預(yù)測誤差(SPE)統(tǒng)計量并結(jié)合過程變量貢獻圖，簡化了檢測過程，并能較好地完成故障診斷。
【專利附圖】

【附圖說明】
[0018]圖1為本發(fā)明的流程圖；
[0019]圖2為本發(fā)明實施例中的正常過程監(jiān)測SPE統(tǒng)計量圖；
[0020]圖3為本發(fā)明實施例中的陀螺儀X軸發(fā)生階躍故障時未對陀螺輸出角速度數(shù)據(jù)濾波時的SPE統(tǒng)計量圖；
[0021]圖4為本發(fā)明實施例中的陀螺儀X軸發(fā)生階躍故障時對陀螺輸出角速度數(shù)據(jù)濾波之后的SPE統(tǒng)計量圖；
[0022]圖5為本發(fā)明實施例中的陀螺儀X軸發(fā)生斜坡故障時未對陀螺輸出角速度數(shù)據(jù)濾波時的SPE統(tǒng)計量圖；
[0023]圖6為本發(fā)明實施例中的陀螺儀X軸發(fā)生斜坡故障時對陀螺輸出角速度數(shù)據(jù)濾波之后的SPE統(tǒng)計量圖；
[0024]圖7為本發(fā)明實施例中的發(fā)生階躍故障時的過程變量貢獻圖；
[0025]圖8為本發(fā)明實施例中的斜坡故障時的過程變量貢獻圖。
【具體實施方式】
[0026]【具體實施方式】一:本實施方式的基于主元分析算法的衛(wèi)星陀螺部件故障診斷方法按以下步驟實現(xiàn):
[0027]步驟一:基于巴特沃斯低通濾波器對衛(wèi)星陀螺部件的輸出角速度數(shù)據(jù)Xp進行濾波預(yù)處理；
[0028]步驟二:利用預(yù)處理后的衛(wèi)星陀螺部件的輸出角速度數(shù)據(jù)X，構(gòu)建PCA數(shù)學(xué)模型；
[0029]步驟三:利用步驟二中得到的PCA數(shù)學(xué)模型參數(shù)，采用平方預(yù)測誤差SPE統(tǒng)計量對殘差子空間中的過程數(shù)據(jù)進行檢測；
[0030]步驟四:檢測到故障后根據(jù)過程變量貢獻圖診斷出故障位置。
[0031]【具體實施方式】二:本實施方式與【具體實施方式】一不同的是:所述步驟一中基于巴特沃斯低通濾波器對衛(wèi)星陀螺部件的輸出角速度數(shù)據(jù)Xp進行濾波預(yù)處理具體為:
[0032]一、模型定義
[0033]速率陀螺儀的模型表示為:
[0034]w0Ut=win+D+N
[0035]其中，Wout為速率陀螺儀的測量輸出，Win為衛(wèi)星實際角速度，D為隨機漂移，N為測
量噪聲；
[0036]巴特沃斯低通濾波器幅度平方函數(shù)|Ha(j Ω) I2定義為
【權(quán)利要求】
1.一種基于主元分析算法的衛(wèi)星陀螺部件故障診斷方法，其特征在于基于主元分析算法的衛(wèi)星陀螺部件故障診斷方法按以下步驟實現(xiàn): 步驟一:基于巴特沃斯低通濾波器對衛(wèi)星陀螺部件的輸出角速度數(shù)據(jù)Xp進行濾波預(yù)處理； 步驟二:利用預(yù)處理后的衛(wèi)星陀螺部件的輸出角速度數(shù)據(jù)X，構(gòu)建PCA數(shù)學(xué)模型；步驟三:利用步驟二中得到的PCA數(shù)學(xué)模型參數(shù)，采用平方預(yù)測誤差SPE統(tǒng)計量對殘差子空間中的過程數(shù)據(jù)進行檢測； 步驟四:檢測到故障后根據(jù)過程數(shù)據(jù)變量貢獻圖診斷出故障位置。
2.根據(jù)權(quán)利要求1所述的一種基于主元分析算法的衛(wèi)星陀螺部件故障診斷方法，其特征在于所述步驟一中基于巴特沃斯濾波器對衛(wèi)星陀螺部件的輸出角速度數(shù)據(jù)Xp進行濾波預(yù)處理具體為: 一、模型定義 速率陀螺儀的模型表示為:
3.根據(jù)權(quán)利要求1所述的一種基于主元分析算法的衛(wèi)星陀螺部件故障診斷方法，其特征在于所述步驟二中利用預(yù)處理后的衛(wèi)星陀螺部件的輸出角速度數(shù)據(jù)X，構(gòu)建PCA數(shù)學(xué)模型具體為: 一、首先對濾波預(yù)處理后的角速度數(shù)據(jù)X，采用以下方法進行標準化處理:

4.根據(jù)權(quán)利要求1所述的一種基于主元分析算法的衛(wèi)星陀螺部件故障診斷方法，其特征在于所述步驟三中利用步驟二中得到的PCA數(shù)學(xué)模型參數(shù)，采用平方預(yù)測誤差SPE統(tǒng)計量對殘差子空間中檢測過程數(shù)據(jù)進行檢測具體為: 利用步驟二中得到的PCA模型參數(shù)，采用平方預(yù)測誤差SPE統(tǒng)計量在殘差子空間中檢測運行的過程數(shù)據(jù)，采用SPE統(tǒng)計量的控制界限值判斷運行的過程是否發(fā)生故障，當SPE值過大時，說明過程中出現(xiàn)了故障并及時檢測； SPE統(tǒng)計量在任意時刻的值是一個標量，第i個樣本點的SPE值為:
SPEi = eieit = X 1(i)(I - ΡΡτ)Χ1(?)R 式中，Xl (i)是標準化之后第i個采樣點數(shù)據(jù)，ei是殘差E的第i行，P= [Pl，P2,, Pd]，I是單位矩陣；SPE統(tǒng)計量表征了數(shù)據(jù)陣Xl對主元模型的偏離程度； 當檢驗水平為α?xí)r，SPE統(tǒng)計量的控制門限值可按下式計算:
5.根據(jù)權(quán)利要求1所述的一種基于主元分析算法的衛(wèi)星陀螺部件故障診斷方法，其特征在于所述步驟四中檢測到故障后根據(jù)過程數(shù)據(jù)變量貢獻圖診斷出故障位置，具體為: 設(shè)第i時刻檢測到故障，變量xig為故障時刻i各變量的采樣值，變量1%>為故障時刻i各變量的估計值，則預(yù)測誤差即殘差E的第i行為:ei-x1(i)=X1(i) 第j個過程變量在第i時刻的SPE統(tǒng)計量的貢獻值為: SPEi,j =ei,j1=(X1I,J-X1T,J)2,i=1,2...,n;j=1,2,...,m 其中氣ei,j為故障時刻i時的預(yù)測誤差ei的第j列，根據(jù)得到的故障時刻i，遍歷j得到各個過程變量的貢獻值，較大的貢獻值所對應(yīng)的過程變量即為引起SPE統(tǒng)計量超出其控制門限值的原因，由此診斷出故障發(fā)生的位置。
【文檔編號】G06F19/00GK103884359SQ201410155366
【公開日】2014年6月25日 申請日期:2014年4月17日 優(yōu)先權(quán)日:2014年4月17日
【發(fā)明者】王敏, 金晶, 崔捷, 曹洪霞 申請人:哈爾濱工業(yè)大學(xué)