計(jì)算智能方法在航天器故障診斷中的應(yīng)用研究.pdf

1、本學(xué)位論文以國家"十五"預(yù)研項(xiàng)目"衛(wèi)星長壽命高可靠性技術(shù)"以及航天科技創(chuàng)新基金項(xiàng)目"衛(wèi)星故障診斷的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)"為研究背景,以風(fēng)云系列某衛(wèi)星為應(yīng)用對(duì)象,開展基于計(jì)算智能方法的航天器故障診斷技術(shù)與應(yīng)用研究.研究了衛(wèi)星在軌運(yùn)行狀態(tài)監(jiān)測(cè)及故障快速定位問題.對(duì)Fuzzy ART神經(jīng)網(wǎng)絡(luò)的競爭聚類算法進(jìn)行了改進(jìn),提出了一種基于Fuzzy ART神經(jīng)網(wǎng)絡(luò)的狀態(tài)監(jiān)測(cè)及故障快速定位方法.借鑒生物免疫系統(tǒng)的自適應(yīng)機(jī)制、反面選擇特性以及抗原識(shí)別排除機(jī)理

2、,研究了一種基于免疫機(jī)理的自適應(yīng)故障診斷方法.利用疫苗接種算法對(duì)T模塊非己空間檢測(cè)器集進(jìn)行疫苗接種,使其具有特異性檢測(cè)功能,實(shí)現(xiàn)對(duì)已知故障模式的診斷.通過B模塊自己空間檢測(cè)器集和T模塊非己空間檢測(cè)器集的協(xié)調(diào)配合,實(shí)現(xiàn)用有限數(shù)量的檢測(cè)器檢測(cè)系統(tǒng)的任何異常.算法通過檢測(cè)器向量的移動(dòng)和克隆增殖,實(shí)現(xiàn)了故障樣本數(shù)據(jù)的自適應(yīng)更新和故障模式的擴(kuò)充.研究了進(jìn)化遞歸IELMAN神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法.為了使預(yù)測(cè)模型結(jié)構(gòu)參數(shù)和權(quán)值參數(shù)在學(xué)習(xí)時(shí)同時(shí)優(yōu)化,將ES

3、算法與DBP算法相結(jié)合,提出一種動(dòng)態(tài)遞歸IELMAN網(wǎng)絡(luò)的混合進(jìn)化學(xué)習(xí)算法(ESDBP).對(duì)ES算法的選擇算子進(jìn)行了改進(jìn),避免算法的早熟收斂.研究了衛(wèi)星系統(tǒng)緩變故障的預(yù)測(cè)預(yù)報(bào)方法.為了對(duì)衛(wèi)星電池陣輸出功率進(jìn)行多步預(yù)測(cè),提出一種雙向進(jìn)化遞歸IELMAN神經(jīng)網(wǎng)絡(luò)模型的多步預(yù)測(cè)方法,并通過仿真實(shí)例驗(yàn)證了方法的有效性.根據(jù)多步預(yù)測(cè)結(jié)果計(jì)算的功率衰減率,實(shí)現(xiàn)了電池陣輸出功率下降故障的早期預(yù)報(bào).研究了傳感器的故障診斷問題.為了利用免疫網(wǎng)對(duì)非線性系統(tǒng)