[发明专利]基于人工智能的航天器故障诊断方法

说明书

本发明公开了一种基于反向传播BP神经网络的航天器故障诊断方法，主要解决现有技术中对先验知识依赖性强的问题。本发明利用航天器环境数据训练反向传播BP神经网络，对航天器异常事件发生的概率数据进行拟合。其实现方案为：确定反向传播BP神经网络模型；获取反向传播BP神经网络的训练集数据和测试集数据；初始化反向传播BP神经网络的参数；对反向传播BP神经网络进行训练；对训练好的反向传播BP神经网络进行优化；利用优化好的BP神经网络对新的航天器数据进行故障诊断。本发明充分利用了BP神经网络的自适应能力和学习能力，能很好地对航天器异常事件发生的概率数据进行拟合，减少了对先验知识的依赖，可用于无线网络通信领域。

技术领域

本发明属于人工智能技术领域，特别涉及一种航天器故障诊断方法，可用于无线网络通信领域。

背景技术

近年来，随着航天领域的不断发展和航天技术的不断突破，人类航天活动不断增加，航天器的健康状态也受到了从事航天器设计的技术人员和专家的广泛重视。由于空间环境的复杂性、航天器地面测试系统的局限性以及当前航天器系统的复杂度的提升，航天器运行异常和系统故障问题不可避免，航天器的可靠性将会相应降低，如不能及时准确地对航天器系统进行故障诊断和修复，将会造成严重损失。因此，航天器能否进行智能故障诊断对于整个太空飞行任务的完成起着至关重要的作用。

已有的航天器故障诊断方法主要有三种，分别是基于信号处理的方法、基于数学模型的方法和基于知识的方法。其中：

基于信号处理的方法，是最早使用的故障诊断技术，是其他方法进行故障诊断的基础。该方法不需要以系统的数学模型为基础，只需对时域、幅值、频域等可测信号特性进行分析，就能识别和检测系统故障。这种方法的航天器故障诊断技术由于实时性和自主性差，往往达不到预期效果。

基于数学模型的故障诊断方法，是现代故障诊断技术发展的基础，也是发展最成熟、应用最广泛的一种方法。其核心是以分析系统数学模型为基础，通过参数估计、状态估计等多种方法来产生残差，然后通过阈值或其他限定准则对该残差进行分析和下一步的故障处理。该方法虽能够较为精确、高效地完成航天器系统的故障诊断，但是对于系统结构较为复杂的航天器以及无法预测的太空环境而言，精确数学模型的建立是非常困难的，即使建立出数学模型也很难保证不受不确定因素的干扰。

基于知识的故障诊断方法，是通过直接或间接的方法来获取故障诊断的发生征兆或判定原则，较为直观地了解系统的故障发生情况，能及时做出准确的判断来完成系统的故障诊断。但由于知识的覆盖有限，航天器系统的不确定因素较多，加之经验技术的缺乏，使得该方法具有一定的局限性。

北京空间飞行器总体设计部在其申请的专利“一种航天器在轨异常报警与故障诊断系统”(专利发明人：王环秦巍等；专利申请号：CN201510608592.X，公开号：105159286B)中提出一种航天器在轨异常报警与故障诊断系统，其中：知识编辑器输入已编译好的报警诊断知识；数据缓冲区缓冲输入的原始遥测数据；数据区从数据缓冲区提取推理控制器进行逻辑匹配运算时的遥测数据或遥测指令并对其进行存储；规则区从知识编辑器中装载已经编译好的报警诊断知识，在规则区每个报警诊断知识称之为规则；推理控制器将数据区中的原始遥测数据与规则区中的报警诊断知识进行逻辑匹配运算获得诊断结果；选择需要输出的诊断结果输出至黑板；黑板存储推理控制器通过逻辑匹配运算获得的诊断结果；结果缓冲区缓冲推理控制器选择输出的诊断结果并发送至客户端，待用户通过该客户端查看诊断结果后回复确认信息。该方法存在的局限性在于：对先验知识的依赖性强，如需预先确定参数上下限、故障知识和系统模型，因而该方法在自适应能力、学习能力以及处理不精确信息等方面表现不足。

发明内容

本发明的目的在于针对上述现有技术存在的不足，提出一种基于BP神经网络的航天器故障诊断方法，以减少对先验知识的依赖，提高自学习和自适应能力，有效实现对航天器异常预警和故障的智能地诊断。

本发明的技术方案是这样实现的：

一、技术原理