[发明专利]一种基于神经网络的航天器姿控喷管故障智能诊断系统及方法

权利要求书

1.一种基于神经网络的航天器姿控喷管故障智能诊断系统，其特征在于，包括：故障数据生成模块和故障诊断模块；

故障数据生成模块，用于获得航天器姿控喷管的故障信息和发生此类故障时对应的航天器姿态误差曲线及此时控制器的输出曲线，利用此模块得到大量的故障信息，保存后用于故障诊断模块的训练数据；

故障诊断模块，用于航天器姿控喷管的故障诊断；根据故障数据生成模块保存的训练数据，基于卷积神经网络进行训练，从而诊断出航天器姿控喷管的故障类型，并输出航天器此时姿控喷管的工作状态；

所述故障诊断模块由卷积神经网络构成，网络的输入为航天器姿态误差曲线图和控制器输出曲线图，两张曲线图合为一张是单通道的灰度图像，作为故障诊断模块的输入信号，图像分辨率为64*64像素，该网络有3个卷积层，对应的卷积核尺寸均为5*5，第一层卷积层对应32个卷积核，第二和第三层卷积核对应64个卷积核；每个卷积层后都有一个池化层，并选用最大池化的方法，移动步长横纵方向都是两个像素；激活函数选取ReLU函数，最后的池化层链接一个全连接层，神经元个数为100个，然后在再连接dropout层，该层维度也为100，最后再连接一个softmax层用于实现最终的分类目的，对于航天器滚动通道的神经网络该层维度为9维，对应着9种故障类型；对于偏航和俯仰通道的神经网络该层维度为13维，对应着13种故障类型；网络的最后一层为故障诊断模块的输出端，滚动通道的故障诊断器输出信号维度为9，代表9种故障类型，俯仰和偏航通道输出信号维度为13，代表13种故障信息；通过故障数据生成模块得到的训练数据，对此卷积神经网络进行训练，得到用于诊断航天器姿控喷管故障的故障诊断模块；所述9种故障类型分别为：(1)正喷姿控喷管的两个姿控喷管常开故障；(2)负喷姿控喷管的两个姿控喷管常开故障；(3)正喷姿控喷管的两个姿控喷管常闭故障；(4)负喷姿控喷管的两个姿控喷管常闭故障；(5)正喷姿控喷管的一个姿控喷管常开故障；(6)负喷姿控喷管的一个姿控喷管常开故障；(7)正喷姿控喷管的一个姿控喷管常闭故障；(8)负喷姿控喷管的一个姿控喷管常闭故障；(9)无故障；

所述13种故障类型分别为：(1)正喷姿控喷管的两个姿控喷管常开故障；(2)负喷姿控喷管的两个姿控喷管常开故障；(3)正喷姿控喷管的两个姿控喷管常闭故障；(4)负喷姿控喷管的两个姿控喷管常闭故障；(5)正喷姿控喷管的一个姿控喷管常开故障；(6)负喷姿控喷管的一个姿控喷管常开故障；(7)正喷姿控喷管的一个姿控喷管常闭故障；(8)负喷姿控喷管的一个姿控喷管常闭故障；(9)正喷姿控喷管的另一个姿控喷管常开故障；(10)负喷姿控喷管的另一个姿控喷管常开故障；(11)正喷姿控喷管的另一个姿控喷管常闭故障；(12)负喷姿控喷管的另一个姿控喷管常闭故障；(13)无故障。

2.根据权利要求1所述的一种基于神经网络的航天器姿控喷管故障智能诊断系统，其特征在于：所述故障数据生成模块包括：故障模拟模块、姿态控制器模块、姿态动力学模块和数据采集模块；

故障模拟模块，根据输入的不同故障类型，模拟对应的姿控喷管故障类型，将姿态控制器模块的输出力矩强制转换为对应故障状态下的等效力矩，得到的等效力矩为模拟姿控喷管故障时航天器受到的实际控制力矩，并且根据需求调整故障作用时间，此等效力矩作为姿态动力学模块的输入信号；

姿态控制器模块，模拟航天器的姿态控制器输出，为故障模拟模块提供输入信号；根据输入的姿态角期望值和姿态动力学模块反馈的航天器姿态角信息，基于两个姿态角的误差，输出模拟姿态控制器在姿控喷管正常工作情况下的输出力矩，此输出力矩为航天器在姿控喷管正常工作时受到的控制力矩，作为故障模拟模块提供输入信号；

姿态动力学模块，根据输入的等效力矩，模拟航天器的飞行状态，输出航天器在线性化姿态动力学方程和全量耦合姿态动力学方程下的姿态角信息，得到的姿态角信息反馈给姿态控制器模块，作为姿态控制器模块的姿态角反馈输入；由于输入信号为故障模拟模块输出的等效力矩，此时得到的航天器姿态角信息为姿控喷管故障情况下的姿态信息，此模块在线性化姿态动力学方程和全量耦合姿态动力学方程之间自由切换；

数据采集模块，将所述故障数据生成模块产生的姿态角误差信息和姿态控制器输出信息进行等时间间隔采样，得到姿态角误差信息和姿态控制器输出曲线，然后将采样得到的曲线的数据进行预处理，分类标记后保存为用于故障诊断模块中神经网络训练的数据。