本發(fā)明涉及衛(wèi)星姿態(tài)控制系統(tǒng)故障診斷方法，具體涉及一種診斷衛(wèi)星姿態(tài)控制系統(tǒng)未知故障的方法。
背景技術(shù)：
：對(duì)于衛(wèi)星姿態(tài)控制系統(tǒng)這種高可靠系統(tǒng)來說，已有對(duì)策的已知故障往往很少發(fā)生，而發(fā)生的故障很多都是暫時(shí)沒有對(duì)策的未知故障。衛(wèi)星作為航天器中的一個(gè)重要類型，是一個(gè)大系統(tǒng)，具有結(jié)構(gòu)復(fù)雜、傳感器多、數(shù)據(jù)非平穩(wěn)、非線性等特征。由于任務(wù)艱巨且自身非常昂貴，所以在上天之前，技術(shù)人員就通過機(jī)理分析、物理仿真等手段建立了比較完備的故障模式庫(kù)和對(duì)應(yīng)的故障處理方法。衛(wèi)星控制系統(tǒng)的故障診斷的任務(wù)已經(jīng)由傳統(tǒng)的已知故障診斷轉(zhuǎn)變?yōu)槲粗收显\斷。在軌衛(wèi)星不可避免地會(huì)發(fā)生難以預(yù)料的故障，如“宇流”故障——在衛(wèi)星姿態(tài)調(diào)整過程中，噴氣執(zhí)行機(jī)構(gòu)通過噴氣發(fā)動(dòng)機(jī)產(chǎn)生高壓氣體向星體外噴射，氣體對(duì)衛(wèi)星太陽(yáng)能帆板產(chǎn)生了沖擊，導(dǎo)致該衛(wèi)星姿態(tài)大角度翻轉(zhuǎn)。在此之前，衛(wèi)星控制系統(tǒng)技術(shù)人員對(duì)“宇流”引起的帆板故障沒有相應(yīng)的經(jīng)驗(yàn)，也從來沒有預(yù)見過這種故障。在先驗(yàn)知識(shí)缺乏、故障樣本稀缺、故障模式不完備的情況下，如何及時(shí)地檢測(cè)、甚至隔離和處理未知故障，是控制系統(tǒng)故障診斷的一大難點(diǎn)，對(duì)故障診斷技術(shù)也是一個(gè)重大挑戰(zhàn)。從二十世紀(jì)七十年代起，涌現(xiàn)出大量的故障診斷方法。大部分的方法都假定故障模式庫(kù)是完備的，即發(fā)生的故障都是已知故障。這些方法大體分為三類：基于模型的故障診斷方法，基于知識(shí)的故障診斷方法和數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法。基于模型的故障診斷方法所需要的先驗(yàn)信息全部來源于已知的模型結(jié)構(gòu)和模型參數(shù)。基于知識(shí)的故障診斷方法所需要的先驗(yàn)信息全部來源于知識(shí)規(guī)則庫(kù)。數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法所需要的先驗(yàn)信息全部來源于離線訓(xùn)練數(shù)據(jù)?；谀Ｐ秃突谥R(shí)的故障診斷方法只能部分解決未知故障檢測(cè)問題，但幾乎無(wú)法解決未知故障隔離問題。隨著大數(shù)據(jù)時(shí)代的到來，數(shù)據(jù)驅(qū)動(dòng)方法在這幾年重新受到重視。傳感器技術(shù)的發(fā)展使得監(jiān)控?cái)?shù)據(jù)的獲取變得容易且冗余，數(shù)據(jù)庫(kù)技術(shù)的發(fā)展使得數(shù)據(jù)的存取變得快捷穩(wěn)定，數(shù)據(jù)處理技術(shù)的發(fā)展使得數(shù)據(jù)驅(qū)動(dòng)故障診斷方法變得豐富。數(shù)據(jù)為未知故障的檢測(cè)和隔離提供了最重要的信息源，包括數(shù)據(jù)的位置分布信息，數(shù)據(jù)的方向分布信息，數(shù)據(jù)對(duì)檢測(cè)統(tǒng)計(jì)量的貢獻(xiàn)信息和高維數(shù)據(jù)的低維可視化信息。盡管現(xiàn)有技術(shù)中存在數(shù)據(jù)驅(qū)動(dòng)故障診斷方法，但是尚未有針對(duì)未知故障的檢測(cè)和隔離方法。技術(shù)實(shí)現(xiàn)要素：針對(duì)現(xiàn)有技術(shù)中的上述不足之處，本發(fā)明所要解決的技術(shù)問題是：針對(duì)先驗(yàn)信息的不足，提供一種衛(wèi)星控制系統(tǒng)未知故障的故障診斷方法，它可以提高衛(wèi)星控制系統(tǒng)故障診斷的性能。本發(fā)明“一種診斷衛(wèi)星姿態(tài)控制系統(tǒng)未知故障的方法”具體包括四個(gè)步驟：步驟一：已知故障檢測(cè)。該步驟主要包括中心化與單位化處理、計(jì)算協(xié)方差矩陣、奇異值分解、構(gòu)建檢測(cè)統(tǒng)計(jì)量和計(jì)算閾值，具體過程如下：S1.1對(duì)正常訓(xùn)練數(shù)據(jù)Y和測(cè)試數(shù)據(jù)y進(jìn)行中心化與單位化處理，生成訓(xùn)練殘差Z和測(cè)試殘差z其中N表示Y的列數(shù)，即正常訓(xùn)練數(shù)據(jù)的樣本個(gè)數(shù)；ny表示Y的行數(shù)，即正常訓(xùn)練數(shù)據(jù)的維數(shù)，它等于衛(wèi)星控制系統(tǒng)姿態(tài)測(cè)量變量的個(gè)數(shù)；表示N個(gè)ny維正常訓(xùn)練數(shù)據(jù)；表示單個(gè)測(cè)試數(shù)據(jù)；表示Y的均值向量；表示Y的標(biāo)準(zhǔn)差對(duì)角矩陣；S1.2計(jì)算Z的協(xié)方差矩陣其中S1.3Σ的奇異值分解為其中Γ是正交矩陣，Λ1＝diag(λ1,…,λa)表示a個(gè)最大奇異值構(gòu)成的對(duì)角矩陣，而Λ2≈0表示剩余的ny-a個(gè)接近零的奇異值，此時(shí)稱a為主元數(shù)。S1.4構(gòu)建單類主元分析分類器，該分類器實(shí)質(zhì)是T2檢測(cè)統(tǒng)計(jì)量：S1.5若顯著性水平為α(一般α∈[0.01,0.05])，則T2檢測(cè)統(tǒng)計(jì)量對(duì)應(yīng)的檢測(cè)閾值為其中F1-α(a,k-a)表示自由度為(a,k-a)的F分布對(duì)應(yīng)于(1-α)的分位數(shù)若則測(cè)試數(shù)據(jù)y為正常數(shù)據(jù)，診斷過程結(jié)束；否則為故障數(shù)據(jù)，故障發(fā)生時(shí)刻的測(cè)試殘差就是樣本故障方向，進(jìn)入步驟二。步驟二、已知故障隔離。該步驟主要包括構(gòu)建已知故障方向庫(kù)、表示樣本故障方向、計(jì)算樣本故障方向與已知故障方向的夾角和搜索最小夾角，具體過程如下。S2.1用集合表示已知故障模式庫(kù)，它包含nf類已知故障模式fi，其中i＝1,2,…,nf；表示已知故障模式庫(kù)對(duì)應(yīng)的已知故障方向庫(kù)，表示已知故障模式fi的故障向量，已知故障向量都是長(zhǎng)度等于1的向量；其中nf為大于等于1的正整數(shù)；S2.2檢測(cè)到的故障為第i種已知故障，則樣本故障方向可以表示為z＝|f|ri+e(6)其中|f|表示故障的幅值，e表示均值為零、方差為∑的正態(tài)隨機(jī)噪聲向量，即e～N(0,∑)，因而測(cè)試殘差是均值為|f|ri、方差為∑的正態(tài)隨機(jī)噪聲向量，即z～N(|f|ri,∑)(7)S2.3用θ(z,ri),i＝1,2,…,nf表示樣本故障方向z與已知故障方向ri之間的夾角，其中θ(z,ri)＝arccos(|zTri|/(||z||))(8)S2.4若則樣本故障方向z的故障模式暫定為第i0類已知故障模式然后進(jìn)入步驟三。步驟三、未知故障檢測(cè)。該步驟主要包括構(gòu)建未知故障檢測(cè)統(tǒng)計(jì)量、計(jì)算未知故障檢測(cè)統(tǒng)計(jì)量的閾值和更新已知故障方向，具體過程如下。S3.1若以及故障噪聲比能夠保證則計(jì)算未知故障檢測(cè)統(tǒng)計(jì)量UFDS(z)：UFDS(z)＝z*∑-1z*(9)S3.2由于UFDS(z)是滿足自由度為ny的卡方分布，顯著性水平為α，α的含義與取值與步驟一相同，則UFDS(z)對(duì)應(yīng)的檢測(cè)閾值為：其中表示表示自由度為ny的卡方分布對(duì)應(yīng)于(1-α)的分位數(shù)；S3.3若UFDS(z)＞UFDSα，則樣本故障方向z的故障模式是未知的，進(jìn)入步驟四；否則樣本故障方向z的故障模式是已知的，就是第i0類已知故障模式此時(shí)用樣本故障方向z更新已知故障模式的故障方向診斷過程結(jié)束。步驟四、未知故障隔離。該步驟主要包括計(jì)算貢獻(xiàn)指標(biāo)和搜索最大貢獻(xiàn)指標(biāo)，具體過程如下：S4.1計(jì)算樣本故障方向z的第k個(gè)變量對(duì)公式(4)中的T2統(tǒng)計(jì)量的貢獻(xiàn)指標(biāo)CNT(k)：其中tj是向量t中的第j個(gè)分量，且zk是z的第k個(gè)分量，Γkj是公式(3)中Γ的第k行第j列上的元素，λj是公式(3)中Λ的第j行第j列上的元素，其中j＝1,2,…,a；S4.2如果那么樣本故障方向z的第k0個(gè)變量就是故障變量，且與之對(duì)應(yīng)的衛(wèi)星控制系統(tǒng)姿態(tài)測(cè)量機(jī)構(gòu)硬件判斷為故障硬件，診斷結(jié)束。本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點(diǎn)：本發(fā)明利用單類主元分析分類器，實(shí)現(xiàn)衛(wèi)星控制系統(tǒng)已知故障的檢測(cè)；基于樣本故障方向與已知故障方向夾角實(shí)現(xiàn)衛(wèi)星控制系統(tǒng)的已知故障的隔離；再通過樣本故障方向構(gòu)造未知故障檢測(cè)統(tǒng)計(jì)量，實(shí)現(xiàn)對(duì)衛(wèi)星控制系統(tǒng)的未知故障的檢測(cè)；最后采用貢獻(xiàn)指標(biāo)，實(shí)現(xiàn)衛(wèi)星控制系統(tǒng)未知故障的隔離。本發(fā)明可以提高控制系統(tǒng)故障診斷的性能，方法具有通用性，適用于平穩(wěn)數(shù)據(jù)控制系統(tǒng)的未知故障診斷。附圖說明為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明中診斷衛(wèi)星控制系統(tǒng)未知故障診斷方法流程圖；圖2為本發(fā)明實(shí)施例中衛(wèi)星控制系統(tǒng)測(cè)試數(shù)據(jù)test-kf1故障檢測(cè)圖；橫軸表示采樣序列，縱軸表示檢測(cè)統(tǒng)計(jì)量或者閾值；圖3為本發(fā)明實(shí)施例中衛(wèi)星控制系統(tǒng)測(cè)試數(shù)據(jù)test-kf2故障檢測(cè)圖；橫軸表示采樣序列，縱軸表示檢測(cè)統(tǒng)計(jì)量或者閾值；圖4為本發(fā)明實(shí)施例中衛(wèi)星控制系統(tǒng)測(cè)試數(shù)據(jù)test-uf1故障檢測(cè)圖；橫軸表示采樣序列，縱軸表示檢測(cè)統(tǒng)計(jì)量或者閾值；圖5為本發(fā)明實(shí)施例中衛(wèi)星控制系統(tǒng)測(cè)試數(shù)據(jù)test-uf2故障檢測(cè)圖；橫軸表示采樣序列，縱軸表示檢測(cè)統(tǒng)計(jì)量或者閾值；圖6為本發(fā)明實(shí)施例中衛(wèi)星控制系統(tǒng)測(cè)試數(shù)據(jù)test-uf1貢獻(xiàn)指標(biāo)圖；橫軸表示衛(wèi)星控制系統(tǒng)的數(shù)據(jù)變量，縱軸表示每個(gè)變量貢獻(xiàn)指標(biāo)值。具體實(shí)施方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。本發(fā)明“一種診斷衛(wèi)星姿態(tài)控制系統(tǒng)未知故障的方法”，其流程如圖1所示?，F(xiàn)結(jié)合圖1所示流程圖對(duì)診斷衛(wèi)星姿態(tài)控制系統(tǒng)未知故障方法的各步驟做具體說明。本實(shí)施例中衛(wèi)星控制系統(tǒng)姿態(tài)測(cè)量機(jī)構(gòu)的輸出數(shù)據(jù)有ny＝7維，如表1所示，對(duì)應(yīng)的七個(gè)傳感器分別為滾動(dòng)地球敏感器、俯仰地球敏感器、滾動(dòng)太陽(yáng)敏感器、俯仰太陽(yáng)敏感器、滾動(dòng)陀螺儀、俯仰陀螺儀和偏航陀螺儀。表1輸出信號(hào)變量變量傳感器變量傳感器y1滾動(dòng)地球敏感器y5滾動(dòng)滾動(dòng)陀螺儀y2俯仰地球敏感器y6俯仰俯仰陀螺儀y3滾動(dòng)太陽(yáng)敏感器y7偏航偏航陀螺儀y4俯仰太陽(yáng)敏感器本實(shí)施例中有3個(gè)批次的訓(xùn)練數(shù)據(jù)，分別記為train-kf0,train-kf1,train-kf2，見表2，它們分別來自正常模式f0，滾動(dòng)地球敏感器故障模式f1和俯仰地球敏感器故障模式f2。有4個(gè)批次的測(cè)試數(shù)據(jù)，分別記為test-kf1，test-kf2，test-uf1，test-uf2，其中test-kf1的故障模式與訓(xùn)練數(shù)據(jù)train-kf1的故障模式相同，test-kf2的故障模式與訓(xùn)練數(shù)據(jù)train-kf2的故障模式相同,但是test-uf1和test-uf2沒有相同故障模式的訓(xùn)練數(shù)據(jù)，所以是未知故障測(cè)試數(shù)據(jù)。每個(gè)批次訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)的仿真時(shí)間為500s，每隔1s采集一個(gè)數(shù)據(jù)，即N＝501。表2訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)步驟一：已知故障檢測(cè)。S1.1對(duì)正常訓(xùn)練數(shù)據(jù)Y(即train-kf0)和測(cè)試數(shù)據(jù)(即test-kf1，test-kf2，test-uf1，test-uf2)的每個(gè)樣本y進(jìn)行中心化和單位化處理，生成訓(xùn)練殘差Z和測(cè)試殘差z：其中正常訓(xùn)練數(shù)據(jù)的樣本均值m和對(duì)角標(biāo)準(zhǔn)差陣V分別為m＝(-0.7789,0.9017,21.0982,-10.1675,0.0016,-0.0559,0.0015)TV＝diag(0.05405,0.0291,0.6070,9.5202,0.0012,0.0002,0.0008)S1.2計(jì)算正常訓(xùn)練數(shù)據(jù)的協(xié)方差矩陣：S1.3Σ的奇異值分解為可以發(fā)現(xiàn)并不存在明顯等于0的奇異值，因此主元數(shù)為a＝7。其中Λ＝diag(2.5890,1.9058,1.1184,0.8598,0.4452,0.0501,0.0317)。S1.4構(gòu)建單類主元分析分類器，即T2檢測(cè)統(tǒng)計(jì)量為：S1.5顯著性水平設(shè)置為α＝0.05，則T2檢測(cè)統(tǒng)計(jì)量對(duì)應(yīng)的檢測(cè)閾值為其中F0.95(7,501-7)表示自由度為(7,501-7)的F分布對(duì)應(yīng)于0.95的分位數(shù)。分別對(duì)test-kf1，test-kf2，test-uf1，test-uf2進(jìn)行已知故障檢測(cè)，檢測(cè)結(jié)果對(duì)數(shù)圖見圖2-圖5，可以發(fā)現(xiàn)故障發(fā)生后，每個(gè)批次的測(cè)試數(shù)據(jù)的檢測(cè)統(tǒng)計(jì)量曲線都在檢測(cè)閾值的上方，且檢測(cè)率幾乎都是100％，檢測(cè)到的故障的發(fā)生時(shí)間分別為365s,171s,353s,396s，對(duì)應(yīng)的樣本方向分別為進(jìn)入下一個(gè)環(huán)節(jié)——已知故障隔離。步驟二、已知故障隔離。S2.1本實(shí)施例中根據(jù)表2中訓(xùn)練數(shù)據(jù)train-kf1和train-kf2可知：已知故障方向庫(kù)只有nf＝2個(gè)，分別為S2.2若檢測(cè)到的故障為第i種已知故障，則z可以表示為z＝|f|ri+e(6)z～N(|f|ri,Σ)(7)其中|f|表示故障的幅值，e是噪聲向量，∑同公式(2)。S2.3用θ(z,ri),i＝1,2表示樣本故障方向z與已知故障方向ri之間的夾角，其中θ(z,ri)＝arccos(|zTri|/(||z||))(8)經(jīng)計(jì)算4個(gè)樣本故障方向(z1,z2,z3,z4)與2個(gè)已知故障方向(r1,r2)的夾角(單位：度)分別為其中矩陣A中的元素S2.4若則測(cè)試數(shù)據(jù)y的故障模式暫定為第i0類已知故障模式依據(jù)上述規(guī)則，暫時(shí)認(rèn)為test-kf1和test-uf2的故障模式為f1；暫時(shí)認(rèn)為test-kf2和test-uf1的故障模式為f2，然后進(jìn)入步驟三；步驟三、未知故障檢測(cè)。S3.1若以及故障噪聲比能夠保證則計(jì)算未知故障檢測(cè)統(tǒng)計(jì)量UFDS(z)：UFDS(z)＝z*∑-1z*(9)4個(gè)樣本故障方向?qū)?yīng)的未知故障檢測(cè)統(tǒng)計(jì)量為：UFDS＝(7.2306,4.0235,37.5141,22375.1332)S3.2由于UFDS(z)是滿足自由度為7的卡方分布，顯著性水平與步驟一相同，為α＝0.05，則UFDS(z)對(duì)應(yīng)的檢測(cè)閾值為：其中表示自由度為7的卡方分布對(duì)應(yīng)于(1-α)的分位數(shù)。S3.3若UFDS(z)＞UFDSα，則樣本故障方向z的故障模式是未知的，進(jìn)入步驟四；否則樣本故障方向z的故障模式是已知的，就是第i0類已知故障模式此時(shí)用測(cè)試殘差z更新已知故障模式的故障方向診斷過程結(jié)束。依據(jù)上述規(guī)則可知測(cè)試數(shù)據(jù)test-kf1，test-kf2確實(shí)是已知故障，更新后的已知故障方向?yàn)椴襟E四、未知故障隔離。S4.1計(jì)算樣本故障方向z的第k個(gè)變量對(duì)公式(4)中的T2統(tǒng)計(jì)量的貢獻(xiàn)指標(biāo)CNT(k)：其中tj是向量t中的第j個(gè)分量，且t＝Γ1Tz；zk是z的第k個(gè)分量，Γkj是公式(3)中Γ的第k行第j列上的元素，λj是公式(3)中Λ的第j行第j列上的元素，其中j＝1,2,…,a；對(duì)于測(cè)試數(shù)據(jù)test-uf1和test-uf2樣本故障方向，其7個(gè)變量對(duì)應(yīng)的貢獻(xiàn)值分別為(15.6578,0.4658,96.1422,332.9832,2.9599,0.3037,5.4672)(12.2516,1.4037,10149.8174,697.9105,155.7466,8.8493,462.1933)S4.2如果那么測(cè)試數(shù)據(jù)y的第k0個(gè)變量就是故障變量，而且與相關(guān)的衛(wèi)星控制系統(tǒng)姿態(tài)測(cè)量機(jī)構(gòu)硬件判別為故障硬件。對(duì)于測(cè)試數(shù)據(jù)test-uf1的樣本故障方向，可以發(fā)現(xiàn)第4個(gè)變量的貢獻(xiàn)值最大，所以y4為故障變量，對(duì)應(yīng)的故障元件為俯仰太陽(yáng)敏感器，對(duì)數(shù)貢獻(xiàn)圖更直觀地表現(xiàn)了不同變量的貢獻(xiàn)值大小關(guān)系，見圖6。類似地，對(duì)于測(cè)試數(shù)據(jù)test-uf2的樣本故障方向，可以發(fā)現(xiàn)第3個(gè)變量的貢獻(xiàn)值最大，所以y3為故障變量，對(duì)應(yīng)的故障元件為滾動(dòng)太陽(yáng)敏感器。本發(fā)明未詳細(xì)說明部分屬本領(lǐng)域技術(shù)人員公知常識(shí)。當(dāng)前第1頁(yè)1 2 3