計算智能方法在航天器故障診斷中的應用研究.pdf

1、本學位論文以國家"十五"預研項目"衛(wèi)星長壽命高可靠性技術"以及航天科技創(chuàng)新基金項目"衛(wèi)星故障診斷的神經(jīng)網(wǎng)絡專家系統(tǒng)"為研究背景,以風云系列某衛(wèi)星為應用對象,開展基于計算智能方法的航天器故障診斷技術與應用研究.研究了衛(wèi)星在軌運行狀態(tài)監(jiān)測及故障快速定位問題.對Fuzzy ART神經(jīng)網(wǎng)絡的競爭聚類算法進行了改進,提出了一種基于Fuzzy ART神經(jīng)網(wǎng)絡的狀態(tài)監(jiān)測及故障快速定位方法.借鑒生物免疫系統(tǒng)的自適應機制、反面選擇特性以及抗原識別排除機理

2、,研究了一種基于免疫機理的自適應故障診斷方法.利用疫苗接種算法對T模塊非己空間檢測器集進行疫苗接種,使其具有特異性檢測功能,實現(xiàn)對已知故障模式的診斷.通過B模塊自己空間檢測器集和T模塊非己空間檢測器集的協(xié)調(diào)配合,實現(xiàn)用有限數(shù)量的檢測器檢測系統(tǒng)的任何異常.算法通過檢測器向量的移動和克隆增殖,實現(xiàn)了故障樣本數(shù)據(jù)的自適應更新和故障模式的擴充.研究了進化遞歸IELMAN神經(jīng)網(wǎng)絡的預測方法.為了使預測模型結(jié)構參數(shù)和權值參數(shù)在學習時同時優(yōu)化,將ES

3、算法與DBP算法相結(jié)合,提出一種動態(tài)遞歸IELMAN網(wǎng)絡的混合進化學習算法(ESDBP).對ES算法的選擇算子進行了改進,避免算法的早熟收斂.研究了衛(wèi)星系統(tǒng)緩變故障的預測預報方法.為了對衛(wèi)星電池陣輸出功率進行多步預測,提出一種雙向進化遞歸IELMAN神經(jīng)網(wǎng)絡模型的多步預測方法,并通過仿真實例驗證了方法的有效性.根據(jù)多步預測結(jié)果計算的功率衰減率,實現(xiàn)了電池陣輸出功率下降故障的早期預報.研究了傳感器的故障診斷問題.為了利用免疫網(wǎng)對非線性系統(tǒng)