-
公开(公告)号：CN119472407A
公开(公告)日：2025-02-18
申请号：CN202411568934.5
申请日：2024-11-05
Applicant: 北京控制工程研究所
IPC: G05B19/042
Abstract: 本发明公开了一种基于多源信息融合的航天器控制系统故障识别方法及装置。方法包括：将航天器在研制、测试过程中的数据以及在轨历史数据进行多源融合，得到多个故障样本；每个故障样本均设置有故障标签，每个故障标签分别用于表征故障样本对应的故障模式；对每个故障样本进行归一化，得到归一化后的故障样本；基于预设的聚类算法对归一化后的故障样本进行分簇处理，得到多个簇以及每个簇的故障模式；每个簇至少包括一个核心对象；针对任一时刻的在轨数据，计算该在轨数据与每个簇中的核心对象的距离，以基于计算出的距离确定该在轨数据所属的簇；将该在轨数据所属的簇对应的故障模式确定为其识别结果。本申请，可以提高航天器故障识别的准确性。
-
公开(公告)号：CN119443241A
公开(公告)日：2025-02-14
申请号：CN202411569089.3
申请日：2024-11-05
Applicant: 北京控制工程研究所
IPC: G06N5/022 , G06F18/2433
Abstract: 本发明公开了一种基于知识图谱的航天器故障定位方法及装置。方法包括：基于航天器的历史遥测数据构建知识图谱；知识图谱以航天器的遥测数据为实体变量，以遥测数据之间的因果关系为图谱关系；基于航天器在预设时间段内的正常遥测数据，生成变换矩阵；针对任一时刻的在线遥测数据，均基于变换矩阵对在线遥测数据进行故障诊断，以确定在线遥测数据中的异常数据；基于知识图谱，从在线遥测数据中确定与异常数据相关的候选数据集；计算候选数据集中的每个数据与异常数据之间的相关系数，以基于计算出的相关系数对航天器进行故障诊断。本申请，可以确定遥测数据与异常数据之间的关系，为航天器故障准确定位提供依据。
-
公开(公告)号：CN119004308A
公开(公告)日：2024-11-22
申请号：CN202410973803.9
申请日：2024-07-19
Applicant: 北京控制工程研究所
IPC: G06F18/2433 , G06F18/2136 , B64F5/60
Abstract: 本发明公开了一种支持多源混合异构数据类型的航天器智能异常检测方法，首先，针对离散型数据，通过采用离散型数据字典使用重构残差检测数据异常；然后，针对连续型数据，使用离散数据的分析结果剪枝搜索空间来检测异常；最后，针对混合类型的数据，结合以上两种方法调整算法优化目标，对异常实现快速精准检测。而与传统的方法相比，本发明专利针对航天器自主健康管理与智能精准运维场景的离散数据处理需求，充分发掘数据稀疏表示和异常特征间的关系，建立支持离散信号的异常检测方法。另外本发明基于离散和连续数据融合的思想，设计基于稀疏表示的异常检测算法，支持同时对两种类型异构数据的异常特征检测。
-
公开(公告)号：CN116522467B
公开(公告)日：2023-10-31
申请号：CN202310077074.4
申请日：2023-01-16
Applicant: 北京控制工程研究所
IPC: G06F30/15 , G06F30/27 , G06F18/23 , G06N3/0442 , G06N3/08 , G06N3/04 , G06F119/04
Abstract: 本发明涉及航空航天技术领域，特别涉及一种航天器部件寿命的预测方法和装置。其中，该方法包括：获取航天器部件的待测数据；其中，所述待测数据包括所述航天器部件的多种参数的数据；对每种参数的待测数据依次进行野值和停机数据的剔除处理，得到处理后的数据；对所述处理后的数据依次进行时域特征的提取、降维处理和归一化处理，得到所述航天器部件的目标特征；利用DBSCAN算法对所述目标特征进行聚类，以识别所述航天器部件的目标退化阶段；将目标特征输入到预先训练好的且与目标退化阶段对应的寿命预测模型中，得到航天器部件的剩余使用寿命。本发明的方案能够有效预测航天器部件的剩余使用寿命。
-
公开(公告)号：CN116203926B
公开(公告)日：2023-08-04
申请号：CN202310096097.X
申请日：2023-01-18
Applicant: 北京控制工程研究所
IPC: G05B23/02
Abstract: 本发明涉及一种基于性能‑故障关系图谱的航天器故障分级诊断方法，该方法包括：对接收到的航天器控制系统数据进行数据清洗和特征提取，得到目标数据；将所述目标数据输入到预先构建好的系统级性能‑故障关系图谱、组件级性能‑故障关系图谱和外环部件级性能‑故障关系图谱中，得到第一故障诊断结果；若所述第一故障诊断结果为有故障发生，则将所述目标数据输入到预先构建好的子系统级性能‑故障关系图谱和内环部件级性能‑故障关系图谱中，得到第二故障诊断结果；对所述第一故障诊断结果和所述第二故障诊断结果进行融合，得到最终的故障诊断结果。本发明能够有效保证航天器控制系统故障诊断的统一性。
-
Patent Agency Ranking
公开(公告)号：CN116502516A
公开(公告)日：2023-07-28
申请号：CN202310082621.8
申请日：2023-01-15
Applicant: 北京控制工程研究所
IPC: G06F30/27 , G06F30/15 , G06F18/2321 , G06N3/0442 , G06N3/08 , G06F119/04 , G06F119/02
Abstract: 本发明涉及航空航天技术领域，特别涉及一种航天器部件退化阶段的辨识方法和装置。其中，该方法包括：获取航天器部件的待测数据；其中，所述待测数据包括所述航天器部件的多种参数的数据；对每种参数的待测数据依次进行野值和停机数据的剔除处理，得到处理后的数据；对所述处理后的数据依次进行时域特征的提取和降维处理，得到所述航天器部件的目标特征；利用DBSCAN算法对所述目标特征进行聚类，以识别所述航天器部件的退化阶段。本发明的方案能够有效辨识航天器部件的退化阶段。
-
公开(公告)号：CN116089611B
公开(公告)日：2023-07-18
申请号：CN202310070255.4
申请日：2023-01-13
Applicant: 北京控制工程研究所
IPC: G06F16/35 , G06F16/36 , G06F40/295 , G06F40/30 , G06N5/04
Abstract: 本发明提供了一种基于性能‑故障关系图谱的航天器故障诊断方法及装置，方法为：将性能‑故障关系图谱作为DDPG的环境，将性能‑故障关系图谱中的实体作为状态，将性能‑故障关系图谱中的关系作为DDPG选择的动作，以根据待诊断航天器的当前状态确定性能‑故障关系图谱中相同状态的实体；根据预先针对性能‑故障关系图谱中各实体设置的状态类别，确定当前实体的状态类别是否为终止状态，若否，则根据当前实体的状态类别以及当前实体的实体向量确定所选择的最优动作，根据最优动作得到下一状态的实体，将下一状态的实体作为当前实体循环执行本步骤；若是，则终止循环，并将当前实体确定为故障原因。本方案，能够提高故障诊断的效率和精准度。
-
公开(公告)号：CN116400662A
公开(公告)日：2023-07-07
申请号：CN202310085883.X
申请日：2023-01-18
Applicant: 北京控制工程研究所
IPC: G05B23/02
Abstract: 本发明涉及一种正向推理与逆向推理相结合的故障推演方法和装置，该方法包括：根据FMEA构建航天器控制系统的性能‑故障关系图谱；其中，性能‑故障关系图谱的每个实体均包含两个状态，每个实体均具有对应的实体概率属性，实体概率属性用于描述故障原因发生的概率，性能‑故障关系图谱的每个关系均具有对应的关系概率属性，关系概率属性用于描述头实体和尾实体所处状态的概率；将性能‑故障关系图谱转变为一个联结树；计算联结树中各节点的概率值，以得到每个故障征兆最有可能发生的故障原因集合；针对每个故障原因集合，采用A‑star算法确定当前故障原因集合中最终的故障原因和故障影响路径。本发明能够提高航天器控制系统故障推演结果的准确性。
-
公开(公告)号：CN116089611A
公开(公告)日：2023-05-09
申请号：CN202310070255.4
申请日：2023-01-13
Applicant: 北京控制工程研究所
IPC: G06F16/35 , G06F16/36 , G06F40/295 , G06F40/30 , G06N5/04
Abstract: 本发明提供了一种基于性能‑故障关系图谱的航天器故障诊断方法及装置，方法为：将性能‑故障关系图谱作为DDPG的环境，将性能‑故障关系图谱中的实体作为状态，将性能‑故障关系图谱中的关系作为DDPG选择的动作，以根据待诊断航天器的当前状态确定性能‑故障关系图谱中相同状态的实体；根据预先针对性能‑故障关系图谱中各实体设置的状态类别，确定当前实体的状态类别是否为终止状态，若否，则根据当前实体的状态类别以及当前实体的实体向量确定所选择的最优动作，根据最优动作得到下一状态的实体，将下一状态的实体作为当前实体循环执行本步骤；若是，则终止循环，并将当前实体确定为故障原因。本方案，能够提高故障诊断的效率和精准度。
-
公开(公告)号：CN115903731A
公开(公告)日：2023-04-04
申请号：CN202211352230.5
申请日：2022-10-31
Applicant: 北京控制工程研究所
Abstract: 本发明公开了一种基于循环神经网络的航天器控制系统故障预测方法，包括步骤为：获得航天器控制系统正常情况下的输入数据与输出数据，并作为训练数据；根据得到的训练数据，构建航天器控制系统标称模型；计算故障残差；根据得到的故障残差，构建不同故障模式残差外推模型；利用得到的系统标称模型和故障模式残差外推模型，进行智能故障预测。本发明在故障预测过程中，通过引入状态变量来存储过去信息，并与当前的输入共同决定当前的输出，进而保留了历史“记忆”，克服了传统故障预测方法存在的当前输出只依据于该时刻输入的局限，提高了航天器控制系统故障预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.031 seconds)
