一种基于比例系数分析的动量轮故障诊断方法

    公开(公告)号:CN105300675B

    公开(公告)日:2018-05-29

    申请号:CN201510662581.X

    申请日:2015-10-14

    IPC分类号: G01M13/00

    摘要: 一种基于比例系数分析的动量轮故障诊断方法,本发明涉及基于比例系数分析的动量轮故障诊断方法。本发明的目的是为了解决现有的动量轮故障检测方法不能很好地对故障进行有效及时地检测,只能诊断较为严重的故障,不能实现微小故障的早期预警的问题。该方法通过以下步骤实现:一、以电机电流的遥测数据为基准,得到所有遥测数据的分段时刻;二、得到每段电机电流内的平均控制输入电压值;三、第j段平均控制输入电压值与电机电流值的比例系数为四、设定异常阈值;五、根据异常阈值对动量轮进行故障检测时,对当前遥测数据按照一至三进行处理,获得k′,若k′大于异常阈值,则表明有故障。本发明应用于动量轮故障诊断领域。

    一种基于比例系数分析的动量轮故障诊断方法

    公开(公告)号:CN105300675A

    公开(公告)日:2016-02-03

    申请号:CN201510662581.X

    申请日:2015-10-14

    IPC分类号: G01M13/00

    摘要: 一种基于比例系数分析的动量轮故障诊断方法,本发明涉及基于比例系数分析的动量轮故障诊断方法。本发明的目的是为了解决现有的动量轮故障检测方法不能很好地对故障进行有效及时地检测,只能诊断较为严重的故障,不能实现微小故障的早期预警的问题。该方法通过以下步骤实现:一、以电机电流的遥测数据为基准,得到所有遥测数据的分段时刻;二、得到每段电机电流内的平均控制输入电压值;三、第j段平均控制输入电压值与电机电流值的比例系数为四、设定异常阈值;五、根据异常阈值对动量轮进行故障检测时,对当前遥测数据按照一至三进行处理,获得k′,若k′大于异常阈值,则表明有故障。本发明应用于动量轮故障诊断领域。

    雷达测元数据的递推诊断与自修复方法

    公开(公告)号:CN110083899B

    公开(公告)日:2022-10-21

    申请号:CN201910306415.4

    申请日:2019-04-17

    IPC分类号: G06F30/20 G06K9/62

    摘要: 本发明提供了一种雷达测元数据的递推诊断与自修复方法,把雷达测元数据分为正常数据、容错数据、异常数据三类,以飞行目标外弹道的力学特性和雷达测量特点为基础,通过数据列表合并与整理、数据检验窗口与门限设定、数据分类诊断与信息记录、数据循环自修复四个步骤,对全任务弧段雷达测元数据进行诊断修复,为后续数据处理提供可靠信息。本发明能够保留接近正常数据值的容错数据,快速修复雷测数据列表中频繁出现的大量的小斑点异常数据和夹在短时段好数据中的大斑点异常数据,提升雷达测元数据自修复效率。

    基于改进DTW距离的航天器异常子模式检测方法及装置

    公开(公告)号:CN114881160A

    公开(公告)日:2022-08-09

    申请号:CN202210545840.0

    申请日:2022-05-18

    IPC分类号: G06K9/62

    摘要: 本公开提供一种基于改进DTW距离的航天器异常子模式检测方法及装置,涉及在轨航天器遥测数据异常检测与故障诊断领域,能够解决航天器在轨遥测数据微小异常变化难以通过现有诊断知识及时发现的问题。具体技术方案为:获取卫星遥测数据的周期并进行子模式提取,获得标准子模式,获取所有训练子模式与标准子模式之间的T‑DTW距离的最大值,获取判别阈值;用标准子模式中被匹配的点数与其总点数之比作为支持度,如果支持度小于阈值,则认为待检测序列的数据量不足,无法进行异常检测,否则,计算待检测序列与标准子模式之间的时间基准DTW距离,如果距离大于判别阈值则认为该待检测序列为异常模式,否则为正常模式。

    一种挖掘时序数据故障模式的系统及方法

    公开(公告)号:CN105205111A

    公开(公告)日:2015-12-30

    申请号:CN201510551484.3

    申请日:2015-09-01

    IPC分类号: G06F17/30

    CPC分类号: G06F16/35

    摘要: 本发明公开一种挖掘时序数据故障模式的系统及方法,包括数据预处理模块、TK-Means聚类模块、统计学习模块、DBSCAN聚类模块、故障模式生成模块;本发明通过对时序数据异常信息进行分析,一方面可以挖掘出数据变化规律的共同特征,从而发现比较通用、一致的异常和故障模式;另一方面也可以挖掘出新型变化规律,从而发现未知异常和故障模式。本发明利用DBSCAN方法对异常模式进行聚类,根据聚类结果将故障模式写成形式化规则。同时,形式化规则的前件和后件也反映了对应事件的先后关系。