[发明专利]一种基于BP神经网络的航天器姿控系统故障诊断方法

说明书

本发明涉及一种基于BP神经网络的航天器姿控系统故障诊断方法，采集航天器姿控系统模型未发生故障时的传感器数据，并以该数据训练BP神经网络，建立故障诊断模型；将航天器姿控系统模型传感器的真实输出与故障诊断模型的输出作差，得到残差，用于故障诊断；将残差与设定阈值进行比较，对航天器姿控系统进行故障诊断。本发明采用神经网络方法处理非线性问题，相比传统的控制系统状态观测器，应用神经网络设计的状态观测器具有很强的自适应性，利用神经网络对非线性系统进观测和辨识是一种非常重要的方法，具有很高的实际应用价值。

技术领域

本发明涉及航天器故障诊断领域，具体地说是一种基于BP神经网络的航天器姿控系统故障诊断方法。

背景技术

航天器系统结构复杂、由为数众多的器件和部件组成，并且需要长时间的工作在恶劣的空间环境中，受到多种环境因素的影响，难免在飞行过程中出现这样那样的问题，因此，故障诊断技术在航天器系统的发射和运行中是非常重要的。

姿态控制系统是航天器系统中最复杂的一个分系统，其任务是获取航天器的姿态信息并保持其在太空中的姿态定向，一旦姿态控制系统运行出错，航天器会有极大的概率在短时间内丢失姿态失去控制，这对于在轨任务往往是致命的。而故障诊断技术可以有效地提高系统可靠性，增强系统的安全性及可维护性。因此姿控系统的故障诊断研究具有非常重要的意义。

在航天器姿控系统中，系统存在诸多不确定因素和难以描述的非线性特性，为了解决这些问题，本发明采用神经网络方法处理非线性问题。相比传统的控制系统状态观测器，应用神经网络设计的状态观测器具有很强的自适应性，利用神经网络对非线性系统进观测和辨识是一种非常重要的方法，具有很高的实际应用价值。

发明内容

针对现有技术的不足，本发明提供一种基于BP神经网络的航天器姿控系统故障诊断方法，有效解决了系统非线性问题，同时抑制了外部干扰对故障诊断结果的影响。

本发明为实现上述目的所采用的技术方案是：

一种基于BP神经网络的航天器姿控系统故障诊断方法，包括以下步骤：

步骤1：采集航天器姿控系统模型未发生故障时的传感器数据，并以该数据训练BP神经网络，建立故障诊断模型；

步骤2：将航天器姿控系统模型传感器的真实输出与故障诊断模型的输出作差，得到残差，用于故障诊断；

步骤3：将残差信息与设定阈值进行比较，对航天器姿控系统进行故障诊断。

所述航天器姿控系统模型包括运动学模型和动力学模型；其中

运动学模型为：

其中，q₀,q₁,q₂,q₃为系统的姿态信息；ω_x为系统x轴角速度信息；ω_y为系统y轴角速度信息；ω_z为系统z轴角速度信息。

动力学模型为：