[发明专利]航天器舵系统的故障预测方法、装置、设备及存储介质

权利要求书

1.一种航天器舵系统的故障预测方法，其特征在于，包括：

构建多领域系统仿真模型；

将故障数据注入至所述多领域系统仿真模型进行批量仿真计算，以得到所述多领域系统仿真模型输出的故障仿真数据；

将所述故障数据与批量生成的所述故障仿真数据作为仿真数据集输入至故障预测神经网络模型，对所述故障预测神经网络模型进行训练，以得到训练完成的所述故障预测神经网络模型；

将实时采集的监测变量数据输入至训练完成的所述故障预测神经网络模型，以得到所述故障预测神经网络模型输出的故障状态信息，所述故障预测神经网络模型用于对航天器舵系统生成的所述监测变量数据进行故障预测。

2.根据权利要求1所述的航天器舵系统的故障预测方法，其特征在于，所述构建多领域系统仿真模型，包括：

将航天器舵系统组成结构按照不同学科领域进行系统划分；

基于Modelica语言构建各领域子模型；

定义统一接口及领域间转换器，以用于各领域子模型连接集成，实现多领域系统仿真模型的构建。

3.根据权利要求1所述的航天器舵系统的故障预测方法，其特征在于，所述故障数据包括故障类型和故障注入间隔时间，对应地，所述将故障数据注入至所述多领域系统仿真模型进行批量仿真计算，以得到所述多领域系统仿真模型输出的故障仿真数据，包括：

注入任意故障类型的故障；

将所述故障注入间隔时间在系统运行期间内以服从均匀分布概率随机取值；

基于所述故障注入间隔时间对每次注入的所述故障进行仿真计算，获得批量的时间序列的观测变量数据，以作为所述多领域系统仿真模型输出的故障仿真数据。

4.根据权利要求3所述的航天器舵系统的故障预测方法，其特征在于，通过修改所述多领域系统仿真模型的部件模型参数和/或添加故障因子，以进行故障仿真。

5.根据权利要求3所述的航天器舵系统的故障预测方法，其特征在于，所述将所述故障数据与批量生成的所述故障仿真数据作为仿真数据集输入至故障预测神经网络模型，对所述故障预测神经网络模型进行训练，以得到训练完成的所述故障预测神经网络模型，包括：

将所述仿真数据集按照预设的比例划分为训练集和测试集，其中，所述训练集包括不同故障类型的观测变量数据以及对应的故障状态信息标签值；

将所述训练集输入至所述故障预测神经网络模型进行训练，通过所述故障预测神经网络模型的最后一层网络输出故障状态信息，计算模型迭代输出的故障状态信息向量与实际的所述故障状态信息标签值之间的误差值，根据误差值，反向计算每个权重的梯度，应用基于梯度的优化算法更新权重，当误差值小于预设的阈值，训练结束；

将所述测试集输入至所述故障预测神经网络模型进行测试，以检验完成训练的所述故障预测神经网络模型是否过拟合。

6.根据权利要求5所述的航天器舵系统的故障预测方法，其特征在于，训练所述故障预测神经网络模型时，还包括：

基于故障状态信息向量与实际的所述故障状态信息标签值之间的误差，对所述故障预测神经网络模型的内部参数进行优化。

7.根据权利要求1所述的航天器舵系统的故障预测方法，其特征在于，在将所述故障数据与批量生成的所述故障仿真数据作为仿真数据训练集输入至故障预测神经网络模型之前，还包括：

对所述故障仿真数据进行数据清洗和数据归一化预处理。