[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

说明书

本发明提供的航天器舵系统的故障预测方法、装置、设备及存储介质，该方法包括：构建多领域系统仿真模型；将故障数据注入至多领域系统仿真模型进行批量仿真计算，以得到多领域系统仿真模型输出的故障仿真数据；将故障数据与批量生成的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其进行训练；将实时采集的监测变量数据输入至训练完成的故障预测神经网络模型，以得到故障预测神经网络模型输出的故障状态信息。与传统的故障预测方法相比，本发明克服了基于传统的故障实验很难采集全面完备的故障数据，导致样本数据少无法基于机器学习进行故障预测，具有安全、高效、成本低等优点，从而得到更好的故障预测效果。

技术领域

本发明涉及设备故障预测技术领域，尤其涉及一种航天器舵系统的故障预测方法、装置、设备及存储介质。

背景技术

随着航空航天领域的技术进步，航天器内部结构愈加复杂。组成系统日益庞大，功能繁多复杂，并且分系统与子系统之间纵横交错，相互之间还具有一定的耦合关系，给航天器的状态监测带来了极大的挑战。先进航天器造价昂贵，工作环境和任务使命非常特殊，对整个系统和子系统的可靠性要求极高，原则上不允许航天器的功能系统在飞行过程中出现故障。

舵系统是航天器控制系统的执行机构，尤其是作为主要操纵执行器的升降舵和方向舵，是不可缺少的重要部分。舵系统的主要任务是接收飞行控制系统的控制点信号，经转换放大为具有一定能量的机械信号，克服铰链力矩，操纵舵面或推力控制器，使飞机达到或维持正确的姿态。舵系统的性能可靠性与航天器整体的可靠性密切相关，一旦它们发生故障，轻则造成航天器的稳定性能下降，出现虚警和乘员恐慌，重则直接导致航天器坠毁，出现重大的人员财产损失和负面舆情。如果能够提早检测到故障信息并采取最佳的应对策略，大多数损失都可以避免。航空安全性的要求使得这些灾难性事故不仅引起了工程技术人员的重点关注和研究，同时也引起了理论研究人员的重视。

传统基于机器学习进行航天器舵系统故障预测需要通过故障实验采集大量故障数据，但是对于实际的航天器舵系统，故障实验成本高、周期长，一般很难通过充分的故障实验采集全面的故障数据，使得模型的训练效果不佳，不能用于实际系统的故障预测。

发明内容

本发明提供的航天器舵系统的故障预测方法、装置、设备及存储介质，旨在解决现有技术中存在的问题，以用于实际的航天器舵系统的故障预测。

本发明提供一种航天器舵系统的故障预测方法，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。

根据本发明提供的一种航天器舵系统的故障预测方法，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。

根据本发明提供的一种航天器舵系统的故障预测方法，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；