Print

基于健康度分析的卫星故障预测模型

论文摘要

针对目前卫星监测系统无法及时发现故障且无法反映卫星状态趋势变化的问题,提出一种基于自适应白噪声完整集成经验模态分解（CEEMDAN）方法与粒子群极限学习机组合（PSO-ELM）的指标预测模型和基于模糊层次分析法（FAHP）的多指标融合故障检测模型。首先,通过CEEMDAN算法对各指标进行分解后通过PSO-ELM预测;其次,对各指标预测值分别建立非线性无量纲模型,得到各指标"健康度";最后,利用FAHP法对融合各指标"健康度"得到组件"健康度",利用"健康度"判断是否发生故障。通过某在轨卫星蓄电池组故障数据实验可得,CEEMDAN-PSO-ELM预测模型在平均绝对误差（MAE）、均方根误差（RMSE）指标上分别为0.102 9和0.125,均优于文中提到的其他预测模型;该故障检测模型与目前卫星监测系统相比,能提前两周期检测到故障。

论文目录

  • 0 引言
  • 1 CEEMDAN-PSO-ELM预测模型
  •   1.1 CEEMDAN分解方法
  •   1.2 极限学习机预测模型
  •   1.3 PSO算法
  •   1.4 CEEMDAN-PSO-ELM预测模型
  •   1.5 评价指标
  •     1)平均绝对误差（MAE）反映预测值误差的实际情况。
  •     2)均方根误差（Root Mean Square Error, RMSE）反映测量的精密度。
  • 2 指标量化处理
  •   2.1 基于模糊无量纲化函数的“健康度”计算
  •   2.2 基于FAHP法的组件“健康度”计算
  • 3 故障预测模型
  •   3.1 指标选取与特征值提取
  •   3.2 故障预测流程
  • 4 实验与结果分析
  •   4.1 预测性能验证结果与分析
  •   4.2 故障预测结果与分析
  •     4.2.1 各指标预测结果与分析
  •     4.2.2 故障检测结果与分析
  • 5 结语

    • 文章来源

    类型: 期刊论文

    作者: 朱昶文,党建成,周军

    关键词: 故障预测,粒子群优化算法,极限学习机,模糊层次分析法

    来源: 计算机应用 2019年S2期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 航空航天科学与工程

    单位: 上海卫星工程研究所

    基金: 中国航天科技集团公司第八研究院第五〇九研究所卫星在轨管理保障条件建设项目(ZKJ0080509-16-B12048)

    分类号: V467

    页码: 34-40

    总页数: 7

    文件大小: 1279K

    下载量: 178

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/346c235d88cbbd178cf47e78.html