[发明专利]一种基于HC-TP-K2算法的卫星动量轮故障诊断建模方法及系统

权利要求书

1.一种基于HC-TP-K2算法的卫星动量轮故障诊断建模方法，其特征在于，包括以下步骤：

(1)基于HC-TP-K2算法结合动量轮故障数据建立动量轮故障的贝叶斯网络模型；

(2)基于步骤(1)所建立的贝叶斯网络模型，利用贝叶斯网络参数学习获得模型中各网络节点的参数；

(3)基于步骤(2)所获得的带有节点参数的模型以及获得的证据信息，采用贝叶斯网络推理算法，对可能引发动量轮发生故障的各种原因进行概率计算；

(4)根据步骤(3)计算出的概率，找出其中后验概率最大的节点，作为最终的诊断结果。

2.根据权利要求1所述的基于HC-TP-K2算法的卫星动量轮故障诊断建模方法，其特征在于，所述步骤(1)包括以下步骤：

(1-1)提取动量轮故障数据中的变量作为待构建网络模型中的节点；

(1-2)生成包含所有节点但无边的初始网络模型θ°，并将其作为当前网络模型θ←θ°；

(1-3)利用BIC评分函数对当前网络模型进行评分得到oldScore；

(1-4)分别利用加边、减边或逆转边操作算子对当前网络模型进行局部修改，获得各候选模型θ'；

(1-5)对各候选模型θ'利用BIC评分函数进行评分，找到其中评分最高的候选模型θ^*；

(1-6)若候选模型θ^*的评分newScore大于当前模型θ的评分oldScore，则将候选模型θ^*作为当前模型，即令θ←θ^*，oldScore←newScore，并返回步骤(1-4)；否则继续步骤(1-7)；

(1-7)对当前网络模型进行深度优先遍历，获得网络模型中各节点的拓扑排序；

(1-8)将节点拓扑排序输入到K2算法中，获得最优的动量轮故障贝叶斯网络模型作为动量轮故障的最终的贝叶斯网络模型。

3.根据权利要求2所述的基于HC-TP-K2算法的卫星动量轮故障诊断建模方法，其特征在于，所述步骤(1-1)中：

若动量轮故障数据为非离散数据，需首先对故障数据进行离散化处理后再进行后续处理。

4.一种基于HC-TP-K2算法的卫星动量轮故障诊断建模系统，其特征在于，包括以下模块：

模型建立模块，用于基于HC-TP-K2算法结合动量轮故障数据建立动量轮故障的贝叶斯网络模型；

节点参数获取模块，用于基于模型建立模块所建立的贝叶斯网络模型，利用贝叶斯网络参数学习获得模型中各网络节点的参数；

概率计算模块，用于基于节点参数获取模块所获得的带有节点参数的模型以及获得的证据信息，采用贝叶斯网络推理算法，对可能引发动量轮发生故障的各种原因进行概率计算；

结果确定模块，用于根据概率计算模块计算出的概率，找出其中后验概率最大的节点，作为最终的诊断结果。