[发明专利]基于混合模型的卫星执行机构故障诊断方法、系统及介质

权利要求书

1.基于混合模型的卫星执行机构故障诊断方法，其特征在于，包括如下步骤：

根据卫星姿态控制系统数学模型，建立卫星执行器故障的卫星姿态控制系统动力学模型；

根据卫星姿态控制系统动力学模型设计状态观测器组，并使每个卫星执行器至少与一个状态观测器对应；

将卫星姿态控制系统的输入和输出作为状态观测器组的输入，然后将卫星姿态控制系统的输出与状态观测器组的输出作差，得到故障残差；

根据所述故障残差和第一故障决策函数判断卫星执行器是否发生故障。

2.根据权利要求1所述的基于混合模型的卫星执行机构故障诊断方法，其特征在于：所述状态观测器组为

其中，是姿态动力学系统状态变量的估计值，z(t)是状态观测器的状态变量，为状态变量的导数，u(t)＝[M_x,M_y,M_z]^T为卫星执行机构输出的控制力矩，Φ(x)是卫星姿态动力学子系统的非线性函数项，y(t)＝[ω_x,ω_y,ω_z]^T为陀螺测得的卫星三轴姿态角速度；

F,M,T,G,和N是状态观测器的参数矩阵，它们满足如下条件：

3.根据权利要求2所述的基于混合模型的卫星执行机构故障诊断方法，其特征在于：所述第一故障决策函数为

其中，T₀＝t₂-t₁，(t₁,t₂)是评估的时间窗，为有限值；r(t)为状态观测器残差；为卫星执行机构未发生故障时的输出估计误差，λ_max(*)为最大特征值，sup为极大值函数，Q为后滤波矩阵。

4.根据权利要求1所述的基于混合模型的卫星执行机构故障诊断方法，其特征在于，所述得到故障残差之后还可以按照如下步骤进行：

对于每一个状态观测器分别建立一个神经网络，并根据卫星执行器未发生故障时的历史数据对所有神经网络进行训练，得到训练好的神经网络组；

将卫星姿态控制系统的输入和输出作为训练好的神经网络组的输入，然后将故障残差与训练好的神经网络组的输出作差，得到更新故障残差；

用更新故障残差代替故障残差，并结合第二故障决策函数判断卫星执行器是否发生故障。

5.根据权利要求4所述的基于混合模型的卫星执行机构故障诊断方法，其特征在于：所述训练好的神经网络组为

其中，Γ(κ)＝1/[1+exp(-κ)]是Sigmoid函数；为神经网络的输入向量，为除第i个执行器以外的所有控制力矩，y^T(k)为正常状态下的姿态角速度；o_j(k)是第j个隐层神经元的输出，一步延时o_l(k-1)是经过神经网络结构单元后的输出，定义其初值o_j(0)＝0；n_x是神经网络输入层节点的数目；n_o是神经网络隐层节点的数目；w^x是神经网络输入层到隐层的权值矩阵；w^y是神经网络隐层到输出层的权值矩阵；w^o是神经网络隐层到结构单元的权值矩阵；b^x和b^y分别是神经网络隐层和神经网络输出层的阈值向量。

6.根据权利要求5所述的基于混合模型的卫星执行机构故障诊断方法，其特征在于：所述第二故障决策函数为其中，m为固定的采样大小，为补偿残差在第k采样点穿过预测边界的指示，J_th为补偿残差穿越预测边界±l的次数。

7.根据权利要求4所述的基于混合模型的卫星执行机构故障诊断方法，其特征在于：所述卫星执行器未发生故障时的历史数据为正常状态下的姿态角速度和除第i个执行器以外的所有控制力矩。