[发明专利]一种航天器可维修性智能建模方法

说明书

本发明是一种航天器可维修性智能建模方法。本发明涉及航天器可维修性判定技术领域，本发明提出了航天器可维修性智能建模方法。首先对复杂航天器进行可维修性分解，得到多个可维修层架，每个可维修层级包含多个可维修模块。利用多层BP神经网络的反向传播算法，通过模糊专家控制和多体动力学仿真系统建立神经网络的训练模型的训练集。利用训练集数据对多层BP神经网络进行不断的训练从而直至得到最大的迭代次数。此时多层BP神经网络即为航天器可维修性计算模型，其作用等效为公式。

技术领域

本发明涉及航天器可维修性判定技术领域，是一种航天器可维修性智能建模方法。

背景技术

随着航天科技的飞速发展，在轨运行的航天器的数量日益增多，因此对于航天器维修保养工作变得尤为重要。与地面维修相比，在轨维修活动受到空间环境、运行模式、航天员能力、上行能力、安全性要求、舱外活动能力等因素的制约，因此，针对地面维修的维修性设计思路、要求、以及设计规范不能满足在轨维修的要求。目前，只有少数国家通过对在轨维修数据的统计分析，开展了载人航天器在轨维修性设计的研究和实践；我国当前在缺乏在轨维修数据和实践的条件下，急需提出既满足设计要求，又符合工程实施条件的维修性设计思路和方法。

正是基于航天器在轨维修的广泛性和重要性，研究相应的维修性理论和维修性评价技术显得尤为重要。此类技术不仅可以为航天器在轨维修提供技术保障，还可以为航天器的可维修系统设计提供重要的参考依据。

发明内容

本发明为确定航天器可维修性，本发明提供了一种航天器可维修性智能建模方法，本发明提供了以下技术方案：

一种航天器可维修性智能建模方法，包括以下步骤：

步骤1：对航天器进行可维修行分解，得到多个可维修层架，所述层架包含多个可维修模块；

步骤2：采用神经网络模型对单个可维修模块进行建模，确定上一层级可维修模块的可维修度；

步骤3：根据确定的可维修度采用多层BP神经网络，建立神经网络的训练模型的训练集，利用训练数据对多层BP神经网络进行训练，直至得到最大迭代次数；

步骤4：当得到最大迭代次数时，此时的多层BP神经网络即为航天器可维修性计算模型，根据所述模型确定航天器的可维修性。

优选地，所述步骤1具体为：

对航天器进行可维修行分解，按照功能分为机械系统、电控系统、热控系统、推进系统和工作载荷，按照组织方式分为系统、部件、构件、器件、元件和零件；航天器可维修性分解过程为层级细分过程，按照细分程度划分多个可维修层架，同一层架存在并列的同层级子系统，在分解过程中，应力求同层级子系统的功能性和组织方式互相独立；

所述层架包含多个可维修模块，每一模块的可维修性由三部分确定：模块固有可维修度、模块关联度和同层级相连的模块可维修度；

模块固有可维修度是指模块本身的可维修特性，由包含的下维修层级模块可维修度和连接方式确定，当为最底层模块时，可维修度为固定值；

模块关联度是同层级模块之间可维修性的互相影响程度，由模块间硬件、软件和功能方面的联系确定，每一个模块简化为神经元模型，与剩余神经元之间联系的权重为模块关联度；

同层级相连的模块可维修度为固有可维修度为模块状态偏置，与相连的模块可维修度为模块状态。

优选地，所述步骤2具体为：

采用神经网络模型对单个可维修模块进行建模，确定上一层级可维修模块的可维修度，处于维修层级k-1的模块i的可维修度由所有包含的处于维修层级k的模块的可维修度确定，通过下式表示处于维修层级k-1的模块i的可维修度