[发明专利]一种存储器在轨智能故障判别系统及方法在审

专利信息
申请号: 202211188640.0 申请日: 2022-09-28
公开(公告)号: CN115565591A 公开(公告)日: 2023-01-03
发明(设计)人: 张磊;成亮;苏妤;祝名;姜贸公 申请(专利权)人: 中国空间技术研究院
主分类号: G11C29/08 分类号: G11C29/08;G06N3/08;G06N3/04
代理公司: 中国航天科技专利中心 11009 代理人: 陈鹏
地址: 100194 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 存储器 智能 故障 判别 系统 方法
【说明书】:

一种存储器在轨智能故障判别系统及方法,通过包括数据处理和总控模块、数据刷新电路、数据存储单元、采集电流ADC电路、信号采集运算放大器、温度传感器、精密电阻的故障判别系统,采集被测存储器电流参数及被测存储器温度参数,进行滤波处理及滤波后故障识别与分析,对识别后故障判别结果进行存储用于故障分析,对数据处理和总控模块进行定时刷新,完成故障判别的完整流程。

技术领域

发明涉及一种存储器在轨智能故障判别系统及方法,属于在轨元器件健康管理技术领域。

背景技术

40多年来,状态监测与故障判别技术捆掷在一起得到了长足发展,其内涵也得越来越丰富。由依据监测与诊断为途径的被动感知,到以状态和寿命预测为手段的主动防御;由以确定健康状态为目标的状态监测,到以根据监测、诊断和预测结果确定应对措施为目标的健康管理;由对故障多发关键部件的聚焦,到对分系统、甚至全系统全寿命周期的全面综合考虑;这一技术领域的理念不断升级。

经过多年的研究分析,发现航天器在轨飞行过程中,与空间各种高能带电粒子(电子、质子及重离子)发生交互作用。这些高能带电粒子对航天器本身结构材料及功能材料(如数字信号处理类器件)的性能有着强烈的影响。空间高能带电粒子的影响将导致数字信号处理类器件发生故障,甚至最终导致航天器发生灾难性的事故。因此,对数字信号处理类器件进行有效的故障判别和剩余寿命分析,对于优化航天器的选材和设计及提高航天器的在轨服役可靠性,具有十分重要的工程实际意义。

现有技术中,进行故障判别和寿命分析主要通过系统级的诊断,虽然能够完成基础的故障判别工作,但存在故障定位模糊,缺乏元器件级故障判别的能力,造成系统冗余过大、无法故障类型精确定位等问题。

发明内容

本发明解决的技术问题是:针对目前现有技术中,存在的系统冗余过大、无法对元器件故障类型定位等问题,提出了一种存储器在轨智能故障判别系统及方法。

本发明解决上述技术问题是通过如下技术方案予以实现的:

一种存储器在轨智能故障判别系统,包括数据处理和总控模块、数据刷新电路、数据存储单元、采集电流ADC电路、信号采集运算放大器、温度传感器、精密电阻,所述信号采集运算放大器、精密电阻、采集电流ADC电路匹配采集被测存储器电流参数,所述温度传感器用于获取被测存储器温度参数,数据处理和总控模块对被测存储器温度参数、被测存储器电流参数进行滤波处理及滤波后故障识别与分析,数据存储单元对识别后故障判别结果进行存储用于故障分析,数据刷新电路对数据处理和总控模块进行定时刷新。

所述数据处理和总控模块包括Kalman滤波模块、神经网络诊断模块、中控制模块,所述Kalman滤波模块对被测存储器温度参数、被测存储器电流参数进行噪声过滤;神经网络诊断模块由过滤后信息中提取功耗特征信息进行故障判别;中控制模块对Kalman滤波模块、神经网络诊断模块发送控制指令完成故障判别。

所述神经网络诊断模块进行故障判别的具体步骤为:

根据被测存储器的不同故障类型对应的功耗特征信息,建立故障特性神经网络,利用已知的模拟故障数据对故障特性神经网络通过BP算法进行训练,将训练完成后故障特性神经网络于神经网络诊断模块上实现,对所有功耗特征信息进行识别,与不同温度情况下的故障类型进行对应,获取故障判别结果。

所述中控制模块根据被测存储器的测试需求向Kalman滤波模块、神经网络诊断模块发送控制指令,同时控制数据刷新电路、数据存储单元、采集电流 ADC电路、信号采集运算放大器配合实现被测存储器的参数测量。

所述中控制模块设计有握手机制,具体为:

定时向Kalman滤波模块、神经网络诊断模块分别发送数据读取指令,若指定时间内无数据返回,则接受数据读取指令的模块出现错误,通过中控制模块进行强制重启尝试并向外发送故障警告信号,若指定时间内有数据返回,则接受数据读取指令的模块状态正常。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国空间技术研究院,未经中国空间技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211188640.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top