【摘要】：衛(wèi)星作為一種重要的航天器,它具有系統(tǒng)集成度高、部件功能復(fù)雜、造價(jià)昂貴、壽命長(zhǎng)、不易維修等特點(diǎn),與普通產(chǎn)品相比,長(zhǎng)期工作在惡劣的外太空環(huán)境中,高強(qiáng)度輻射效應(yīng)、大量隕石撞擊與單粒子事件等多種因素導(dǎo)致衛(wèi)星部件會(huì)逐漸不可避免地產(chǎn)生性能退化,導(dǎo)致各種故障隨之產(chǎn)生。動(dòng)量輪、陀螺儀等部件作為衛(wèi)星上最容易失效退化的關(guān)鍵部件,其失效往往導(dǎo)致嚴(yán)重的故障事故發(fā)生。保證衛(wèi)星在軌安全可靠地運(yùn)行是保障后續(xù)科研等任務(wù)高質(zhì)量完成的前提,因此,對(duì)衛(wèi)星的關(guān)鍵部件進(jìn)行壽命預(yù)測(cè)具有非常重要的意義。本文在分析了國(guó)內(nèi)外大量失效建模與剩余壽命預(yù)測(cè)資料的基礎(chǔ)上,對(duì)各種方法進(jìn)行了總結(jié),認(rèn)為通過(guò)單一的測(cè)量數(shù)據(jù)、單一的退化量、單一的退化模型不足以對(duì)復(fù)雜產(chǎn)品退化過(guò)程進(jìn)行準(zhǔn)確地描述。針對(duì)上述不足,本文采用信息融合理論進(jìn)行壽命預(yù)測(cè),具體總結(jié)如下:(1)針對(duì)外太空數(shù)據(jù)易被噪聲污染的問(wèn)題,提出了融合信號(hào)非局部信息的1維數(shù)據(jù)去噪方法;針對(duì)數(shù)據(jù)缺失的問(wèn)題,提出了一種融合不同模型的缺失數(shù)據(jù)填充算法;實(shí)驗(yàn)數(shù)據(jù)表明本文方法可行、有效。(2)基于Wiener過(guò)程,針對(duì)單傳感器系統(tǒng)退化建模誤差較大的問(wèn)題,使用多源傳感器融合理論對(duì)退化數(shù)據(jù)進(jìn)行建模,結(jié)合分布式Kalman濾波器融合不同傳感器的狀態(tài)估計(jì),使用EM算法更新系統(tǒng)參數(shù),得到了同步多傳感器的剩余壽命預(yù)測(cè)模型,并將其與單傳感器的剩余壽命預(yù)測(cè)模型進(jìn)行對(duì)比,得到了更準(zhǔn)確的估計(jì)結(jié)果。同時(shí)針對(duì)某些系統(tǒng)傳感器測(cè)量時(shí)間不一致的情況,采用了一種將融合周期中的異步間接觀測(cè)值轉(zhuǎn)化為融合時(shí)間的方法,建立相應(yīng)的狀態(tài)空間方程,使用卡爾曼濾波器估計(jì)狀態(tài),并且利用EM算法更新模型參數(shù),解決了異步多傳感器系統(tǒng)的壽命預(yù)測(cè)問(wèn)題。對(duì)符合Weibull分布的產(chǎn)品進(jìn)行多傳感器建模,對(duì)比分布式融合策略與集中式融合策略的預(yù)測(cè)結(jié)果。(3)通過(guò)研究動(dòng)量輪的退化過(guò)程,發(fā)現(xiàn)電流、潤(rùn)滑劑剩余量、軸承溫度等退化量均可作為度量動(dòng)量輪失效過(guò)程的退化量。因此,本文使用這三種異源傳感器采集的數(shù)據(jù)進(jìn)行融合建模,使用Copula理論對(duì)分別基于電流、潤(rùn)滑劑和溫度的失效分布模型進(jìn)行了融合,得到了聯(lián)合概率分布,進(jìn)而求得到其可靠度函數(shù)。(4)針對(duì)陀螺儀等嚴(yán)格非線性退化產(chǎn)品進(jìn)行了分析,認(rèn)為單一的退化模型難以準(zhǔn)確刻畫其退化軌跡,因此提出了一種融合多種非線性退化模型的新型退化模型,推演得到壽命概率密度的表達(dá)式,計(jì)算其數(shù)學(xué)期望得到實(shí)時(shí)剩余壽命估計(jì),采用某型號(hào)陀螺儀的退化數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)驗(yàn)證,結(jié)果表明提出的新型非線性退化模型能夠較好地描述其退化過(guò)程。(5)對(duì)鋰電池的退化過(guò)程進(jìn)行了研究,通過(guò)相關(guān)性分析方法確定度量鋰電池容量的退化量。提出了一種融合長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(Long Short Term Memory,LSTM)與稀疏降噪自編碼器的鋰電池壽命預(yù)測(cè)算法。使用棧式稀疏降噪自編碼器(The Stacked Denoising Autoencoder,SDA)訓(xùn)練退化量與電池容量之間的相關(guān)模型,然后通過(guò)LSTM建立退化量的序列預(yù)測(cè)模型,最后將LSTM的退化預(yù)測(cè)結(jié)果輸入SDA中,進(jìn)而實(shí)現(xiàn)鋰電池容量的預(yù)測(cè),最終分析得到其剩余壽命結(jié)果。
【圖文】：

可以通過(guò)某些物理量反映出退化趨勢(shì)，因此考慮通過(guò)選取某些物理量的監(jiān)測(cè)數(shù)據(jù)作為設(shè)備的退化參數(shù)，從而得到以退化數(shù)據(jù)為基礎(chǔ)的可靠度預(yù)測(cè)模型。動(dòng)量輪是衛(wèi)星姿控系統(tǒng)不可或缺的機(jī)械器件，，結(jié)構(gòu)圖如圖4 1所示，原理圖如圖4 2所示，內(nèi)部高速旋轉(zhuǎn)的電機(jī)可產(chǎn)生一定的動(dòng)量，通過(guò)調(diào)整電機(jī)轉(zhuǎn)速的高低和旋轉(zhuǎn)方向，施加一定的力矩到衛(wèi)星上，進(jìn)而控制整星姿態(tài)。研究動(dòng)量輪的失效原因發(fā)現(xiàn)軸溫、潤(rùn)滑劑系統(tǒng)、電流與失效事故密切相關(guān)【62】【91】【93】。現(xiàn)有的動(dòng)量輪可靠性預(yù)測(cè)算法集中在單一退化量的模型上，從而建模分析其可靠度與剩余壽命。事實(shí)上，衛(wèi)星動(dòng)量輪的失效過(guò)程由潤(rùn)滑劑、電流、軸承溫度等眾多因素共同作用影響，在外太空中，恒星的輻射會(huì)使得衛(wèi)星上的元器件存在嚴(yán)重的干擾噪聲，進(jìn)而致使軸溫?cái)?shù)據(jù)嚴(yán)重失真，同時(shí)因?yàn)閹щ姾傻牧Ｗ幼矒羧菀籽蜎](méi)微弱的電流信號(hào)。圖4-3與圖4-4分別給出了動(dòng)量輪的潤(rùn)滑劑與電流的退化樣本數(shù)據(jù)，不難發(fā)現(xiàn)其表現(xiàn)為近似線性退化趨勢(shì)，考慮建立線性退化模型以表征動(dòng)量輪的退化程度。綜上

可以通過(guò)某些物理量反映出退化趨勢(shì)，因此考慮通過(guò)選取某些物理量的監(jiān)測(cè)數(shù)據(jù)作為設(shè)備的退化參數(shù)，從而得到以退化數(shù)據(jù)為基礎(chǔ)的可靠度預(yù)測(cè)模型。動(dòng)量輪是衛(wèi)星姿控系統(tǒng)不可或缺的機(jī)械器件，結(jié)構(gòu)圖如圖4 1所示，原理圖如圖4 2所示，內(nèi)部高速旋轉(zhuǎn)的電機(jī)可產(chǎn)生一定的動(dòng)量，通過(guò)調(diào)整電機(jī)轉(zhuǎn)速的高低和旋轉(zhuǎn)方向，施加一定的力矩到衛(wèi)星上，進(jìn)而控制整星姿態(tài)。研究動(dòng)量輪的失效原因發(fā)現(xiàn)軸溫、潤(rùn)滑劑系統(tǒng)、電流與失效事故密切相關(guān)【62】【91】【93】。現(xiàn)有的動(dòng)量輪可靠性預(yù)測(cè)算法集中在單一退化量的模型上，從而建模分析其可靠度與剩余壽命。事實(shí)上，衛(wèi)星動(dòng)量輪的失效過(guò)程由潤(rùn)滑劑、電流、軸承溫度等眾多因素共同作用影響，在外太空中，恒星的輻射會(huì)使得衛(wèi)星上的元器件存在嚴(yán)重的干擾噪聲，進(jìn)而致使軸溫?cái)?shù)據(jù)嚴(yán)重失真，同時(shí)因?yàn)閹щ姾傻牧Ｗ幼矒羧菀籽蜎](méi)微弱的電流信號(hào)。圖4-3與圖4-4分別給出了動(dòng)量輪的潤(rùn)滑劑與電流的退化樣本數(shù)據(jù)，不難發(fā)現(xiàn)其表現(xiàn)為近似線性退化趨勢(shì)，考慮建立線性退化模型以表征動(dòng)量輪的退化程度。綜上
【學(xué)位授予單位】：西安理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：V467;TP202

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 Yuchen SONG;Datong LIU;Yandong HOU;Jinxiang YU;Yu PENG;;Satellite lithium-ion battery remaining useful life estimation with an iterative updated RVM fused with the KF algorithm[J];Chinese Journal of Aeronautics;2018年01期

2 陳仁祥;黃鑫;楊黎霞;湯寶平;陳思楊;楊星;;加噪樣本擴(kuò)展深度稀疏自編碼神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承壽命階段識(shí)別[J];振動(dòng)工程學(xué)報(bào);2017年05期

3 趙廣社;吳思思;榮海軍;;多源統(tǒng)計(jì)數(shù)據(jù)驅(qū)動(dòng)的航空發(fā)動(dòng)機(jī)剩余壽命預(yù)測(cè)方法[J];西安交通大學(xué)學(xué)報(bào);2017年11期

4 周紹華;胡昌華;司小勝;方世鵬;裴洪;;融合非線性加速退化模型與失效率模型的產(chǎn)品壽命預(yù)測(cè)方法[J];電子學(xué)報(bào);2017年05期

5 吳軍;蘇永衡;朱永猛;鄧超;;基于信息融合的刀具剩余壽命在線預(yù)測(cè)方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年04期

6 李sバ

本文編號(hào)：2593077