航天器在故障定位過程中易受原始電源信號的干擾,導致識別效果較差,為了解決該問題,提出了基于多層前饋神經網絡的航天器在線故障檢測系統(tǒng)設計;根據航天器在線故障檢測原理及物聯(lián)網技術設計系統(tǒng)總體架構,并分別對硬件部分及軟件部分進行設計;硬件部分結合工業(yè)標準PC組件,設計PXI機箱結構,完成對PXI測量模塊的控制,利用MXI-4接口工具實現遠程遙控,解決干擾信號對系統(tǒng)定位識別干擾;設計FPGA的EP3C10芯片外圍結構,確定電路板主、子適配器管腳連接方式,利用兩個高速AD轉換器差分采樣,通過FIFO存儲采樣結果;通過電子負載板繼電器控制模塊,控制信號阻斷性能;構建基于多層前饋神經網絡識別模型,依據確定性邏輯推理規(guī)則得出識別門限值,依據閾值設定具體識別流程,判斷則判定參數有故障,完成系統(tǒng)設計;實驗結果表明,該系統(tǒng)信號阻斷效果優(yōu)異,在距離為2m和6m時達到最大信號幅值0.9,故障模式的檢測結果與理想結果一致,能夠為航天器穩(wěn)定運行提供設備支持。 

【文章頁數】：5 頁

【部分圖文】：

電子負載板繼電器控制模塊

系統(tǒng)總體架構

PXI機箱結構

【參考文獻】：
期刊論文
[1]PSO優(yōu)化BP神經網絡齒輪箱故障診斷[J]. 張永超,李金才,趙錄懷.  電子技術應用. 2019(12)
[2]基于模糊RBF神經網絡的高壓斷路器機構故障診斷[J]. 林琳,陳志英.  高壓電器. 2019(10)
[3]基于故障樹搜索的起重機液壓系統(tǒng)故障定位方法研究[J]. 何慶飛,陳小虎,姚春江,王德文,張寧.  機床與液壓. 2019(19)
[4]基于CNN-SVM的深度卷積神經網絡軸承故障識別研究[J]. 胡曉依,荊云建,宋志坤,侯銀慶.  振動與沖擊. 2019(18)
[5]基于遷移學習深度卷積神經網絡的配電網故障區(qū)域定位[J]. 孟子超,杜文娟,王海風.  南方電網技術. 2019(07)
[6]集成LSTM的航天器遙測數據異常檢測方法[J]. 董靜怡,龐景月,彭宇,劉大同.  儀器儀表學報. 2019(07)
[7]基于ILLE和SVM的衛(wèi)星執(zhí)行機構系統(tǒng)故障檢測與定位[J]. 江文建,姜斌,廖鶴,程月華,葉正宇.  航天控制. 2019(03)
[8]基于深度神經網絡的提升機軸承故障診斷研究[J]. 馬輝,車迪,牛強,夏士雄.  計算機工程與應用. 2019(16)
[9]基于圖論的不接地系統(tǒng)在線故障定位方法[J]. 張利,趙波,王麗婕,范新橋.  電網技術. 2019(08)
[10]基于動力特性及BP神經網絡的風電機組葉片損傷識別[J]. 薛剛,蘇天.  太陽能學報. 2018(10)



本文編號：3661677