本文選題：遙測系統(tǒng) + 故障預測　； 參考：《中國航天科技集團公司第一研究院》2017年碩士論文

【摘要】：遙測系統(tǒng)的故障預測是一個多個學科的交叉領域。指標預測技術和故障識別技術是實現(xiàn)目前遙測系統(tǒng)故障預測系統(tǒng)的關鍵。故障預測系統(tǒng)通過分布在遙測系統(tǒng)中的多種傳感器以及相應的軟硬件接口,能夠實現(xiàn)對遙測系統(tǒng)當前狀態(tài)的檢測并獲取用于故障預測的原始數(shù)據(jù),通過支持向量回歸(support vector regression,SVR)、支持向量機(Support Vector Machine,SVM)等數(shù)據(jù)分析和預測技術,能夠實現(xiàn)根據(jù)歷史指標數(shù)據(jù)和當前的指標數(shù)據(jù)判定遙測系統(tǒng)當前的故障狀態(tài),并實現(xiàn)對未來故障的預測。本文在經典遙測系統(tǒng)的故障識別和預測技術基礎之上,針對故障預測系統(tǒng)架構的設計與實現(xiàn)、指標預測、基于預測指標的故障判別等問題,設計并實現(xiàn)了一個基于歷史指標數(shù)據(jù)的故障預測系統(tǒng)架構;設計并實現(xiàn)了基于SVR的指標預測方法;利用指標預測結果,采用機器學習的方法進行了故障狀態(tài)的判別:1.針對遙測系統(tǒng)的現(xiàn)狀和故障預測的功能需求,設計并部分實現(xiàn)了可以基于歷史指標數(shù)據(jù)的故障預測系統(tǒng)。2.對指標預測過程中的指標數(shù)據(jù)的采集與清洗、SVR模型的訓練、單指標預測和多指標預測等關鍵技術進行研究和改進。在數(shù)據(jù)的采集與清洗方面,采用遙測設備傳感器獲取的指標數(shù)據(jù)作為數(shù)據(jù)源,并將數(shù)據(jù)采用圖的方式進行數(shù)據(jù)的可視化。在單指標預測方面,通過時間窗口分段選取指標數(shù)據(jù)進行SVR的指標預測,并對精度較高的單步預測和時間跨度較大的多步預測進行了研究和對比。進行了基于時間一致性的多指標預測。3.對目前的遙測系統(tǒng)故障判別方法進行研究,提出了一種基于機器學習的故障判別方法。與現(xiàn)有方法相比,該方法對故障的判別僅依據(jù)歷史故障數(shù)據(jù),能夠在不改變方法的情況下對多個型號的遙測設備進行故障判別。4.本文使用Python語言實現(xiàn)了故障預測系統(tǒng)的軟件部分。實現(xiàn)的系統(tǒng)能夠依據(jù)歷史的指標數(shù)據(jù)對未來指標進行預測,預測的結果可以通過可視化的方式進行顯示。在指標預測的基礎上,使用機器學習的方法對未來的故障狀態(tài)進行判別。最終通過指標預測和對未來指標數(shù)據(jù)的故障判別,實現(xiàn)了對遙測系統(tǒng)的故障預測。
[Abstract]:The fault prediction of telemetry system is a cross-disciplinary field. Index prediction technology and fault identification technology are the key to realize the current telemetry system fault prediction system. The fault prediction system can detect the current status of the telemetry system and obtain the original data for the fault prediction through a variety of sensors distributed in the telemetry system and the corresponding hardware and software interfaces. By using support vector regression (support vector), support vector machine (SVM) and other data analysis and prediction techniques, the current fault state of telemetry system can be determined according to historical index data and current index data, and the future fault prediction can be realized. On the basis of the fault identification and prediction technology of the classical telemetry system, this paper aims at the design and implementation of the fault prediction system architecture, the index prediction, the fault discrimination based on the prediction index and so on. A fault prediction system architecture based on historical index data is designed and implemented. An index prediction method based on SVR is designed and implemented. According to the current situation of telemetry system and the functional requirements of fault prediction, a fault prediction system .2. based on historical index data is designed and partially implemented. This paper studies and improves the key techniques of index data acquisition and cleaning SVR model, single index prediction and multiple index prediction in the process of index prediction. In the aspect of data acquisition and cleaning, the index data obtained by telemetry device sensor is used as the data source, and the data is visualized by the way of graph. In the aspect of single index prediction, the index prediction of SVR is carried out by selecting the index data from time window, and the single step prediction with high precision and the multi step prediction with long time span are studied and compared. The time consistency based multiple index prediction. 3. A fault discrimination method based on machine learning is proposed in this paper. Compared with the existing methods, this method can distinguish the faults of multiple types of telemetry equipment only according to the historical fault data, and can be used to judge the faults of multiple types of telemetry equipment without changing the method. In this paper, the software of fault prediction system is realized by Python language. The system can predict the future index according to the historical index data, and the predicted results can be visualized. On the basis of index prediction, machine learning is used to judge the future fault state. Finally, the fault prediction of telemetry system is realized by index prediction and fault discrimination of future index data.
【學位授予單位】：中國航天科技集團公司第一研究院
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：V556;TP181

【參考文獻】

相關期刊論文 前10條

1 沈凡宇;周圣林;;裝備故障預測技術現(xiàn)狀及發(fā)展研究[J];裝備制造技術;2016年08期

2 孫旭升;周剛;于洋;李鳳宇;;機械設備故障預測與健康管理綜述[J];兵工自動化;2016年01期

3 李博琳;楊述明;郭創(chuàng);;PHM需求下的系統(tǒng)級裝備測試優(yōu)化選擇方法研究[J];測控技術;2015年11期

4 孫旭升;周剛;李鳳宇;晏玉坤;阮航;;核動力裝置故障預測與健康管理研究[J];四川兵工學報;2015年08期

5 薛裕穎;段希義;潘玉民;;時序與回歸預測方法比較研究[J];黑龍江科技信息;2015年19期

6 習偉;李鵬;郭曉斌;許愛東;蔣愈勇;張利強;吳玉生;;多維時間序列關聯(lián)分析方法在電力設備故障預測中的應用[J];電網(wǎng)與清潔能源;2014年12期

7 仝一君;王力;;基于NPE算法的語音特征提取應用研究[J];通信技術;2014年11期

8 趙文;董云峰;;衛(wèi)星在軌故障地面診斷系統(tǒng)設計[J];航天器工程;2014年03期

9 印瑩;李明;趙宇海;張斌;;基于改進HMM模型的組合服務故障診斷方法[J];東北大學學報(自然科學版);2014年05期

10 郭競;周明全;耿國華;李超;;隱馬爾科夫模型在三維模型自動分類中的應用[J];西北大學學報(自然科學版);2014年02期

相關博士學位論文 前3條

1 王曉佳;基于數(shù)據(jù)分析的預測理論與方法研究[D];合肥工業(yè)大學;2012年

2 許麗佳;電子系統(tǒng)的故障預測與健康管理技術研究[D];電子科技大學;2009年

3 趙暉;支持向量機分類方法及其在文本分類中的應用研究[D];大連理工大學;2006年

相關碩士學位論文 前10條

1 李興華;基于雙支撐相輪廓特征的步態(tài)識別系統(tǒng)研究與實現(xiàn)[D];暨南大學;2014年

2 羅軍;3D連續(xù)手勢識別研究[D];電子科技大學;2014年

3 陳家偉;支持向量機在人體健康狀態(tài)預測中的研究與應用[D];中國科學技術大學;2014年

4 陳志剛;基于度量學習和聚類的一致性預測器算法研究[D];廈門大學;2014年

5 劉維;盾構機推進系統(tǒng)故障預測研究[D];南京理工大學;2014年

6 賈繼龍;基于動態(tài)預測的重型載貨車輛側翻預警關鍵技術研究[D];河北工程大學;2013年

7 李鄭剛;供電企業(yè)設備缺陷管理系統(tǒng)設計與實現(xiàn)[D];電子科技大學;2012年

8 楊媛媛;電力電子電路參數(shù)辨識與故障預測方法研究[D];南京航空航天大學;2011年

9 馬雁春;基于數(shù)據(jù)挖掘的航空PHM中預測方法的研究[D];南京航空航天大學;2010年

10 丁剛;基于支持向量機的移動機器人環(huán)境感知和物體識別研究[D];中國科學技術大學;2009年

，

本文編號：2065839