-
公开(公告)号:CN111169662B
公开(公告)日:2020-10-23
申请号:CN202010038746.7
申请日:2020-01-14
Applicant: 北京空间飞行器总体设计部
Abstract: 本发明涉及一种适用于卫星光照条件的多参数自主诊断辨识方法,属于在轨卫星光照条件诊断辨识领域;步骤一、获取逻辑太阳敏感器的测量信号、太阳夹角数据、模拟太阳敏感器的测量信号和太阳电池阵的输出电流;步骤二、判断逻辑太阳敏感器的测量信号的输出为TRUE或FALSE;步骤三、判断太阳夹角数据的输出为TRUE或FALSE;步骤四、判断模拟太阳敏感器的测量信号的输出为TRUE或FALSE;步骤五、判断太阳电池阵的输出电流的输出为TRUE或FALSE;步骤六、建立逻辑树;步骤七、判断卫星是否处于光照区;本发明能够根据在轨卫星遥测参数设置的情况,实现高可靠性的光照区‑地影区状态检测,同时操作简单,适用性强。
-
公开(公告)号:CN111169662A
公开(公告)日:2020-05-19
申请号:CN202010038746.7
申请日:2020-01-14
Applicant: 北京空间飞行器总体设计部
Abstract: 本发明涉及一种适用于卫星光照条件的多参数自主诊断辨识方法,属于在轨卫星光照条件诊断辨识领域;步骤一、获取逻辑太阳敏感器的测量信号、太阳夹角数据、模拟太阳敏感器的测量信号和太阳电池阵的输出电流;步骤二、判断逻辑太阳敏感器的测量信号的输出为TRUE或FALSE;步骤三、判断太阳夹角数据的输出为TRUE或FALSE;步骤四、判断模拟太阳敏感器的测量信号的输出为TRUE或FALSE;步骤五、判断太阳电池阵的输出电流的输出为TRUE或FALSE;步骤六、建立逻辑树;步骤七、判断卫星是否处于光照区;本发明能够根据在轨卫星遥测参数设置的情况,实现高可靠性的光照区-地影区状态检测,同时操作简单,适用性强。
-
公开(公告)号:CN105159286B
公开(公告)日:2017-12-08
申请号:CN201510608592.X
申请日:2015-09-22
Applicant: 北京空间飞行器总体设计部
Inventor: 王环 , 秦巍 , 闫谦时 , 郭义琪 , 颜灵伟 , 韩洪波 , 王晓晨 , 李强 , 田华东 , 邱瑞 , 郭永富 , 张晓鹏 , 罗毓芳 , 陈曦 , 金迪 , 陈炜钊 , 左子瑾 , 张香燕 , 刘鹏 , 翁嘉
IPC: G05B23/02
Abstract: 本发明公开一种航天器在轨异常报警与故障诊断系统,其中:知识编辑器输入已编译好的报警诊断知识;数据缓冲区缓冲输入的原始遥测数据;数据区从数据缓冲区提取推理控制器进行逻辑匹配运算时的遥测数据或遥测指令并对其进行存储;规则区从知识编辑器中装载已经编译好的报警诊断知识,在规则区每个报警诊断知识称之为规则;推理控制器将数据区中的原始遥测数据与规则区中的报警诊断知识进行逻辑匹配运算获得诊断结果;选择需要输出的诊断结果输出至黑板;黑板存储推理控制器通过逻辑匹配运算获得的诊断结果;结果缓冲区缓冲推理控制器选择输出的诊断结果并发送至客户端,待用户通过该客户端查看诊断结果后回复确认信息。
-
公开(公告)号:CN105159286A
公开(公告)日:2015-12-16
申请号:CN201510608592.X
申请日:2015-09-22
Applicant: 北京空间飞行器总体设计部
Inventor: 王环 , 秦巍 , 闫谦时 , 郭义琪 , 颜灵伟 , 韩洪波 , 王晓晨 , 李强 , 田华东 , 邱瑞 , 郭永富 , 张晓鹏 , 罗毓芳 , 陈曦 , 金迪 , 陈炜钊 , 左子瑾 , 张香燕 , 刘鹏 , 翁嘉
IPC: G05B23/02
CPC classification number: G05B23/0229
Abstract: 本发明公开一种航天器在轨异常报警与故障诊断系统,其中:知识编辑器输入已编译好的报警诊断知识;数据缓冲区缓冲输入的原始遥测数据;数据区从数据缓冲区提取推理控制器进行逻辑匹配运算时的遥测数据或遥测指令并对其进行存储;规则区从知识编辑器中装载已经编译好的报警诊断知识,在规则区每个报警诊断知识称之为规则;推理控制器将数据区中的原始遥测数据与规则区中的报警诊断知识进行逻辑匹配运算获得诊断结果;选择需要输出的诊断结果输出至黑板;黑板存储推理控制器通过逻辑匹配运算获得的诊断结果;结果缓冲区缓冲推理控制器选择输出的诊断结果并发送至客户端,待用户通过该客户端查看诊断结果后回复确认信息。
-
公开(公告)号:CN109325208A
公开(公告)日:2019-02-12
申请号:CN201810919284.2
申请日:2018-08-14
Applicant: 北京空间飞行器总体设计部 , 中国长城工业集团有限公司
Abstract: 本发明公开了一种基于经验小波变换EWT和神经网络的零部件寿命预测方法和装置。所述方法从待预测零部件提取获取表征寿命的时间序列数据,作为训练数据;对训练数据进行经验小波变换EWT分解,提取频率最低的单分量信号作为趋势项即表征零部件稳态的特征,并将其余各阶单分量信号合并起来作为剩余项即表征零部件波动的特征;利用剩余项对神经网络时间序列预测模型进行建模;利用零部件数学模型构造趋势项的预测模型;将剩余项的预测模型与趋势项的预测模型结合起来构成整体的预测模型,获得寿命预测数据;根据失效阈值和所述寿命预测数据判定失效时间,获得最终寿命预测结果。使用本发明能够提高预测精度,降低标准均方根误差。
-
-
-
-