公开(公告)号：CN111240304A

公开(公告)日：2020-06-05

申请号：CN202010076010.9

申请日：2020-01-23

Applicant: 北京航天自动控制研究所

Inventor： 郜诗佳 ,  柳嘉润 ,  翟雯婧 ,  徐颂 ,  施健峰 ,  胡任祎 ,  潘豪 ,  张惠平 ,  禹春梅 ,  马卫华

IPC: G05B23/02

Abstract: 本发明涉及一种用于飞行器推力故障在线辨识的机器学习样本生成方法，适用于飞行器飞行过程中典型动力系统故障在线辨识领域。针对控制系统飞行运动信息(如飞行位置、速度、加速度、姿态角、角速度等)进行数据融合生成，并按照本发明设计方法截取相应的数据作为机器学习训练与测试样本。本发明考虑飞行器质心运动、扰心运动、结构干扰、气动力及力矩等因素，通过在仿真模型中引入偏差组合循环生成数据，数据更加真实可信，有利于实际故障辨识精度的提高。本发明对故障模式进行了细化，生成了故障模式颗粒度较细的相关数据，有利于辨识精度的提高。

公开(公告)号：CN111221345A

公开(公告)日：2020-06-02

申请号：CN202010076008.1

申请日：2020-01-23

Applicant: 北京航天自动控制研究所

Inventor： 郜诗佳 ,  巩庆海 ,  翟雯婧 ,  徐颂 ,  张隽 ,  柳嘉润 ,  张惠平 ,  禹春梅 ,  马卫华

IPC: G05D1/08 ,  G05D1/10

Abstract: 本发明涉及一种基于决策树的飞行器推力故障在线辨识方法，适用于飞行器飞行过程中典型动力系统推力故障在线辨识领域。针对控制系统飞行运动信息(如飞行位置、速度、加速度、转速、姿态角、角速度等)进行数据融合生成，并生成决策树，采用训练好的决策树对主发动机故障进行辨识，能够有效实现对故障类型的实时准确建模判别。考虑飞行器质心运动、扰心运动、结构干扰、气动力及力矩等因素，建立更加真实可信仿真模型，生成可信的数据样本，生成决策树，本发明可对飞行器推力故障进行实时在线辨识，可准确辨识出发动机故障。

公开(公告)号：CN111176263A

公开(公告)日：2020-05-19

申请号：CN202010076043.3

申请日：2020-01-23

Applicant: 北京航天自动控制研究所

Inventor： 郜诗佳 ,  柳嘉润 ,  张隽 ,  施健峰 ,  张惠平 ,  禹春梅 ,  马卫华

IPC: G05B23/02

Abstract: 本发明涉及一种基于BP神经网络的飞行器推力故障在线辨识方法，针对控制系统飞行运动信息进行数据融合生成，并训练BP神经网络，采用训练好的BP神经网络对主发动机故障进行辨识，能够有效实现对故障类型的实时准确建模判别。考虑飞行器质心运动、扰心运动、结构干扰、气动力及力矩等因素，建立更加真实可信仿真模型，生成可信的数据样本，对BP神经网络进行训练，本发明可对飞行器推力故障进行实时在线辨识，可准确辨识出哪台发动机故障，以及故障程度。本发明所需计算资源小，可嵌入现有飞行控制计算机，进行飞行过程中的故障实时辨识。发挥控制系统作用，掌握新的核心技术，解决非致命动力故障导致的飞行失利问题。

公开(公告)号：CN109615609A

公开(公告)日：2019-04-12

申请号：CN201811361588.8

申请日：2018-11-15

Applicant: 北京航天自动控制研究所 ,  中国运载火箭技术研究院

Inventor： 郜诗佳 ,  张辉 ,  弭寒光 ,  郜思睿 ,  王德意 ,  柳嘉润 ,  巩庆海 ,  骆无意

IPC: G06T7/00 ,  G06T7/10

Abstract: 一种基于深度学习的焊点瑕疵检测方法，步骤如下：(1)对原始图像数据进行灰度化处理；(2)对灰度化处理后的图像进行预处理，进行滤波处理，消除噪声；(3)对预处理后的图像进行分割处理，将焊点和背景进行区分；(4)将步骤(3)分割处理后的图像进行形态学处理，将相连的焊点进一步分割；(5)对形态学处理后的图像进行最终分割，将相连的焊点处理完全，得到所有的焊点目标；(6)对所有的焊点目标进行瑕疵识别，完成焊点的瑕疵检测。本发明方法实现了电路板焊点的自动识别与瑕疵焊点检测，有助于节约人工成本，且瑕疵识别率高，有助于提升工业生产效率和可靠性。

公开(公告)号：CN109343341A

公开(公告)日：2019-02-15

申请号：CN201811393548.1

申请日：2018-11-21

Applicant: 北京航天自动控制研究所 ,  中国运载火箭技术研究院

Inventor： 郜诗佳 ,  谭浪 ,  王德意 ,  柳嘉润 ,  李博睿 ,  巩庆海 ,  杨业 ,  姬晓琴 ,  翟雯婧

IPC: G05B13/02 ,  G05B13/04 ,  G05D1/08 ,  G05D1/10

Abstract: 一种基于深度强化学习的运载火箭垂直回收智能控制方法，研究实现运载火箭自主智能控制的方法。主要研究解决利用智能控制实现运载火箭垂直回收姿态控制和轨迹规划问题。对航天事业而言，无论在人工成本的节约上，还是在人工失误的减少上，航天器自主智能化无疑都是具有重大意义的。建立运载火箭垂直回收仿真模型，并建立相应的马尔科夫决策过程，包括状态空间、动作空间、状态转移方程、回报函数，使用神经网络拟合环境和智能体行为间的映射关系，并对其进行训练，使得运载火箭能够使用训练好的神经网络自主可控回收。本项目不仅能为航天飞行器轨道智能规划技术提供技术支撑，同时也能为基于深度强化学习的航天飞行器间攻防对抗提供仿真验证平台。