公开(公告)号：CN111240304B

公开(公告)日：2023-03-24

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：CN111176263B

公开(公告)日：2023-04-14

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：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：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。