公开(公告)号：CN111258302B

公开(公告)日：2021-10-01

申请号：CN202010076009.6

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 ,  骆无意 ,  马昊磊 ,  黄旭 ,  张惠平 ,  禹春梅 ,  马卫华

IPC: G05B23/02

Abstract: 本发明涉及一种基于LSTM神经网络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进行数据融合生成，并训练LSTM神经网络，采用训练好的LSTM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LSTM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。本发明搭建轻量级的神经网络，运算简单，辨识速度快。

公开(公告)号：CN111258302A

公开(公告)日：2020-06-09

申请号：CN202010076009.6

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 ,  骆无意 ,  马昊磊 ,  黄旭 ,  张惠平 ,  禹春梅 ,  马卫华

IPC: G05B23/02

Abstract: 本发明涉及一种基于LSTM神经网络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进行数据融合生成，并训练LSTM神经网络，采用训练好的LSTM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LSTM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。本发明搭建轻量级的神经网络，运算简单，辨识速度快。