基于MM-SVM的卫星多故障诊断技术应用.pdfVIP

2013年贵州省计算机学会年会论文集 基于MM．SⅥ垤的卫星多故障诊断技术应用 李国明，杨树强’，尹洪 国骁科学技术大学诗算机学院。长沙。4lQ∞3 摘要：随着我国卫星事业的迅速发展，对卫星的精度和稳定度要求越来越高，使得控制系统变得日益复杂，需 要遥测参数也越来越多，导致仅仅依靠人工方式或专家系统检测异常并准确判断故障发生是非常困难的。数据挖 掘技术不考虑卫星各部件之间的物理关系，而是利用卫星的各个部件遥测参数对卫星状态进行检测达到故障判 别的目的，本文结合卫星故障特点，提出了一种基于多模型支持向量机(MM．sVM)技术的卫星故障诊断方法， 介绍了MM．svM在卫星故障诊断中的具体理论及实现过程。并以MM．svM在卫星真实状态监控系统中的应用 为例，对诊断结果进行了分析，表明此方法在卫星设备故障诊断中是有效的。 关键词：卫星故障诊断数据挖掘支持向量机 l前言 分布要能够包括所有故障模式，且类似的故障模式 不能有矛盾或冲突，而实际卫星系统的故障样本很 卫星结构的高度复杂性、运行环境的独特性和 难达到这种要求。按照经典统计数学中的大数定 故障的多源性，使得卫星故障诊断与故障预测较比 律，统计规律只有当训练样本数目接近无限大时才 能够准确地被表达。然而，随着卫星设备研制水平 一般机械设备困难很多。20世纪70年代NASA开始 研究卫星的在轨故障诊断维修技术，其中卫星控制 的不断提高，故障发生率越来越低，故障样本数目 系统在轨故障诊断维修技术是研究的重点，利用卫 也极其有限，因此利用现有的基于经验风险最小化 星控制系统在轨故障诊断维修技术对许多卫星进 的方法得到的故障诊断模型的性能不甚理想，严重 行了成功诊断维修案例。目前，我国对卫星在轨运 影响了实际使用效果，所以，这些理论上很优秀的 行时控制系统地面故障诊断与维修方面研究还比 学习方法在卫星故障诊断的实际应用中很难得到 较少，依然停留在根据卫星故障状态字和遥测数据 真正的应用。目前对于卫星故障诊断的多数文章都 变化范围对卫星进行诊断，并且对卫星在轨运行状 是在仿真数据之上进行的，然而卫星处于高度复杂 态的监视判别也主要通过人工完成。由于人工诊断 的太空环境中，存在众多的不确定因素，而仿真数 方式存在信息缺乏完整性、数据之间分散独立及缺 据很难准确描述卫星真正运行状态，因此仅仅靠这 乏完整的故障管理体系等严重缺陷，而数据挖掘技 些数据很难真正地将建立的算法及模型用于实际 术近几年来的迅猛发展及它在故障诊断方面的独 的卫星诊断中去。 特优势，使得它成为卫星故障诊断方面一个比较热 本文通过我国某颗卫星真实的运行数据及数 的研究方向。[1】将粗糙集用于卫星电源系统故障诊 据特点，提出利用数据挖掘中一种新的分类算法 断中；【2—4】结合传统产生式规则系统构造模糊专家 ——支持向量机分类(SvM)方法，并在支持向量 推理系统；文章【5．7】分别将RBF神经网络和奇偶向 量相结合用于卫星控制系统诊断；【8】采用自适应模 糊推理系统估测每类故障参数。DiHu采用模糊核 在针对小样本学习方面有着坚实的理论基础，它基 聚类算法对卫星姿态控制系统中反应轮为止故障 本上不涉及概率测度及大数定律等，因此不同于现 进行诊酬91。【10]将支持向量机回归估计方法用于有的统计方法。从本质上看，SⅥ订避开了从归纳到 卫星故障诊断。【11]用故障树方法诊断卫星反应轮 演绎的传统过程，实现了高效的从训练样本到预报 故障原因。 样本的推理，从而很大程度上简化了分类问题。这 主要原因于：SVM的最终决策函数只由极少数的 2问题提出