专利名称：基于支持向量机的动量轮故障检测装置及方法
技术领域：
本发明涉及一种基于支持向量机的动量轮故障检测装置及方法，属于可靠性技术中卫星姿控系统执行器故障诊断的领域。
背景技术：
统计学习理论(Statistical Learning Theory或SLT)是一种专门研究实际应用中有限样本情况下机器学习规律的理论。V. Vapnik等人从六、七十年代开始致力于此方面的研究。由此发展了支持向量机(Support Vector Machine，SVM)这一新的通用学习方法，它基于结构风险最小化(SRM)原理，在使训练样本分类误差极小化的前提下，尽量提高分类器的泛化推广能力。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已经在模式识别、函数逼近和概率密度估计等方面取得了良好的应用效果。传统的统计模式识别方法的研究前提是数目要足够多，所以所提出的各种方法只有在样本数趋向于无穷大时其性能才有理论上的保证。但是，在实际情况下，动量轮故障数据样本是非常稀缺的，对于这样的小样本问题，利用传统的机器学习方式就会遇到过学习与欠学习、局部极小点等问题。
发明内容
本发明提出了一种基于支持向量机的动量轮故障检测装置及方法，能够用于动量轮故障检测、报警及状态监测的可行性验证，提高了故障检测精度，降低了故障检测的工作量， 具有良好的工程可实现性。本发明为解决其技术问题采用如下技术方案
一种基于支持向量机的动量轮故障检测装置，包括SVM训练模块、故障注入模块、数据采集模块、故障检测模块、地面监控模块、控制回路模块；经过SVM训练模块得到支持向量机，故障注入模块注入特性类型故障，数据采集模块采集控制回路模块中与故障信息相关的数据流传递给故障检测模块，地面监控模块及时给出报警处理并存储相关异常数据；所述控制回路模块由精密轴系气浮台、测角装置、台上控制机、动量轮构成闭环控制回路；所述地面监控模块包括地面监控机、数据存储器和报警处理器。所述的基于支持向量机的动量轮故障检测装置的故障检测方法，包括如下步骤
1)首先选取动量轮样本数据，经过数据预处理环节，得到与故障信息相关的特征故障样本数据，SVM训练模块利用监督式学习法对特征故障样本数据进行训练分类，对于无故障情况，令SVM阀值为-1，对于故障情况，令SVM阀值为1，求解得到分类超平面及一组支持向量，该支持向量机将用于后续的故障检测模块；
2)开启运行半物理仿真平台，给精密轴系气浮台、动量轮、台上控制机、地面监控机加电，启动各模块运行程序；将精密轴系气浮台置于某一初始运行状态；
3)设定动量轮某一特定故障特征信息，包括故障类型、故障发生开始结束时间、故障大小参数；
4)故障注入模块在设定的故障开始时间，根据需模拟的故障类型、故障大小特性，对控制指令进行信号处理，产生伪指令信号，输出到动量轮，实现动量轮故障模拟；5)测角装置实时获取精密轴系气浮台姿态信息，传输给台上控制机；数据采集模块从控制回路中获取数据流，包括控制信号、姿态信息，提取与故障信息相关的数据序列；
6)支持向量机获取数据序列，通过运算判断数据序列所属类别，当SVM阀值为-1时，判断为无故障发生，当SVM阀值为1时，判断为发生故障，得出检测结果；
7)一旦故障检测模块检测到故障，地面监控机给出报警处理，并将相关异常数据及信息存入数据存储器中。本发明的有益效果如下
1、本方案采用基于支持向量机的方法进行动量轮故障检测，提出的方法适用于故障样本数据稀缺、系统非线性耦合强等实际问题，该方法避免了传统故障检测方法的局限性，无需设计观测器，实现简单且占用系统资源少、工程可实现性强以及诊断效率高的特性符合航天工程要求。2、本方案所采用的地面监控模块，一旦检测出系统故障会立即给出警告提示并将异常数据存入系统日记及数据库，能够有效提高系统的决策应变能力。该平台能够用于动量轮故障检测、报警及状态监测的可行性验证。
图1为基于支持向量机的动量轮故障检测装置的检测方法模块连接图。图2为支持向量机形成过程。图3为基于支持向量机的动量轮故障检测装置的检测方法的流程图。
具体实施例方式
下面结合附图对发明创造做进一步详细说明
如图1所示，为基于支持向量机的动量轮故障检测装置的检测方法模块连接图。主要包含故障检测过程各模块连接关系。故障注入模块将故障信息注入到控制回路模块；数据采集模块采集数据流，并传输给故障检测模块；故障检测模块对数据做相应的分析并将检测结果及相关异常数据传输给地面监控模块；地面监控模块做出报警及异常数据存储等工作。所述控制回路模块由精密轴系气浮台、测角装置、台上控制机、动量轮构成闭环控制回路；所述地面监控模块包括地面监控机、数据存储器和报警处理器。以下简述各模块的功能。故障注入模块该模块根据需模拟的故障类型，对控制指令进行信号处理，输出伪指令信号到动量轮，实现动量轮故障模拟。数据采集模块该模块从控制回路中获取数据流，提取与故障信息相关的数据序列。故障检测模块针对动量轮设计支持向量机，该模块获取与故障信息相关的数据序列，将数据序列传输给事先训练好的支持向量机，支持向量机通过运算对数据序列进行分类，判别是否发生故障。地面监控模块一旦检测到故障，地面监控模块给出报警处理，并将相关异常数据及信息存入系统日记及数据库。控制回路模块包括精密轴系气浮台、动量轮、台上控制机、测角装置，其中动量轮置于精密轴系气浮转台上。(1)精密轴系气浮台对于偏置角动量控制方式的小卫星姿态控制系统，俯仰轴与其他两轴解耦，故可以单独采用偏置动量轮来实现俯仰轴的姿态控制；精密轴系气浮台用于模拟偏置角动量控制方式下的小卫星俯仰轴动力学特性。(2)动量轮动量轮作为重要执行机构，接收控制指令，输出控制力矩作用于精密轴系气浮转台，实现小卫星姿态控制。(3)台上控制机台上控制机包括两个方面功能，姿态确定和姿态控制。采用测角装置实现姿态确定，姿态控制是根据姿态信息，采用控制律计算得到执行机构控制指令并输出。(4)测角装置角度传感器，实时获取气浮台单轴姿态信息，用于代替陀螺等姿态敏感器功能。本方案采用基于支持向量机的方法来对动量轮故障进行检测，而支持向量库是由动量轮故障特征数据进行SVM训练而得到的。支持向量机形成过程如图2所示，首先选取样本数据，经过数据预处理环节，得到与故障信息相关的特征故障样本数据，SVM训练模块利用监督式学习法对特征故障样本数据进行训练分类，对于无故障情况，令SVM阀值为-1，对于故障情况，令SVM阀值为1，求解得到分类超平面及一组支持向量，该支持向量机将用于后续的故障检测模块。SVM训练模块的功能该模块对预先选定的样本数据进行训练，利用监督式学习法(对训练数据集中的每一条数据都给出其类别信息，即训练样本是由(x，y)成对给出)。经训练之后将得到一组支持向量。决策函数
权利要求
1.一种基于支持向量机的动量轮故障检测装置，其特征在于包括SVM训练模块、故障注入模块、数据采集模块、故障检测模块、地面监控模块、控制回路模块；经过SVM训练模块得到支持向量机，故障注入模块注入特性类型故障，数据采集模块采集控制回路模块中与故障信息相关的数据流传递给故障检测模块，地面监控模块及时给出报警处理并存储相关异常数据；所述控制回路模块由精密轴系气浮台、测角装置、台上控制机、动量轮构成闭环控制回路；所述地面监控模块包括地面监控机、数据存储器和报警处理器。
2.一种应用于权利要求1所述的基于支持向量机的动量轮故障检测装置的故障检测方法，其特征在于，包括如下步骤1)首先选取动量轮样本数据，经过数据预处理环节，得到与故障信息相关的特征故障样本数据，SVM训练模块利用监督式学习法对特征故障样本数据进行训练分类，对于无故障情况，令SVM阀值为-1，对于故障情况，令SVM阀值为1，求解得到分类超平面及一组支持向量，该支持向量机将用于后续的故障检测模块；2)开启运行半物理仿真平台，给精密轴系气浮台、动量轮、台上控制机、地面监控机加电，启动各模块运行程序；将精密轴系气浮台置于某一初始运行状态；3)设定动量轮某一特定故障特征信息，包括故障类型、故障发生开始结束时间、故障大小参数；4)故障注入模块在设定的故障开始时间，根据需模拟的故障类型、故障大小特性，对控制指令进行信号处理，产生伪指令信号，输出到动量轮，实现动量轮故障模拟；5)测角装置实时获取精密轴系气浮台姿态信息，传输给台上控制机；数据采集模块从控制回路中获取数据流，包括控制信号、姿态信息，提取与故障信息相关的数据序列；6)支持向量机获取数据序列，通过运算判断数据序列所属类别，当SVM阀值为-1时，判断为无故障发生，当SVM阀值为1时，判断为发生故障，得出检测结果；7)—旦故障检测模块检测到故障，地面监控机给出报警处理，并将相关异常数据及信息存入数据存储器中。
全文摘要
本发明涉及一种基于支持向量机的动量轮故障检测装置及方法，属于可靠性技术中卫星姿控系统执行器故障诊断的领域。该装置包括SVM训练模块、故障注入模块、数据采集模块、故障检测模块、地面监控模块、控制回路模块；经过SVM训练模块得到支持向量机，故障注入模块注入特性类型故障，数据采集模块采集控制回路模块中与故障信息相关的数据流传递给故障检测模块，地面监控模块及时给出报警处理并存储相关异常数据。该装置能够用于动量轮故障检测、报警及状态监测的可行性验证，提高了故障检测精度，降低了故障检测的工作量，具有良好的工程可实现性。
文档编号G01M13/00GK102288398SQ20111012515
公开日2011年12月21日 申请日期2011年5月16日 优先权日2011年5月16日
发明者傅艳萍, 姜斌, 杨明凯, 程月华 申请人:南京航空航天大学