论文部分内容阅读
故障预测及诊断技术在航天系统工程中发挥着不可磨灭的作用,可保障航天器在运行阶段具备较高的可靠性和安全性,延长飞行器使用寿命。本文以卫星为诊断对象,粗糙集理论为主线,灰色模型和支持向量机为预测模型,案例诊断方法、故障树诊断方法和贝叶斯网络为诊断模型,以多种计算机语言为工具,研究并开发出一套适用于卫星的故障预测及诊断系统。在系统地应用(邻域)粗糙集理论之前,对邻域粗糙集邻域半径的确定方法进行了试验分析,得出了新的邻域粗糙集约简时邻域半径的确定原则和方法,并通过对比实验证明了该原则和方法的有效性。提出了采用灰色模型、粗糙集和支持向量机结合的预测方法。通过对多种灰色系统预测模型的对比分析,验证出新陈代谢灰色预测模型更适用于卫星遥测数据预测。采用粗糙集和支持向量机结合的方法对预测数据进行分类判断。通过对比,验证了网格寻优法更适用于本预测系统。对案例诊断中案例检索和相似度计算等关键问题进行了研究。选取递进式检索策略,分析得出对于数据缺失情况采用数据剔除的办法进行相似度计算更为准确。利用粗糙集和信息熵理论提出了新的属性权值计算方法,实验结果表明本文方法更具客观性、普适性和精确性。对故障树和贝叶斯网络模型的定性分析和定量计算进行了对比分析,提出了以故障树进行定性分析、以贝叶斯网络进行定量计算的故障诊断方案。为了达到更为理想的诊断效果,提出了一种基于邻域粗糙集的由故障树向贝叶斯网络转换的约简方法,实验表明经过该方法约简后的网络模型诊断效果更佳。联系实际需求,以多种计算机语言结合开发了卫星故障预测及诊断系统,实现了诊断系统的可视化、图形化的人机友好交互。在故障树诊断模块中,提出了一种新的数据库架构方法,有效地降低了故障树数据库构建的冗余,并通过对Visio的二次开发实现了故障树的图形化绘制功能。