【摘要】：衛(wèi)星作為一種重要的航天器,它具有系統(tǒng)集成度高、部件功能復雜、造價昂貴、壽命長、不易維修等特點,與普通產品相比,長期工作在惡劣的外太空環(huán)境中,高強度輻射效應、大量隕石撞擊與單粒子事件等多種因素導致衛(wèi)星部件會逐漸不可避免地產生性能退化,導致各種故障隨之產生。動量輪、陀螺儀等部件作為衛(wèi)星上最容易失效退化的關鍵部件,其失效往往導致嚴重的故障事故發(fā)生。保證衛(wèi)星在軌安全可靠地運行是保障后續(xù)科研等任務高質量完成的前提,因此,對衛(wèi)星的關鍵部件進行壽命預測具有非常重要的意義。本文在分析了國內外大量失效建模與剩余壽命預測資料的基礎上,對各種方法進行了總結,認為通過單一的測量數據、單一的退化量、單一的退化模型不足以對復雜產品退化過程進行準確地描述。針對上述不足,本文采用信息融合理論進行壽命預測,具體總結如下:(1)針對外太空數據易被噪聲污染的問題,提出了融合信號非局部信息的1維數據去噪方法;針對數據缺失的問題,提出了一種融合不同模型的缺失數據填充算法;實驗數據表明本文方法可行、有效。(2)基于Wiener過程,針對單傳感器系統(tǒng)退化建模誤差較大的問題,使用多源傳感器融合理論對退化數據進行建模,結合分布式Kalman濾波器融合不同傳感器的狀態(tài)估計,使用EM算法更新系統(tǒng)參數,得到了同步多傳感器的剩余壽命預測模型,并將其與單傳感器的剩余壽命預測模型進行對比,得到了更準確的估計結果。同時針對某些系統(tǒng)傳感器測量時間不一致的情況,采用了一種將融合周期中的異步間接觀測值轉化為融合時間的方法,建立相應的狀態(tài)空間方程,使用卡爾曼濾波器估計狀態(tài),并且利用EM算法更新模型參數,解決了異步多傳感器系統(tǒng)的壽命預測問題。對符合Weibull分布的產品進行多傳感器建模,對比分布式融合策略與集中式融合策略的預測結果。(3)通過研究動量輪的退化過程,發(fā)現(xiàn)電流、潤滑劑剩余量、軸承溫度等退化量均可作為度量動量輪失效過程的退化量。因此,本文使用這三種異源傳感器采集的數據進行融合建模,使用Copula理論對分別基于電流、潤滑劑和溫度的失效分布模型進行了融合,得到了聯(lián)合概率分布,進而求得到其可靠度函數。(4)針對陀螺儀等嚴格非線性退化產品進行了分析,認為單一的退化模型難以準確刻畫其退化軌跡,因此提出了一種融合多種非線性退化模型的新型退化模型,推演得到壽命概率密度的表達式,計算其數學期望得到實時剩余壽命估計,采用某型號陀螺儀的退化數據進行了實驗驗證,結果表明提出的新型非線性退化模型能夠較好地描述其退化過程。(5)對鋰電池的退化過程進行了研究,通過相關性分析方法確定度量鋰電池容量的退化量。提出了一種融合長短時記憶網絡(Long Short Term Memory,LSTM)與稀疏降噪自編碼器的鋰電池壽命預測算法。使用棧式稀疏降噪自編碼器(The Stacked Denoising Autoencoder,SDA)訓練退化量與電池容量之間的相關模型,然后通過LSTM建立退化量的序列預測模型,最后將LSTM的退化預測結果輸入SDA中,進而實現(xiàn)鋰電池容量的預測,最終分析得到其剩余壽命結果。
【圖文】：

可以通過某些物理量反映出退化趨勢，因此考慮通過選取某些物理量的監(jiān)測數據作為設備的退化參數，從而得到以退化數據為基礎的可靠度預測模型。動量輪是衛(wèi)星姿控系統(tǒng)不可或缺的機械器件，，結構圖如圖4 1所示，原理圖如圖4 2所示，內部高速旋轉的電機可產生一定的動量，通過調整電機轉速的高低和旋轉方向，施加一定的力矩到衛(wèi)星上，進而控制整星姿態(tài)。研究動量輪的失效原因發(fā)現(xiàn)軸溫、潤滑劑系統(tǒng)、電流與失效事故密切相關【62】【91】【93】�，F(xiàn)有的動量輪可靠性預測算法集中在單一退化量的模型上，從而建模分析其可靠度與剩余壽命。事實上，衛(wèi)星動量輪的失效過程由潤滑劑、電流、軸承溫度等眾多因素共同作用影響，在外太空中，恒星的輻射會使得衛(wèi)星上的元器件存在嚴重的干擾噪聲，進而致使軸溫數據嚴重失真，同時因為帶電荷的粒子撞擊容易淹沒微弱的電流信號。圖4-3與圖4-4分別給出了動量輪的潤滑劑與電流的退化樣本數據，不難發(fā)現(xiàn)其表現(xiàn)為近似線性退化趨勢，考慮建立線性退化模型以表征動量輪的退化程度。綜上

可以通過某些物理量反映出退化趨勢，因此考慮通過選取某些物理量的監(jiān)測數據作為設備的退化參數，從而得到以退化數據為基礎的可靠度預測模型。動量輪是衛(wèi)星姿控系統(tǒng)不可或缺的機械器件，結構圖如圖4 1所示，原理圖如圖4 2所示，內部高速旋轉的電機可產生一定的動量，通過調整電機轉速的高低和旋轉方向，施加一定的力矩到衛(wèi)星上，進而控制整星姿態(tài)。研究動量輪的失效原因發(fā)現(xiàn)軸溫、潤滑劑系統(tǒng)、電流與失效事故密切相關【62】【91】【93】。現(xiàn)有的動量輪可靠性預測算法集中在單一退化量的模型上，從而建模分析其可靠度與剩余壽命。事實上，衛(wèi)星動量輪的失效過程由潤滑劑、電流、軸承溫度等眾多因素共同作用影響，在外太空中，恒星的輻射會使得衛(wèi)星上的元器件存在嚴重的干擾噪聲，進而致使軸溫數據嚴重失真，同時因為帶電荷的粒子撞擊容易淹沒微弱的電流信號。圖4-3與圖4-4分別給出了動量輪的潤滑劑與電流的退化樣本數據，不難發(fā)現(xiàn)其表現(xiàn)為近似線性退化趨勢，考慮建立線性退化模型以表征動量輪的退化程度。綜上
【學位授予單位】：西安理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：V467;TP202

【參考文獻】

相關期刊論文 前10條

1 Yuchen SONG;Datong LIU;Yandong HOU;Jinxiang YU;Yu PENG;;Satellite lithium-ion battery remaining useful life estimation with an iterative updated RVM fused with the KF algorithm[J];Chinese Journal of Aeronautics;2018年01期

2 陳仁祥;黃鑫;楊黎霞;湯寶平;陳思楊;楊星;;加噪樣本擴展深度稀疏自編碼神經網絡的滾動軸承壽命階段識別[J];振動工程學報;2017年05期

3 趙廣社;吳思思;榮海軍;;多源統(tǒng)計數據驅動的航空發(fā)動機剩余壽命預測方法[J];西安交通大學學報;2017年11期

4 周紹華;胡昌華;司小勝;方世鵬;裴洪;;融合非線性加速退化模型與失效率模型的產品壽命預測方法[J];電子學報;2017年05期

5 吳軍;蘇永衡;朱永猛;鄧超;;基于信息融合的刀具剩余壽命在線預測方法[J];華中科技大學學報(自然科學版);2017年04期

6 李sバ

本文編號：2593077