衛(wèi)星發(fā)射前一般會通過地面試驗,出現(xiàn)原理性問題的可能性極小。大多數(shù)故障還是因為部件材料的物理學(xué)發(fā)生變化引起的。衛(wèi)星是一個復(fù)雜系統(tǒng),在軌飛行時如果出現(xiàn)故障,在地面可以用于故障分析的只是一些參數(shù)的遙測數(shù)據(jù),它們按一定的順序存儲在數(shù)據(jù)庫中。在這些衛(wèi)星遙測數(shù)據(jù)中蘊含大量可以用于衛(wèi)星故障診斷的客觀規(guī)律和知識,從中挖掘出衛(wèi)星各部件及器件的信息,有效地認(rèn)識、掌握和利用其規(guī)律無疑對衛(wèi)星故障診斷決策與管理工作具有特別重要的意義。本文在研究數(shù)據(jù)挖掘算法的基礎(chǔ)上,運用數(shù)據(jù)挖掘算法對衛(wèi)星關(guān)鍵部位的故障診斷進(jìn)行研究。主要研究內(nèi)容包括如下:(1)針對衛(wèi)星故障數(shù)據(jù)易缺失的問題,提出了一種基于信息熵數(shù)據(jù)融合的缺失值填充算法。利用信息理論中的信息熵,將SVM和RBF預(yù)測結(jié)果通過熵權(quán)融合的方法進(jìn)行數(shù)據(jù)融合,實驗表明,該方法預(yù)測精度比單一的預(yù)測方法更加準(zhǔn)確;針對離群點難以檢測的問題,提出了基于改進(jìn)K-means的方法對離群點進(jìn)行診斷。(2)針對衛(wèi)星參數(shù)較多,數(shù)據(jù)維數(shù)較高的問題,采用主成分分析(PCA)、核主成分分析(KPCA)以及局部線性嵌入(LLE)對實驗數(shù)據(jù)特征進(jìn)行提取,對特征提取后的數(shù)據(jù)運用K近鄰(KNN)算法進(jìn)行測試;采用KPCA方法對故障進(jìn)行檢測,通過KPCA方法得到原數(shù)據(jù)的投影矩陣并建立原數(shù)據(jù)的主元模型,然后利用統(tǒng)計量檢測指標(biāo)(T2,SPE)來對運行過程進(jìn)行檢測。(3)針對衛(wèi)星關(guān)鍵部位故障類型較多的問題,采用SVM的多分類算法進(jìn)行故障診斷;對SVM參數(shù)懲罰因子以及徑向基函數(shù)核參數(shù)難以選取的問題,采用粒子群智能優(yōu)化算法(PSO)進(jìn)行參數(shù)尋優(yōu)。(4)采用MATLAB與C#混合編程搭建衛(wèi)星綜合電子系統(tǒng)故障診斷智能輔助決策系統(tǒng)。
【學(xué)位單位】：西安理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：V467;TP311.13
【部分圖文】：

圖 1-1 衛(wèi)星綜合電子系統(tǒng)Fig. 1-1 Satellite integrated electronic system著衛(wèi)星數(shù)量的快速增加以及衛(wèi)星的作用越來越廣泛，的各個方面，這對衛(wèi)星執(zhí)行空間任務(wù)提出了新的要求

圖 1-2 衛(wèi)星故障診斷技術(shù)分類Fig. 1-2 Classification of satellite fault diagnosis techniques這三類方法的研究現(xiàn)狀總結(jié)。處理的方法是針對難以確定衛(wèi)星關(guān)鍵部件的數(shù)學(xué)模

圖 2-1 數(shù)據(jù)挖掘一般過程Fig. 2-1 General process of data mining定對象：清晰地定義出挖掘目標(biāo)，認(rèn)清數(shù)據(jù)挖掘的目
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓麒麟;荊竹;;飛機(jī)故障診斷中飛參的數(shù)據(jù)支持作用研究[J];電子制作;2019年12期

2 王彥梅;李佳民;;農(nóng)用汽車發(fā)動機(jī)狀態(tài)監(jiān)測系統(tǒng)與診斷方法研究[J];農(nóng)機(jī)化研究;2018年02期

3 王淵明;徐策;侯繼超;張禹生;;煙草機(jī)械中故障診斷技術(shù)的應(yīng)用[J];南方農(nóng)機(jī);2018年04期

4 周雪軍;;故障診斷技術(shù)在煙草機(jī)械中的應(yīng)用和發(fā)展趨勢[J];科技風(fēng);2018年22期

5 陳亞明;顏云;;故障診斷方法現(xiàn)狀及發(fā)展方向研究[J];電工技術(shù);2018年18期

6 單建虎;;石化轉(zhuǎn)動設(shè)備狀態(tài)監(jiān)測與故障診斷平臺及應(yīng)用[J];石化技術(shù);2017年10期

7 石志軍;陳信在;高金寶;;艦船電子裝備電路板的故障診斷策略研究[J];科技與企業(yè);2016年01期

8 謝敏;樓鑫;羅芊;;航天器故障診斷技術(shù)綜述及發(fā)展趨勢[J];軟件;2016年07期

9 付麗莉;;汽輪機(jī)故障診斷技術(shù)的發(fā)展分析和研究[J];科技創(chuàng)新與應(yīng)用;2015年08期

10 謝春萍;梁家榮;;星型網(wǎng)絡(luò)的幾種故障診斷度研究[J];廣西大學(xué)學(xué)報(自然科學(xué)版);2015年03期

相關(guān)博士學(xué)位論文 前10條

1 杭芹;用于聚變電源的故障診斷算法研究[D];中國科學(xué)技術(shù)大學(xué);2019年

2 茆志偉;活塞式發(fā)動機(jī)典型故障診斷及非穩(wěn)定工況監(jiān)測評估方法研究[D];北京化工大學(xué);2018年

3 劉頡;基于振動信號分析的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];華中科技大學(xué);2018年

4 黃杰;基于智能學(xué)習(xí)的電噴汽車故障診斷與監(jiān)測評估系統(tǒng)的研究[D];中國農(nóng)業(yè)大學(xué);2018年

5 王奉濤;非平穩(wěn)信號故障特征提取與智能診斷方法的研究及應(yīng)用[D];大連理工大學(xué);2003年

6 錢華明;故障診斷與容錯技術(shù)及其在組合導(dǎo)航系統(tǒng)中的應(yīng)用研究[D];哈爾濱工程大學(xué);2004年

7 蔣麗英;基于FDA/DPLS方法的流程工業(yè)故障診斷研究[D];浙江大學(xué);2005年

8 韓彥嶺;面向復(fù)雜設(shè)備的遠(yuǎn)程智能診斷技術(shù)及其應(yīng)用研究[D];上海大學(xué);2005年

9 張君;小波分析技術(shù)在汽輪機(jī)故障診斷中的應(yīng)用研究[D];華北電力大學(xué)（河北）;2005年

10 鄧學(xué)欣;開放式故障診斷構(gòu)架及動態(tài)測試分析方法研究[D];天津大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 高潔;基于貝葉斯網(wǎng)絡(luò)的復(fù)雜工業(yè)過程故障診斷問題研究[D];浙江大學(xué);2019年

2 屈曉偉;數(shù)據(jù)挖掘在衛(wèi)星關(guān)鍵部位故障診斷中的應(yīng)用研究[D];西安理工大學(xué);2019年

3 周于杰;同步發(fā)電機(jī)勵磁裝置分級遞階故障診斷研究[D];重慶理工大學(xué);2019年

4 許強唯;基于信息融合的變壓器狀態(tài)評估與故障診斷[D];上海電機(jī)學(xué)院;2019年

5 張懋石;基于深度學(xué)習(xí)的飛行器動力系統(tǒng)故障診斷[D];廈門大學(xué);2018年

6 林俊才;基于FastAP算法的港口機(jī)械故障診斷方法研究[D];武漢理工大學(xué);2018年

7 何萬縣;基于EVIT的數(shù)據(jù)中心服務(wù)器故障診斷技術(shù)創(chuàng)新研究[D];鄭州大學(xué);2019年

8 薛楊濤;化工故障診斷決策方法研究[D];蘇州大學(xué);2018年

9 胡志新;基于深度學(xué)習(xí)的化工故障診斷方法研究[D];杭州電子科技大學(xué);2018年

10 李妍美;基于深度學(xué)習(xí)網(wǎng)絡(luò)的潛油往復(fù)抽油機(jī)故障診斷研究[D];哈爾濱理工大學(xué);2018年

本文編號：2862385