基于符号动力学与云模型的卫星动量轮故障检测方法

摘要

本发明是基于符号动力学与云模型的卫星动量轮故障检测方法，它属于卫星动量轮故障检测领域。本发明为解决现有技术的单变量阈值检测方法不能检测动量轮系统中早期故障的问题，提供一种基于符号动力学与云模型的卫星动量轮故障检测方法。具体包括：建立符号动力学模型，提取动量轮电流信号的熵值，建立在正常工作模式下动量轮的健康云模型，根据健康云模型检测动量轮的早期故障。本发明能够利用单一变量检测动量轮的早期故障，应用于卫星动量轮故障的检测。

主权项

基于符号动力学与云模型的卫星动量轮故障检测方法，其特征在于，所述的卫星动量轮故障检测方法按照以下步骤实现：步骤一、基于符号动力学模型，选择关键的单变量分析动量轮的运行状态，获得动量轮的云模型；步骤二、通过云模型对电流信号分析，建立云模型进行卫星动量轮故障检测：每段时间历程内，通过符号动力学可以计算相应的电流信号信息熵，一组电流信号的训练样本可以得到一组电流信息熵值，根据电流信息熵值计算电流熵值样本的阈值即健康云模型的半径公式如下：H_threshold＝(H_max‑H_min)/2     (3)根据电流信息熵值计算电流熵值样本的偏差程度参考值公式如下：H_reference＝(H_max+H_min)/2    (4)公式(3)和公式(4)中H_max是电流熵值样本中的最大值，H_min是电流熵值样本中的最小值；其中，H_threshold是电流熵值样本的阈值，H_reference为电流熵值样本的偏差程度参考值；确定新电流样本熵值H_new范围公式如下：||H_new‑H_reference||≤H_threshold   (5)云模型的公式如下：$\left\{\begin{array}{c}Ex=(H_{\max }+H_{min})/2\\ En=(H_{max}+H_{\min })/6\\ He=k\end{array}\right.---\left(6\right)$Ex是云模型期望，En是云模型的熵，He是云模型的超熵；其中，期望代表的系统的理想状态，而熵代表新样本偏离期望状态的程度，超熵反映熵的不确定性，即概率值的置信度；根据健康云模型，当待测云模型的期望超出健康云模型的期望，且大于故障检测的阈值时，计算动量轮系统出现故障，公式如下：|Ex_test‑Ex_Health|≥3En   (12)其中，Ex_test是待测云模型期望，Ex_Health是健康云模型期望。