基于RBF带学习能力高精度非线性FDD设计

• 作者: 孙小炜 李言俊 王征
• 来源期刊: 中国空间科学技术
• 学科: 航空航天
• 关键词: 故障检测与诊断 径向基函数神经网络 仿真 航天器
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 研究探讨
• 页码范围: 27-35
• 分类号: V467
• 字数: 4259字
• 语种: 中文
• DOI: 10.3780/j.issn.1000-758X.2012.01.005

摘要

在轨航天器故障检测与诊断问题需要面对模型的非线性,而且要求尽量提高其检测的精度,为此设计了基于径向基函数(RBF)神经网络的动量轮非线性故障检测与诊断(FDD)方案.首先应用RBF补偿建模误差,提高检测精度,并选择李雅普诺夫函数证明其收敛性；然后应用非线性观测器来产生故障残差,给出了阈值以及故障检测的时间；应用RBF网络对故障信号进行重构,并据此设计了带学习能力的FDD策略.再次建立了详细的动量轮模型,通过不同条件下的仿真研究分别验证残差的阈值特性、时间特性以及RBF的重构能力,仿真结果表明了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李言俊	西北工业大学航天学院	280	2914	25.0	41.0
2	王征	西北工业大学航天学院	19	213	7.0	14.0
3	孙小炜		6	11	2.0	3.0