一、基于信息融合的空间站自主故障诊断技术研究（论文文献综述）
薛智慧,刘金国[1]（2022）在《空间机械臂操控技术研究综述》文中研究指明考虑到空间机械臂在执行在轨维修、在轨组装、在轨加注等复杂危险的空间任务时,其精准、灵巧的操控技术的重要性,从不同类型空间机械臂构形、末端执行器出发,分析了空间机械臂的发展趋势。综述了空间机械臂操控过程中涉及的5项关键技术,包括:交会对接与捕获技术、自主规划与智能控制技术、传感与感知技术、智能协同与操控技术及系统安全保障技术。最后,就现有的空间机械臂在操控过程中面临的问题,提出未来的发展方向及展望。
孙绪尧[2]（2020）在《上面级智能导航决策融合方法研究》文中研究指明随着任务需求以及相关技术的发展,上面级不仅具有运载火箭的功能,还能够自主进行轨道机动,飞行时间长,可进行多次点火操作。它的工作任务也不再局限于卫星的发射及部署,在深空探测、在轨服务、空间攻防等航天任务中都发挥着重要作用。传统的导航策略制定方法对于工作模式单一的应用对象通常比较有效,但对于未来上面级愈发复杂多样的任务框架和工作模式,传统方法难以满足多任务适应性的需要,不具备对环境的考量和适应,更不具备智能化决策的能力。针对传统决策模式下导航系统的不足之处,本文提出运用专家系统、神经网络等智能化方法设计上面级智能导航决策算法,以满足未来上面级多任务适用性以及高精度自主导航的需求。无论是神经网络,还是专家系统,智能化算法在实现决策功能时都需要人类专家提供相应的决策依据。本文参考了国内外相关文献及近年来成功完成任务的上面级项目,建立了导航策略数据库,为智能化方法提供决策的理论依据。针对数据库检索慢、难以进行修改等问题,本文利用B+树结构对数据库进行构建,提高数据库检索速度和可操作性。针对目前采用传统决策模式的导航方案无法满足未来上面级空间任务适应性这一问题,本文采用专家系统、神经网络相结合的智能化方法,设计智能导航决策系统,改变原有的设计方式,赋予系统根据任务类型、传感器配置自主分配导航传感器工作的能力。在理论研究的基础上,通过计算机数值仿真,验证算法的性能,为上面级智能化导航系统构建提供一种可行有效的技术途径。本文研究对象为可担任多种类型任务的上面级,在执行不同航天任务的过程中,将不可避免地出现传感器切换、导航配置变更等情况。给导航系统引入难以忽略的非线性噪声,影响导航系统的精度。针对这一问题,采用自适应网络模糊推理系统（ANFIS）对滤波算法予以修正,解决上面级在工作过程中,由于传感器切换、导航配置变更等原因,所带来的随机非高斯噪声,保证了导航系统的导航精度。
杨泽[3]（2020）在《基于状态估计与融合预测的PHM方法研究》文中进行了进一步梳理伴随着当今科学技术的高速发展,越来越多的复杂设备在航空航天、能源、船舶、制造业等领域得到广泛的应用,并且对设备的集成化、智能化、综合化水平需求也日趋提升。其中,机电设备在航空航天领域扮演着重要角色,其功能的复杂性日益提升,装备研制的风险、周期与费用越来越高,这也同时提出了设备应当具有高可靠性的要求。故障预测与健康管理技术（Prognostics and Health Management,PHM）作为一种对设备健康状态进行监测、诊断、预测和管理的技术,通过对系统内可能存在的故障隐患以及设备的剩余使用寿命进行预测,提高设备安全性,从而尽可能地降低故障影响及后勤维护成本,减少财产损失和重大事故的发生,该技术已在诸多领域受到日趋广泛的关注与重视。因此,深入研究机电设备相关的PHM技术具有重要的理论价值和实践意义。本文以机电伺服控制系统的PHM系统为研究重点,开展系统等效数学模型建模、特征参数辨识、健康状态预测与评估等研究,主要研究内容如下:（1）针对半实物仿真试验平台——直线电机驱动Stewart平台的伺服控制系统的失效机理进行分析,建立等效数学模型,建立故障树,确定性能退化的特征参数,以此为基础给出该系统的PHM技术方案（2）应用无迹卡尔曼滤波（Unscented Kalman Filter,简称UKF）理论研究特征参数辨识方法,针对状态方程欠秩导致无法实现多参数同时辨识的问题,给出一种多UKF的循环推挽结构观测器设计方法,实现了多参数的联合辨识（3）引入模糊隶属规则,采用基于冲突分配的DS证据融合理论的方法实现伺服系统的健康状态评估、预测和剩余使用寿命（Remaining Useful Life,RUL）预测,给出相应状态下的故障原因,为辅助维修决策提供便利。（4）给出一种基于非线性修正的ARIMA模型与长短期记忆（Long Short-Term Memory,LSTM）神经网络相结合的数据融合预测方法,提升数据的长期预测精度,并基于该方法完成了伺服系统的健康状态与故障的预测。在上述研究成果基础上,完成了相应的仿真验证,研究结果表明,本文提出的多UKF循环推挽观测器以及基于非线性修正ARIMA-LSTM的融合预测方法能够较好地解决目前存在的一些问题,基于模糊隶属函数与DS证据融合的评估方法也能够较好地给出系统当前以及未来时刻的健康状态。
景羿铭[4]（2020）在《空天飞行器多源冗余容错导航关键技术研究》文中研究指明空天飞行器是指具有航天器和航空器两种功能的新型飞行器,其从地面通过助推器发射到轨道空间,完成任务并长时间在轨运行,最后到达再入点返回地球。空天飞行器无需地面遥控,全程依靠自主独立的导航控制系统进行相应的操作,这就需要设计一种可适应空天飞行器跨空天飞行的自主导航系统,从而对导航系统的自主性、可靠性和环境自适应性提出了更高的要求。目前的导航方法大多按照固定的任务场景进行设计和实现,还无法满足空天飞行器全程自主导航的应用需求。迫切需要开展适应空天飞行器跨空天飞行的导航系统实现方法研究,设计适应空天飞行器跨空天飞行的导航总体方案和相应的导航算法,以满足空天飞行器跨空天飞行时高适应性、高精度、高自主性的导航需求。为此,本文以空天飞行器的不同飞行阶段工作模式为基础,结合不同飞行阶段对导航性能的需求,提出了跨空天飞行的多源冗余导航系统总体方案,并针对该方案中的导航切换算法、多源冗余容错算法等关键技术进行了针对性研究。论文分析了空天飞行器全弹道飞行特点,针对空天飞行器全弹道飞行不同阶段对导航的需求,设计了基于导航传感器冗余配置的多源信息融合导航系统总体方案,推导建立了适应跨空天飞行的导航系统切换模型,以此为基础,建立了相应的多源信息融合导航系统状态和量测数学模型,设计了不同飞行阶段下的导航系统模型切换算法,为后续的冗余容错导航方法研究奠定了基础。针对空天飞行器跨空域飞行对导航系统高可靠性的要求,设计了基于多源信息融合的多余度导航系统。提出了基于多级滤波框架的空天飞行器多源冗余容错导航系统实现结构,简化了余度容错导航系统实现形式;针对多余度导航系统实现结构形式对软故障的处理敏感度较低的问题,设计了基于残差及其变化率的模糊容错算法,增强了对软故障的敏感度并进一步提高了导航系统精度。针对空天飞行器高速再入阶段,由于黑障区影响,惯性导航系统无法有效获取其他辅助导航系统的信息进行误差修正,导致误差增大的问题,提出了基于极限学习机的智能导航方法;在进入黑障区之前利用天文导航系统快速估计和修正惯性导航系统的姿态误差,保证姿态信息的准确性,结合极限学习机的学习能力和快速预测能力,迅速准确的得到惯性导航系统的实时误差修正值,有效提升了黑障区导航系统的性能。最后还设计并实现了基于STK的空天飞行器多源冗余容错导航仿真验证平台,该平台通过STK模拟高逼真的空天飞行器飞行航迹,对提出的导航系统切换算法、多源冗余容错重构算法和基于极限学习机的智能导航算法进行了仿真验证,结果表明本文所提出的导航方法能够有效满足空天飞行器跨空天飞行时的导航性能需求,为空天飞行器的高性能导航提供了有益的参考。
邹永明[5]（2020）在《基于改进A*算法的航天器故障诊断研究》文中指出故障诊断系统的研发得到了越来越多的国家和地区的重视,尤其是航天器的故障诊断。由于航天器的造价十分昂贵,而且很多部件是具有唯一性的。为了让航天器更加自主化、智能化,其故障诊断技术由单一发展成为复杂的集成健康管理系统。本文的研究背景是基于航天器的健康管理系统,完整的健康管理项目分为三大模块:用户端,解析端及后端算法部分。本文研究侧重于健康管理系统中的核心算法,该算法主要采用Common lisp语言完成。在故障诊断搜索方面,传统意义上的故障诊断方法大多使用基于知识,基于专家系统等方法。本文将使用改进的A*算法对航天器进行故障诊断。改进后的A*算法大大的提高了搜索故障点的速度,减少了搜索时间。减少故障搜索的时间,就是在寻找最优解的时候避免做无用功,它的关键点在于决策。许多决策问题现在被重新定义为优化问题,涉及在离散空间上搜索,获得一组满足约束的最佳搜索方案。A*算法最常用于寻找最优路径,比如导航或者游戏地图中等。但是在美国NASA的故障诊断系统Livingstone上,已经成功地应用了A*算法。事实证明,A*算法在故障诊断上是完全可行的。本文将故障诊断搜索问题也比拟成一个寻找路径的一个关系,建立一棵推理搜索树,通过在推理搜索树上寻找到故障点,增加一个约束条件——成本函数,在搜索树进行扩展分支的时候,通过成本函数进行判断筛选,使其能够减少许多不必要的搜索,使用最少的速时间搜索到最优解。本文将传统的A*算法进行改进,通过增加约束条件,也就是成本函数,在传统A*算法的基础上及增加了额外的结构,特别是将状态考虑到变量赋值中,并且将约束集合被分解为一组约束。通过利用相互优先独立性（MPI）来解决最优约束可满足问题（OCSP）,将最优约束可满足问题构建为状态空间搜索问题,每个搜索状态都是对应着决策变量的部分分配,通过组合各个分配的成本来计算无效性,达到故障快速搜索的目的。
孙志[6]（2019）在《综合指挥显示系统关键技术研究与实现》文中提出航天事业的飞速发展对航天发射中心的任务保障能力提出了更高的要求。综合指挥显示系统作为航天发射中心执行发射试验任务的指挥枢纽,对保障发射任务圆满成功具有重要作用。综合指挥显示系统汇集发射场测控、测发、气象、通信和勤务五大分系统的监控数据,转化为可视化的信息供工作人员掌握任务态势。火箭关键动作评估是综合指挥显示系统的一个重要功能,通过融合多源测控数据,准确高效评估关键动作状态,对辅助指挥决策,指导整个飞行任务具有重要意义。基于评估关键动作需要综合多源证据信息,且证据信息受环境等因素影响可能存在一定不确定性的特点,通过对信息融合技术的研究,选择在处理不确定问题时被广泛应用的D-S证据理论实现火箭关键动作的评估。本文在前人研究的基础上结合实际应用做了以下工作:（1）对D-S证据理论的改进方法进行研究,针对D-S合成规则的Zadeh悖论、鲁棒性差以及一票否决等失效问题,提出一种改进的证据融合方法。证据的支持度可以用相容系数来描述,因此基于证据之间的相容系数,首先确定原始证据的一个权值,利用加权平均的方法求得平均证据并将其作为参考证据。然后根据证据间相似性的概念,利用原始证据与参考证据之间的相似度作为折扣因子修正原始证据,最后通过DS合成规则融合修正后的原始证据。数值算例和对比分析表明,该方法在保留证据理论本身良好数学性质的基础上,能有效解决证据理论的几种失效问题,且融合效果更好,收敛速度更快.（2）应用改进的D-S证据理论实现火箭关键动作评估。首先针对D-S证据理论在实际应用中的基本概率分配函数构造问题,结合关键动作评估的特点,引入模糊隶属度构造数据类型为连续随机变量的遥测证据的基本概率分配函数。而对于类型为离散随机变量的遥测证据,则基于专家评价来确定证据的基本概率分配函数。然后针对融合结果的判决问题,确定了基于最大基本概率分配函数的判决规则。通过仿真算例分析表明,基于改进D-S证据理论的关键动作评估方法能有效融合多源遥测证据信息,对火箭关键动作的状态做出准确评估。（3）在系统的设计与实现中,将本文提出基于改进D-S证据理论的关键动作评估方法应用到状态评估的详细实现中,目前系统已在试运行中表现出不错的效果,各项功能均满足使用需求。
吴新锋[7]（2019）在《运载火箭控制系统典型单机故障诊断技术研究》文中研究表明运载火箭作为目前发射卫星、空间实验室及太空探索的核心运载工具,它的高可靠工作是和平、有效开发利用太空资源的前提。控制系统是运载火箭的关键分系统之一,尽管其设计可靠性很高,但工程上往往由于人为、环境等因素影响导致故障发生,随着技术的不断积累和发展虽然出现了故障在线重构技术,但从历史上运载火箭发射失败案例统计结果来看,大部分都是不可重构的严重故障或灾难性故障,如果能在地面测试阶段发现故障或影响成败的故障隐患,就能保证飞行阶段的高可靠性。论文以某运载火箭典型控制系统的典型单机为研究对象,首先从测试性优化设计角度出发,为了利用更少的测试点或更小的测试代价实现更高的测试诊断效率,研究了测试优化选择技术,然后针对不同类型单机的特点研究了不同的故障诊断方法,为通过各种诊断方法的融合实现系统级故障诊断奠定了基础。论文的主要工作包括:研究了基于多信号模型的测试优化选择技术。在装备测试需求及测试性指标约束下,对测试性资源进行优化选择,利用最小的测试代价获得最优的测试性指标。针对该问题,结合粒子群算法、遗传算法的优点提出了改进二进制粒子群遗传算法,仿真分析得出该算法能以97.2%的概率收敛于最优解,并结合综合控制器的多信号模型进行测试优化,在不改变测试性指标的条件下,得到了测试代价最小的测试优化结果。研究了基于多信号模型的故障定位技术。针对测试可信条件下的故障定位问题,实现了已有的基于信息熵的定位方法、TEAMS-RT的故障诊断推理机并提出了基于测试一致性与故障先验概率的定位方法,仿真分析表明故障诊断推理机定位准确性与时效性更高,且适用于多故障定位;针对测试存在漏检、虚警条件下的故障定位问题,提出了基于后验概率最大的定位方法、基于测试一致性与故障先验概率的定位方法,仿真分析表明后者虽时效性较差但定位准确率更高。以典型电子类单机综合控制器为例,测试优化后运用基于测试一致性与故障先验概率的定位方法对其进行了单、双故障定位测试,实现了单故障100%、双故障86.16%的隔离率,并实现了分层诊断策略以提高诊断效率。研究了数据驱动的故障诊断技术。针对机电类单机往往难以建立准确模型的困境,实现了一种结合小波包、信息熵、神经网络理论的数据驱动的诊断算法,该算法首先对信号进行小波包分解与重构,提取小波包的熵特征构成故障特征向量,然后利用神经网络实现故障模式的分类。以激光惯组中激光陀螺的随机游走误差故障为例,进行了诊断测试,验证了算法的有效性。论文研究工作结合典型电子类单机综合控制器、典型机电类单机激光惯组进行了诊断测试,证明了诊断方法有效、可行。
王琪[8]（2019）在《基于卷积神经网络与多源信息融合的故障诊断方法研究》文中研究说明随着制造技术进步,精密设备越来越复杂,传动系统结构彼此之间的联系性越来越强,由机械故障引发的灾难性事故和经济损失时有发生。对于无人机传动系统的故障检测是目前研究领域的一大热点,采用多传感器网络对其进行全面检测与诊断可以避免单一信息源的局限性。然而多源的数据分析导致传统的处理模型不能达到精确故障诊断分析和快速在线状态监测的需求。卷积神经网络（Convolutional Neural Network,CNN）借助其对数据强大的表征能力,从中高效、准确的挖掘出装备健康状况,摆脱传统故障诊断方法对信号处理技术和专家经验的依赖,同时对多特征输入参数具有很好的分析能力。与全连接的深度网络相比,CNN训练参数少,训练效率高,而且泛化能力强,所以本文基于CNN展开对无人机传动系统的故障诊断研究。目前大多数故障诊断方法使用时频变换将振动信号转化为时频图进行处理,人工参与特征提取,且如果信号不具有周期规律,方法无效。本文首先对基于CNN的故障诊断方法做出改进,以简单的处理方式完成时域信号到图像的转化,保留信号所有特征,同时采用由MlpConv非线性卷积层组合全局平均池化层的优化CNN网络结构,完成故障特征的自适应提取和故障诊断。经实验验证优化后网络结构准确率可达99.90%,识别准确度高且鲁棒性好。其次基于无人机传动系统实时在线检测故障及对故障多属性检测的需求,本文采用将一维振动信号输入CNN进行训练,无需特征提取,构建可用于多种故障数据的通用解决方案。该方法可以快速准确识别故障类型及程度,消除了对特征提取算法的需要,在速度和硬件需求方面产生更适应工程使用。然后研究了基于CNN并融合多源信息的故障诊断方法,解决单一信息源承载信息量有限的问题。通过优化数据层面的信息融合,利用隐马尔可夫模型（Hidden Markov Model,HMM）对非平稳信号的动态建模突出优势,提出CNN-HMM的故障诊断方法,对传动系统的多传感器采集信息实现融合诊断,对比传统方法准确率提升,稳定性好。最后基于C#编程语言开发故障诊断软件系统,集成了文中所中提出的诊断算法,设计数据采集及分析功能满足工程需求,人机交互性好,满足算法集成性和共享性。
魏炳翌[9]（2019）在《基于神经网络的卫星姿态控制系统故障诊断研究与仿真》文中认为随着航天大国与私营企业卫星发射任务的不断增多,卫星所采用的新技术、新方法层出不穷,使得其在轨运行中遇到的故障类型逐年增加,故障情况也愈发复杂。为了实现人类走出地球探索深空的愿景,迫切需要具有智能故障诊断系统的先进卫星,在执行任务期间对卫星所发生的故障问题进行检测与处理,从而适应复杂多变的太空环境。本文以卫星姿态控制系统为研究对象,对执行器与敏感器故障诊断问题展开研究。主要以递归神经网络为研究工具,提出了执行器故障诊断方法与敏感器故障诊断方法,并利用基于Arduino的单轴姿态故障诊断仿真平台进行了仿真验证。论文主要研究内容包括:针对卫星姿态控制系统中的执行器故障问题,提出了一种基于递归神经网络的故障诊断方法。对典型执行器——反作用飞轮进行了建模分析,并且讨论了两种常见故障问题。为此设计了递归神经网络参数估计器,并优化了训练算法解决了梯度消失、过拟合等问题。从而对飞轮的多个故障参数进行估计,判断故障发生的时间与类型。同时考虑到故障源耦合问题,进一步设计了带反馈的诊断结构,提升了诊断精度。针对卫星姿态控制系统中的敏感器故障问题,提出了基于递归神经网络观测器的故障诊断方法。首先对常用敏感器——磁强计进行了建模与故障分析。对此,设计了用于故障诊断的递归神经网络观测器,以及适应敏感器噪声的网络学习规则,并引入李雅普诺夫函数证明了其稳定性。利用递归神经网络良好的非线性逼近能力,对系统敏感器故障进行估计,从而获知故障时间与故障情况,最终实现对敏感器的故障诊断。针对本文第三、四章提出的故障诊断方法,设计了用于仿真验证的单轴姿态故障诊断仿真平台。仿真平台采用Arduino UNO开发板作为主控制器,同时搭载了含有磁强计的姿态测量单元、蓝牙通信单元与飞轮执行机构等元器件。在此基础上,给出了仿真平台的系统模型与姿态估计,并设计了相应的平台控制算法。同时考虑到测量噪声问题,采用Unscented卡尔曼滤波算法进行降噪处理。通过在该平台上的三组仿真实验,验证了本文提出的故障诊断方法的可靠性与准确性,也验证了仿真平台的有效性,从而为诊断方法的进一步优化改进奠定了基础。
秦剑华[10]（2018）在《航天器电源系统故障诊断与健康评价研究》文中研究表明随着航天技术的不断进步,高可靠、长寿命以及可重复使用成为未来航天器的主要发展方向。电源系统作为航天器的关键子系统,提高电源系统的状态监测水平对于提升电源系统乃至整个航天器的可靠性、安全性以及可维护性具有重要意义。作为提升系统状态监测水平的有效措施,航天器电源系统故障诊断与健康评价在特征提取、信息处理、故障诊断方法以及健康评价等方面还存在诸多问题,航天器电源系统状态监测水平仍未取得实质的提升。为此,基于航天器安全、可靠的实际应用需求,为了全面提升航天器的状态监测水平,进一步提高航天器的可靠性、安全性以及可维护性,强化航天器的在轨自主控制能力,开展电源系统故障诊断与健康评价研究显得尤为重要。本文通过对航天器电源系统故障诊断与健康评价技术现状进行阐述,并结合电源系统应用角度,分别从部件和系统两个不同层级对故障诊断与健康评价技术存在的问题进行分析。本文针对航天器电源系统故障诊断与健康评价中亟待解决的关键技术开展了相应的研究,主要包括部件级的故障特征提取与传感器布局技术、系统级的数据增强与故障诊断技术以及系统级的健康评价技术。部件级的故障特征提取研究是电源系统故障诊断与健康评价研究的基础,同时也是故障诊断与健康评价技术在结合对象的应用过程中亟待突破的难点。针对航天器电源系统中在轨故障概率较高的太阳能电池,通过分析太阳能电池的低频阻抗特征,提出了利用低频阻抗特征对太阳能电池阵内的开路、短路故障进行定量故障诊断的方法,和以太阳能电池外特性作为故障特征的诊断方法相比,基于低频阻抗特性参数的方法不易受到外部环境因素的影响,且近似线性的故障特征变化规律更有利于实现状态变化过程的连续监测。在此基础上,结合系统其余关键部件的故障特征,利用多信号流图模型,构建用于电源系统测试性分析的D矩阵。根据测试性分析的结果,对系统测试进行优化,从而确定系统传感器布局,为系统的故障诊断与健康评价数据来源提供支撑。为了解决大量传感器数据处理效率低、对地传输困难的问题,本文创新性地提出了航天器数据降维技术,实现多传感器数据增强,为后续的系统级研究工作奠定基础。本文针对航天器电源系统多传感器数据有效信息密度低的问题,结合系统监测与故障诊断的实际应用需求,提出了开展融合故障传播特性的电源系统多传感器数据降维研究。基于电源系统故障传播特性,建立电源系统多变量权重分析矩阵,实现了基于电源系统故障传播特性的多传感器数据关联性的规范表达;进一步将基于知识的定性方法与基于数据的定量方法相结合,剔除多源数据中与故障无关的冗余信息,降低了多传感器数据的维数,使得利用有限的通讯带宽传输与系统故障密切相关的传感器数据成为可能,从而达到了多传感器数据增强的目标。在故障诊断技术研究中,本文引入了具有自主学习能力深度学习模型,对模型原理、应用以及训练过程进行了研究。通过构建基于深度学习思想的堆叠稀疏自编码模型,学习航天器电源系统多传感器数据特征,建立故障诊断模型,并对影响模型特性的参数进行了分析。研究及试验结果标明,利用深度学习模型,一方面,堆叠稀疏自编码模型增加了高层次特征提取的阶数,相比于神经网络模型以及分层模型,电源系统故障诊断的准确率得到明显的提升;另一方面,堆叠稀疏自编码模型同样继承了分层模型的优点,在诊断准确率得到提升的同时,系统故障诊断的置信度也得到了保证。系统级的健康评价技术是电源系统状态监测的“外环”,即建立在故障诊断的基础上,对电源系统的健康状态进行评价。持续性的电源系统健康评价有利于实现从“宏观”角度对电源系统的运行状态进行全程监测。本文首先分析了层次分析法在分层形态多准则指标体系中的应用不足,提出了更具有一般性的非线性评价度量转换方法;其次,在建立电源系统健康评价指标体系的过程中,提出综合电源系统设计以及环境因素的影响,建立分层式多维度的健康综合评价指标体系,并采用灰色聚类方法对评价指标进行度量。系统级的综合验证技术研究包括故障诊断与健康评价软件设计以及综合验证平台构建。本文遵循现有的航天器运行管理架构,在不改变原有的系统感知网络以及系统数据管理结构的前提下,基于.NET技术开发了航天器电源系统故障诊断与健康评价综合验证平台。试验结果证明了航天器电源系统故障诊断与健康评价系统的各项功能可以满足应用需求,并在此基础上对故障诊断与健康评价系统的应用进行了探索研究。
二、基于信息融合的空间站自主故障诊断技术研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于信息融合的空间站自主故障诊断技术研究（论文提纲范文）
（1）空间机械臂操控技术研究综述（论文提纲范文）
| 1 引言（Introduction) |
| 2 研究现状（Research status) |
| 2.1 空间机械臂发展现状 |
| 2.1.1 大型空间机械臂 |
| 2.1.2 试验型空间机械臂 |
| 2.1.3 仿人空间机器人 |
| 2.2 末端执行器发展现状 |
| 2.2.1 大型空间机械臂的末端执行器 |
| 2.2.2 仿人机械臂的末端执行器 |
| 2.2.3 其他末端执行器 |
| 3 关键技术（Key technologies) |
| 3.1 交会对接与捕获技术 |
| 3.2 自主规划与智能控制 |
| 3.3 传感与感知技术 |
| 3.4 智能协同与操控技术 |
| 3.5 系统安全保障技术 |
| 4 未来展望（Prospects) |
（2）上面级智能导航决策融合方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 上面级国内外研究现状 |
| 1.2.2 信息融合智能化技术研究现状 |
| 1.2.3 上面级应用背景及导航策略选取情况调研 |
| 1.2.4 国内外研究现状综述及简析 |
| 1.3 论文主要研究内容 |
| 第2章 智能导航决策系统导航策略库构建 |
| 2.1 引言 |
| 2.2 导航传感器可用性分析 |
| 2.2.1 惯组特点及可用性分析 |
| 2.2.2 星敏感器特点及可用性分析 |
| 2.2.3 脉冲星导航特点及可用性分析 |
| 2.2.4 雷达特点及可用性分析 |
| 2.2.5 光学相机特点及可用性分析 |
| 2.2.6 传感器可用性决策流程 |
| 2.3 根据任务类型的导航策略选取 |
| 2.3.1 卫星发射及部署 |
| 2.3.2 深空探测 |
| 2.3.3 在轨服务 |
| 2.3.4 空间攻防 |
| 2.4 导航策略库建立 |
| 2.5 本章小结 |
| 第3章 基于专家系统与神经网络结合的智能导航决策方法 |
| 3.1 引言 |
| 3.2 基于专家系统的已知工作条件下导航策略选取 |
| 3.2.1 专家系统的一般结构 |
| 3.2.2 用于多传感器管理的专家系统 |
| 3.2.3 专家系统的推理模式 |
| 3.2.4 冲突消解策略 |
| 3.2.5 专家系统的不足之处 |
| 3.3 基于神经网络的未知工作条件下导航策略选取 |
| 3.3.1 BP神经网络构建 |
| 3.3.2 径向基(RBF)神经网络构建 |
| 3.4 基于专家系统与神经网络结合的智能导航决策方法 |
| 3.4.1 基于专家系统与神经网络结合的智能导航决策方法流程 |
| 3.4.2 基于专家系统与RBF结合的智能导航决策方法仿真 |
| 3.5 智能导航决策系统可视化界面设计与仿真 |
| 3.5.1 系统需求 |
| 3.5.2 基于B+树结构的数据库查找算法 |
| 3.5.3 系统界面及主要功能介绍 |
| 3.5.4 主功能界面 |
| 3.6 本章小结 |
| 第4章 基于ANFIS优化的自适应非线性滤波算法 |
| 4.1 引言 |
| 4.2 ANFIS概述 |
| 4.3 ANFIS结构及算法实现 |
| 4.4 减法聚类算法 |
| 4.5 基于ANFIS优化的滤波算法设计 |
| 4.6 基于ANFIS优化的自适应非线性滤波算法仿真 |
| 4.7 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（3）基于状态估计与融合预测的PHM方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 课题国内外研究现状 |
| 1.2.1 PHM的国内外研究现状 |
| 1.2.2 伺服系统的PHM技术研究现状 |
| 1.3 论文的主要研究内容及章节安排 |
| 第2章 Stewart仿真平台退化参数 |
| 2.1 引言 |
| 2.2 Stewart平台结构 |
| 2.3 系统建模及故障分析 |
| 2.3.1 伺服系统数学模型 |
| 2.3.2 常见故障分析以及退化特征参数 |
| 2.4 基于Stewart平台的PHM方案设计 |
| 2.5 本章小结 |
| 第3章 伺服控制系统的多参数辨识 |
| 3.1 引言 |
| 3.2 无迹卡尔曼滤波理论 |
| 3.3 多UKF循环推挽结构观测器 |
| 3.3.1 算法结构介绍 |
| 3.3.2 仿真算例验证 |
| 3.4 伺服控制系统多参数辨识仿真实验 |
| 3.5 本章小结 |
| 第4章 伺服控制系统的健康状态评估方法 |
| 4.1 引言 |
| 4.2 健康状态模糊隶属度函数 |
| 4.3 D-S证据融合方法 |
| 4.4 基于D-S证据融合的健康状态模糊评判 |
| 4.5 本章小结 |
| 第5章 基于特征参数的健康状态融合预测方法 |
| 5.1 引言 |
| 5.2 自回归滑动平均(ARMA)模型 |
| 5.2.1 自回归滑动平均(ARMA) |
| 5.2.2 基于非线性因子修正的ARMA |
| 5.2.3 仿真算例 |
| 5.3 长短时记忆神经网络(LSTM) |
| 5.4 非线性ARMA-LSTM融合预测算法 |
| 5.4.1 算法结构 |
| 5.4.2 伺服控制系统健康状态预测仿真实验 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（4）空天飞行器多源冗余容错导航关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词 |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 空天飞行器国内外研究现状 |
| 1.2.2 多源冗余容错导航技术国内外研究现状 |
| 1.3 课题研究的目的与意义 |
| 1.4 本文主要研究内容 |
| 第二章 空天飞行器自主导航系统总体方案及组合导航建模方法 |
| 2.1 引言 |
| 2.2 空天飞行器自主导航系统总体方案设计 |
| 2.2.1 空天飞行器全弹道飞行模式分析 |
| 2.2.2 空天飞行器全弹道飞行导航需求分析 |
| 2.2.3 空天飞行器多源导航系统总体配置方案设计 |
| 2.2.4 空天飞行器多余度多源冗余容错导航系统总体架构设计 |
| 2.3 空天飞行器全程飞行各阶段导航系统误差模型 |
| 2.3.1 空天飞行器发射段导航系统误差模型 |
| 2.3.2 空天飞行器在轨段导航系统误差模型 |
| 2.3.3 空天飞行器再入段导航系统误差模型 |
| 2.4 空天飞行器不同飞行阶段导航系统切换算法 |
| 2.4.1 空天飞行器不同飞行阶段导航系统切换分析 |
| 2.4.2 发射阶段与在轨阶段导航切换算法 |
| 2.4.3 在轨阶段与再入阶段导航切换算法 |
| 2.5 空天飞行器不同飞行阶段导航系统切换算法仿真及分析 |
| 2.5.1 仿真设置 |
| 2.5.2 空天飞行器不同飞行阶段导航系统切换算法仿真分析 |
| 2.6 本章小结 |
| 第三章 空天飞行器多源冗余容错导航方法研究 |
| 3.1 引言 |
| 3.2 空天飞行器多源冗余容错导航系统结构设计 |
| 3.2.1 空天飞行器余度技术分析 |
| 3.2.2 空天飞行器多源冗余容错导航系统结构总体设计 |
| 3.3 空天飞行器多余度导航系统配置下的模糊容错算法 |
| 3.3.1 多余度容错导航系统导航信息预处理算法 |
| 3.3.2 基于残差及其变化率的模糊评估算法 |
| 3.3.3 基于模糊评估的容错算法 |
| 3.4 空天飞行器多源冗余容错导航算法仿真分析 |
| 3.4.1 仿真设置 |
| 3.4.2 多余度导航系统配置下的模糊容错导航系统仿真分析 |
| 3.5 本章小结 |
| 第四章 空天飞行器黑障区基于极限学习机的智能导航方法研究 |
| 4.1 引言 |
| 4.2 基于极限学习机的黑障区智能导航算法 |
| 4.2.1 空天飞行器黑障区域飞行导航问题分析 |
| 4.2.2 黑障区智能导航算法总体框架 |
| 4.2.3 进入黑障区前天文导航系统姿态修正 |
| 4.2.4 黑障区内基于极限学习机的智能导航算法 |
| 4.3 基于极限学习机的黑障区智能导航算法仿真分析 |
| 4.3.1 仿真设置 |
| 4.3.2 基于极限学习机的黑障区智能导航算法仿真验证 |
| 4.4 本章小结 |
| 第五章 空天飞行器多源冗余容错导航仿真平台设计与实现 |
| 5.1 引言 |
| 5.2 空天飞行器多源冗余容错导航仿真平台结构设计 |
| 5.2.1 空天飞行器多源冗余容错导航仿真平台功能分析 |
| 5.2.2 空天飞行器多源冗余容错导航仿真测试平台总体设计方案 |
| 5.3 空天飞行器多源冗余容错导航算法仿真平台实现 |
| 5.4 空天飞行器多源冗余导航算法测试验证 |
| 5.4.1 空天飞行器不同飞行阶段导航切换算法测试 |
| 5.4.2 空天飞行器多源冗余容错重构算法测试 |
| 5.4.3 空天飞行器黑障区智能导航算法 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文工作总结 |
| 6.2 下一步工作展望 |
| 参考文献 |
| 致谢 |
| 在校期间的研究成果及发表的学术论文 |
（5）基于改进A*算法的航天器故障诊断研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 论文研究的意义与目的 |
| 1.1.1 论文研究的意义 |
| 1.1.2 论文研究的目的 |
| 1.2 国内外航天器故障诊断技术的研究现状 |
| 1.2.1 国外航天器故障诊断技术的研究现状 |
| 1.2.2 国内航天器故障诊断技术的研究现状 |
| 1.2.3 我国航天器故障诊断技术面临的挑战 |
| 1.3 航天器电源系统的故障诊断分析 |
| 1.4 本文主要工作 |
| 第2章 A*算法的理论基础研究 |
| 2.1 A*算法概述 |
| 2.1.1 Dijkstra算法 |
| 2.2 A*算法 |
| 2.3 常用的距离评估函数 |
| 2.3.1 曼哈顿距离 |
| 2.3.2 欧式几何平面距离 |
| 2.3.3 切比雪夫距离 |
| 2.3.4 H(n)与A*算法的关系 |
| 2.4 本章小结 |
| 第3章 航天器故障诊断系统的方法与总体设计 |
| 3.1 航天器故障诊断系统的方法 |
| 3.1.1 基于信号处理的故障诊断方法 |
| 3.1.2 基于知识的故障诊断方法 |
| 3.1.3 基于解析模型的故障诊断 |
| 3.2 COMMON LISP语言 |
| 3.2.1 LISP的诞生 |
| 3.2.2 COMMON LISP语言的优点 |
| 3.3 系统的总体设计 |
| 3.3.1 设计思想 |
| 3.3.2 系统设计 |
| 3.3.3 算法的具体设计 |
| 3.4 本章小结 |
| 第4章 改进的A*算法在航天器故障诊断中的研究 |
| 4.1 A*算法的搜索 |
| 4.2 约束可满足问题 |
| 4.3 CSP技术和算法 |
| 4.3.1 局部搜索技术和方法 |
| 4.3.2 生成—测试算法 |
| 4.3.3 使用搜索求解CSP |
| 4.3.4 带值的CSP |
| 4.4 最优约束可满足问题(OCSP) |
| 4.5 改进的A*算法 |
| 4.6 OCSP的可接受启发式算法 |
| 4.7 扩展最优子节点 |
| 4.8 基于改进的A*算法的搜索图 |
| 4.9 总结 |
| 第5章 算法的实现与结果分析 |
| 5.1 搜索树的建立 |
| 5.1.1 搜索树的定义 |
| 5.1.2 搜索树的具体建立方法 |
| 5.2 算法的测试与结果分析 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和获得的科研成果 |
| 致谢 |
（6）综合指挥显示系统关键技术研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作 |
| 1.4 论文组织结构 |
| 第二章 相关技术和理论 |
| 2.1 信息融合技术 |
| 2.1.1 信息融合的原理 |
| 2.1.2 信息融合的模型 |
| 2.1.3 信息融合的层次 |
| 2.1.4 信息融合常用算法 |
| 2.2 D-S证据理论 |
| 2.2.1 识别框架 |
| 2.2.2 基本概率分配函数 |
| 2.2.3 信度函数 |
| 2.2.4 似然函数 |
| 2.2.5 D-S证据理论的合成规则 |
| 2.2.6 合成规则的性质 |
| 2.3 本章小结 |
| 第三章 证据融合问题分析和改进方法研究 |
| 3.1 证据融合规则失效问题 |
| 3.1.1 Zadeh悖论问题 |
| 3.1.2 一票否决问题 |
| 3.1.3 鲁棒性问题 |
| 3.2 证据冲突的处理方式 |
| 3.2.1 修改D-S合成规则 |
| 3.2.2 修正原始证据源 |
| 3.3 改进的证据融合方法 |
| 3.3.1 证据间的相容系数 |
| 3.3.2 改进的合成算法 |
| 3.4 算例验证与对比分析 |
| 3.5 本章小结 |
| 第四章 基于改进D-S证据理论的关键动作评估 |
| 4.1 关键动作评估流程 |
| 4.2 基本概率分配函数的构造 |
| 4.2.1 常用的基本概率分配函数构造方法 |
| 4.2.2 基于模糊隶属度构造基本概率分配函数 |
| 4.3 判决规则 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第五章 综合指挥显示系统设计与实现 |
| 5.1 系统需求分析 |
| 5.1.1 系统建设背景 |
| 5.1.2 功能需求分析 |
| 5.1.3 性能需求分析 |
| 5.2 系统总体设计 |
| 5.2.1 设计原则 |
| 5.2.2 总体架构设计 |
| 5.2.3 系统功能模块 |
| 5.3 系统详细实现 |
| 5.3.1 系统开发环境 |
| 5.3.2 状态评估模块实现 |
| 5.3.3 系统界面展示 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）运载火箭控制系统典型单机故障诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题概述 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景及意义 |
| 1.2 故障诊断技术综述 |
| 1.3 航天领域故障诊断技术研究现状 |
| 1.4 论文主要研究内容 |
| 2 基于多信号模型的测试优选技术研究 |
| 2.1 测试性工程及多信号模型概述 |
| 2.2 测试优选问题建模 |
| 2.2.1 故障-测试相关性矩阵 |
| 2.2.2 测试性参数计算 |
| 2.2.3 测试优选模型 |
| 2.3 测试优选算法 |
| 2.3.1 GA改进策略 |
| 2.3.2 IBPSOGA实现流程 |
| 2.4 算法验证 |
| 2.5 综控器建模及测试优选 |
| 2.5.1 综控器模型 |
| 2.5.2 综控器测试优选 |
| 2.5.3 综控器测试性改进 |
| 2.6 本章小结 |
| 3 基于多信号模型的综控器故障定位技术研究 |
| 3.1 故障定位问题描述 |
| 3.2 面向可信测试的故障定位 |
| 3.2.1 基于信息熵的故障定位 |
| 3.2.2 故障诊断推理机 |
| 3.2.3 基于测试一致性与故障先验概率的故障定位 |
| 3.2.4 仿真算例 |
| 3.3 考虑测试可靠性的故障定位 |
| 3.3.1 基于后验概率最大的故障定位 |
| 3.3.2 基于测试一致性与故障先验概率的故障定位 |
| 3.3.3 仿真算例 |
| 3.4 综控器故障定位 |
| 3.4.1 单、双故障定位测试 |
| 3.4.2 分层诊断策略 |
| 3.5 本章小结 |
| 4 数据驱动的激光陀螺故障诊断技术研究 |
| 4.1 总体方案设计 |
| 4.2 数据驱动的故障诊断算法 |
| 4.2.1 故障特征提取 |
| 4.2.2 故障模式分类 |
| 4.3 激光陀螺故障模拟 |
| 4.3.1 Allan方差 |
| 4.3.2 随机游走误差模型 |
| 4.3.3 故障模拟 |
| 4.4 算法验证 |
| 4.4.1 激光陀螺误差模型辨识 |
| 4.4.2 故障特征提取 |
| 4.4.3 分类器训练与测试 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 全文总结 |
| 5.2 后续研究展望 |
| 参考文献 |
| 附录A 综控器故障-测试相关性矩阵 |
| 附录B 基于信息熵的故障诊断序列 |
| 附录C 综控器测试优化改进后误诊故障 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（8）基于卷积神经网络与多源信息融合的故障诊断方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要内容和章节安排 |
| 第二章 无人机传动系统的故障诊断技术 |
| 2.1 无人机传动系统 |
| 2.2 基于CNN的故障诊断方法研究 |
| 2.2.1 故障诊断方法 |
| 2.2.2 CNN的基本结构 |
| 2.3 实验平台及数据说明 |
| 2.3.1 CWRU轴承实验数据集 |
| 2.3.2 无人机传动系统实验数据集 |
| 2.4 本章小结 |
| 第三章 改进的CNN故障诊断算法 |
| 3.1 引言 |
| 3.2 基于优化结构的CNN故障诊断方法 |
| 3.2.1 数据预处理方法研究 |
| 3.2.2 基于CNN的故障诊断模型设计 |
| 3.2.3 实验结果分析 |
| 3.3 基于一维CNN的故障诊断方法 |
| 3.3.1 一维故障诊断模型设计及参数 |
| 3.3.2 样本集构建 |
| 3.3.3 实验结果分析 |
| 3.4 本章小结 |
| 第四章 融合多源信息的CNN故障诊断算法 |
| 4.1 引言 |
| 4.2 融合多源信息的CNN故障诊断方法 |
| 4.2.1 融合数据预处理方法 |
| 4.2.2 CNN-HMM的故障诊断模型 |
| 4.3 实验测试及结果分析 |
| 4.3.1 实验方案 |
| 4.3.2 实验结果分析 |
| 4.4 本章小结 |
| 第五章 故障诊断软件系统 |
| 5.1 引言 |
| 5.2 无人机传动系统故障诊断软件设计与实现 |
| 5.2.1 系统功能设计 |
| 5.2.2 系统实现 |
| 5.2.3 实验测试 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（9）基于神经网络的卫星姿态控制系统故障诊断研究与仿真（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 神经网络介绍与应用 |
| 1.2.1 神经网络技术介绍 |
| 1.2.2 神经网络技术在航天工业中的应用 |
| 1.3 卫星故障诊断技术研究现状 |
| 1.3.1 基于解析模型的诊断方法 |
| 1.3.2 基于信号处理的诊断方法 |
| 1.3.3 基于知识的诊断方法 |
| 1.4 基于神经网络的卫星故障诊断方法研究现状 |
| 1.5 论文主要工作与内容安排 |
| 第二章 卫星姿态控制系统建模与Arduino平台介绍 |
| 2.1 引言 |
| 2.2 卫星姿态控制系统建模 |
| 2.2.1 卫星姿态描述 |
| 2.2.2 卫星姿态动力学与运动学方程 |
| 2.2.3 空间坐标系定义 |
| 2.3 姿态控制系统执行器与敏感器介绍 |
| 2.3.1 常用执行器介绍 |
| 2.3.2 常用敏感器介绍 |
| 2.4 Arduino平台介绍 |
| 2.5 本章小结 |
| 第三章 基于递归神经网络的执行器故障诊断方法 |
| 3.1 引言 |
| 3.2 卫星姿态控制系统执行器与故障分析 |
| 3.2.1 反作用飞轮介绍 |
| 3.2.2 反作用飞轮建模 |
| 3.2.3 反作用飞轮故障情况 |
| 3.3 基于递归神经网络的故障诊断方法 |
| 3.3.1 递归神经网络结构与算法 |
| 3.3.2 递归神经网络参数估计器设计 |
| 3.3.3 基于递归神经网络的故障诊断结构设计 |
| 3.3.4 神经网络权值更新算法 |
| 3.3.5 故障诊断策略与阈值确定 |
| 3.4 带反馈的神经网络故障诊断结构设计 |
| 3.5 仿真验证与分析 |
| 3.5.1 电机电流故障情况 |
| 3.5.2 母线电压故障情况 |
| 3.6 本章小结 |
| 第四章 基于递归神经网络的敏感器故障诊断方法 |
| 4.1 引言 |
| 4.2 卫星姿态控制系统敏感器与故障分析 |
| 4.2.1 磁强计原理介绍 |
| 4.2.2 磁强计建模 |
| 4.2.3 磁强计故障情况分析 |
| 4.3 递归神经网络观测器故障诊断策略 |
| 4.3.1 递归神经网络观测器设计 |
| 4.3.2 递归神经网络学习规则设计 |
| 4.3.3 递归神经网络稳定性分析 |
| 4.4 仿真验证与分析 |
| 4.4.1 无敏感器故障情况 |
| 4.4.2 单轴敏感器故障情况 |
| 4.4.3 多轴敏感器故障情况 |
| 4.5 本章小结 |
| 第五章 基于Arduino的单轴姿态故障诊断仿真平台 |
| 5.1 引言 |
| 5.2 单轴姿态故障诊断仿真平台硬件系统设计 |
| 5.2.1 主控制器 |
| 5.2.2 姿态测量单元 |
| 5.2.3 蓝牙通信单元 |
| 5.2.4 飞轮执行机构 |
| 5.3 单轴姿态故障诊断仿真平台控制系统设计 |
| 5.3.1 仿真平台系统建模与姿态估计 |
| 5.3.2 Unscented卡尔曼滤波算法 |
| 5.3.3 单轴姿态故障诊断仿真平台控制方法设计 |
| 5.4 仿真实验与分析 |
| 5.4.1 基于PID控制算法的仿真平台姿态控制实验 |
| 5.4.2 仿真平台的电机电压故障诊断实验 |
| 5.4.3 仿真平台的磁强计偏移误差故障诊断实验 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（10）航天器电源系统故障诊断与健康评价研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电源系统部件级故障特征研究现状 |
| 1.2.2 电源系统系统级故障诊断研究现状 |
| 1.2.3 电源系统系统级健康评价研究现状 |
| 1.3 本文的主要内容及结构 |
| 1.4 本章小结 |
| 第二章 太阳能电池阵列内故障特征及系统传感器布局研究 |
| 2.1 引言 |
| 2.2 基于低频等效阻抗特性参数的太阳能电池故障特征研究 |
| 2.2.1 太阳能电池等效物理模型 |
| 2.2.2 基于低频阻抗的太阳能电池故障特征研究 |
| 2.2.3 太阳能电池故障特征规律验证 |
| 2.3 基于分流调节装置的航天器太阳能电池内阻特征提取方法 |
| 2.3.1 基于PN结门槛电压特性的太阳能电池内阻特征分析 |
| 2.3.2 航天器太阳能电池阻抗特征提取方案 |
| 2.3.3 太阳能电池内阻特征提取方法验证 |
| 2.4 基于多信号流图模型的电源系统传感器布局研究 |
| 2.4.1 基于多信号流图模型的系统测试性分析方法 |
| 2.4.2 电源系统的多信号流图模型 |
| 2.4.3 电源系统传感器布局 |
| 2.5 本章小结 |
| 第三章 融合故障传播特性的电源系统多传感器数据降维研究 |
| 3.1 引言 |
| 3.2 基于故障传播机理的电源系统变量权重研究 |
| 3.2.1 基于故障传播机理的系统变量权重分析方法 |
| 3.2.2 基于故障传播机理的电源系统变量权重分析案例 |
| 3.3 航天器电源系统多传感器数据降维方法研究 |
| 3.3.1 电源系统多传感器数据降维问题 |
| 3.3.2 基于改进主元分析的航天器电源系统多传感器数据降维方法 |
| 3.3.3 多传感器数据降维方法效果验证与对比 |
| 3.4 本章小结 |
| 第四章 基于深度学习的电源系统故障诊断研究 |
| 4.1 引言 |
| 4.2 基于深度学习的电源系统故障诊断研究 |
| 4.2.1 深度学习思想 |
| 4.2.2 基于堆叠稀疏自动编码器(SSAE)的故障诊断 |
| 4.3 基于深度学习的电源系统故障诊断SSAE模型研究 |
| 4.3.1 基于SSAE的故障诊断模型训练 |
| 4.3.2 SSAE模型参数影响分析 |
| 4.4 基于深度学习的航天器电源系统故障诊断验证 |
| 4.4.1 电源系统故障诊断数据来源 |
| 4.4.2 电源系统故障诊断结果对比 |
| 4.5 本章小结 |
| 第五章 基于分层形态多准则的电源系统综合健康评价研究 |
| 5.1 引言 |
| 5.2 分层形态多准则评价方法研究 |
| 5.2.1 分层形态多准则评价中的映射问题 |
| 5.2.2 基于状态转移矩阵的评价度量转换 |
| 5.2.3 多重映射下分层形态多准则评价方法研究 |
| 5.3 航天器电源系统综合健康评价指标体系及指标量化研究 |
| 5.3.1 航天器电源系统评价指标体系构建原则 |
| 5.3.2 航天器电源系统评价指标体系构建 |
| 5.3.3 综合健康评价指标量化 |
| 5.4 航天器电源系统健康评价案例分析 |
| 5.4.1 太阳能电池和系统健康状态评价实例 |
| 5.4.2 航天器电源系统健康评价结果与分析 |
| 5.5 本章小结 |
| 第六章 航天器电源系统故障诊断与健康评价系统设计与验证 |
| 6.1 引言 |
| 6.2 故障诊断与健康评估系统功能需求分析 |
| 6.2.1 故障诊断与健康评价系统功能需求分析 |
| 6.2.2 基于.NET架构的电源系统故障诊断与健康评估系统 |
| 6.3 故障诊断与健康评价系统软件功能模块设计与测试 |
| 6.3.1 故障诊断与健康评价软件功能 |
| 6.3.2 故障诊断与健康评价软件功能模块设计 |
| 6.3.3 故障诊断与健康评价软件功能模块测试 |
| 6.4 故障诊断与健康评价系统试验 |
| 6.4.1 故障诊断与健康评价系统半物理实验方案 |
| 6.4.2 故障诊断与健康评价系统试验案例 |
| 6.4.3 故障诊断与健康评价系统试验结果 |
| 6.4.4 故障诊断与健康评价系统应用研究 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 未来工作展望 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
| 参考文献 |
四、基于信息融合的空间站自主故障诊断技术研究（论文参考文献）
- [1]空间机械臂操控技术研究综述[J]. 薛智慧,刘金国. 机器人, 2022(01)
- [2]上面级智能导航决策融合方法研究[D]. 孙绪尧. 哈尔滨工业大学, 2020(01)
- [3]基于状态估计与融合预测的PHM方法研究[D]. 杨泽. 哈尔滨工业大学, 2020(01)
- [4]空天飞行器多源冗余容错导航关键技术研究[D]. 景羿铭. 南京航空航天大学, 2020(07)
- [5]基于改进A*算法的航天器故障诊断研究[D]. 邹永明. 沈阳理工大学, 2020(08)
- [6]综合指挥显示系统关键技术研究与实现[D]. 孙志. 西安电子科技大学, 2019(02)
- [7]运载火箭控制系统典型单机故障诊断技术研究[D]. 吴新锋. 中国运载火箭技术研究院, 2019(03)
- [8]基于卷积神经网络与多源信息融合的故障诊断方法研究[D]. 王琪. 电子科技大学, 2019(01)
- [9]基于神经网络的卫星姿态控制系统故障诊断研究与仿真[D]. 魏炳翌. 南京航空航天大学, 2019(02)
- [10]航天器电源系统故障诊断与健康评价研究[D]. 秦剑华. 南京航空航天大学, 2018(02)
标签：故障诊断论文; 飞行器设计与工程论文; 系统仿真论文; 空间分析论文; 测试模型论文;