基于Simulink/Arduino的故障诊断研究与应用

作     者：倪平 

作者单位：沈阳航空航天大学 

学位级别：硕士

导师姓名：闻新;赵宏校

授予年度：2021年

学科分类：08[工学] 082503[工学-航空宇航制造工程] 0825[工学-航空宇航科学与技术] 

主      题：深度学习 航天器姿态控制 半物理仿真 故障诊断 

摘      要：随着现代工业的发展,航空航天领域的故障问题越来越复杂化、非线性化和具有强耦合性,浅层神经网络的故障诊断方法很难取得很好的故障诊断效果,深度学习相对于浅层神经网络具有更强大的特征提取能力。理论应用于实际工程中,需要不断修改算法以满足需求,半物理仿真模式可以大大减少这一过程的时间和重复建模工作。针对深度学习对现代航天器故障诊断的问题,对火箭摇摆伺服控制系统和卫星姿态控制系统进行建模,进行故障模式分析并采集数据;通过改变权重矩阵参数、激活函数、训练方法和网络层数的方法研究四种深度学习算法最优的故障诊断结构;四种算法经过改进正确率达到94.2%-98.8%,通过损失函数调节学习率的方法正确率提高17.9%,激活函数采用改进的线性整流单元正确率提高4%。结果表明,深度学习算法通过改进可以对现代航天器故障表现出强大的辨识能力。对于故障诊断系统应用于实际的问题,搭建了物理模型,以simulink为上位机构建了PD控制算法和两种故障诊断算法。通过半物理仿真模式在线调参,以减少模型构建时间,观察故障诊断算法性能。半物理仿真实验中,一维卷积神经网络故障诊断正确率为52.5%,采用对比散度算法初始化的深度神经网络正确率为87.5%。结果表明对于具有非连续、非线性、强耦合且少参数特征的航天器数据,多参数网络具有良好的工程性。