基于MM-SVM的衛(wèi)星故障診斷技術(shù)研究.pdf

1、隨著我國綜合國力的加強、航空航天技術(shù)的快速發(fā)展，衛(wèi)星的應(yīng)用越來越廣泛，越來越重要。通過延長在軌衛(wèi)星的服役期限、提升在軌衛(wèi)星的運行穩(wěn)定性可提高衛(wèi)星資源利用率，充分發(fā)揮衛(wèi)星的作用。衛(wèi)星故障診斷技術(shù)作為實現(xiàn)上述目標的重要手段之一，得到了工業(yè)界和研究界的重視，近幾年得到了快速的發(fā)展。
　　在對衛(wèi)星故障診斷的相關(guān)技術(shù)進行深入分析和研究的基礎(chǔ)上，本文面向在軌運行衛(wèi)星故障診斷的實時性、高準確率需求，針對衛(wèi)星故障發(fā)生率低，已有故障樣本少，以及衛(wèi)星

2、運行狀態(tài)參數(shù)眾多的特點，提出基于支持向量機（SVM）的衛(wèi)星故障診斷方法，在此基礎(chǔ)上，研究提出了一種多模型支持向量機（MM-SVM）技術(shù)，并通過已有的衛(wèi)星運行狀態(tài)真實數(shù)據(jù)對MM-SVM的有效性進行了試驗，試驗表明MM-SVM的準確率達到了100％，遠遠高出其它故障診斷方法。本文的具體工作如下：
　?。?）對當前衛(wèi)星故障診斷技術(shù)的研究現(xiàn)狀進行了詳細分析，通過對傳統(tǒng)衛(wèi)星故障診斷技術(shù)和基于數(shù)據(jù)驅(qū)動的衛(wèi)星故障診斷技術(shù)的對比分析，結(jié)合當前衛(wèi)星

3、運行狀態(tài)監(jiān)測技術(shù)的發(fā)展，衛(wèi)星在軌狀態(tài)數(shù)據(jù)越來越豐富這一有利因素，選擇了基于數(shù)據(jù)驅(qū)動的衛(wèi)星故障診斷技術(shù)作為本文的研究方向。
　　（2）由于衛(wèi)星研制水平的不斷提高，故障數(shù)據(jù)越來越少，故障樣本數(shù)目極其有限，已有基于數(shù)據(jù)驅(qū)動的故障診斷技術(shù)在性能和準確率方面都不能很好滿足衛(wèi)星故障實時診斷的要求，本文提出了一種基于SVM的多模型支持向量機（MM-SVM）故障診斷技術(shù)，首先將衛(wèi)星參數(shù)進行分類，針對每一類衛(wèi)星參數(shù)，通過樣本學習建立相應(yīng)的SVM故障

4、診斷模型，然后按照“大多數(shù)投票”的組合規(guī)則對衛(wèi)星運行故障進行診斷。
　　（3）針對衛(wèi)星狀態(tài)數(shù)據(jù)規(guī)模大、維度高，傳統(tǒng)的數(shù)據(jù)倉庫技術(shù)性能較低，不適合衛(wèi)星故障診斷時效性要求的問題，本文將大規(guī)模分布式數(shù)據(jù)管理平臺Hadoop與數(shù)據(jù)挖掘軟件R進行了集成，設(shè)計實現(xiàn)了一個分布式數(shù)據(jù)倉庫HR系統(tǒng)，并在該系統(tǒng)中實現(xiàn)了MM-SVM故障診斷。
　?。?）采用多年積累的衛(wèi)星在軌運行狀態(tài)數(shù)據(jù)和故障記錄，基于HR對MM-SVM進行了試驗和優(yōu)化，并與其它