基于神经网络—贝叶斯网络融合的动量轮在轨健康状态评估

摘要

动量轮是长寿命卫星姿控系统的关键机电部件,其可靠性是影响卫星寿命的重要因素.为实时有效的掌握其健康状态,本文提出了一种基于神经网络—贝叶斯网络融合的在轨健康状态评估方法.该方法将动量轮的健康状态分为健康、良好、故障3个等级,首先基于动量轮设计数据(关键特性、FMEA)利用贝叶斯网络建立网络拓扑结构;接着利用神经网络对地面测试/试验数据进行训练,学习动量轮关键特性参数与其相关故障模式之间的关联关系,利用已知故障数据及专家经验给出动量轮各层故障模式之间的传递关系;最后基于在轨遥测数据,利用贝叶斯网络对模型进行自动推理,实现动量轮实时在轨健康状态评估.该方法能够为动量轮在轨任务规划、故障处理维护等提供决策支持,具有一定的工程应用意义.