10.13700/j.bh.1001-5965.2021.0060
基于功耗残差的航天器CMG退化特征提取方法
为实现航天器控制力矩陀螺(CMG)性能退化状态评估,提出了一种基于卷积神经网络(CNN)与功耗残差的CMG退化特征提取方法.由于CMG控制系统对高速转子运动状态的高精准控制,CMG退化特征难以从转子运动状态数据中直接提取.针对该问题,从转子系统的能量损耗角度出发,通过分析CMG工作机理确定了影响单位时间内转子电机功耗的变量,并通过CNN建立了CMG运行状态参数与电机功耗之间的映射.将退化状态下电机实际功耗与模型输出的残差作为退化特征对CMG退化状态进行评价.通过某型号CMG的加速寿命实验数据进行验证,结果表明:构建的退化特征能够表征CMG转子轴承的性能退化情况,从而为CMG状态监测和故障预警提供参考.
控制力矩陀螺(CMG)、滚动轴承、退化特征、卷积神经网络(CNN)、功耗残差
48
V44;TP202+.1(航天仪表、航天器设备、航天器制导与控制)
国家自然科学基金;国家商用飞机制造工程技术研究中心创新基金
2022-11-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
1899-1905