《在軌太空飛行器診斷策略自動構建與學習調控方法研究》是依託中國人民解放軍國防科技大學，由張士剛擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：在軌太空飛行器診斷策略自動構建與學習調控方法研究
- 項目類別：青年科學基金項目
- 項目負責人：張士剛
- 依託單位：中國人民解放軍國防科技大學
中文摘要,結題摘要,
中文摘要
太空飛行器狀態監控和故障診斷是保證其安全運行的重要手段。當前，由於缺乏隨遙測數據和運行知識積累而更新進化的指導理論和方法，其診斷策略一旦確定後很難改變，導致太空飛行器運行管理系統普遍存在虛警率偏高、診斷精度不足的問題。為此，項目基於機器學習和貝葉斯網理論開展診斷策略自動構建和學習調控方法研究。首先，通過分析多信號模型和診斷貝葉斯網之間的映射關係，闡明多信號模型和貝葉斯網之間的轉化機制，建立診斷貝葉斯網自動構建方法。然後，研究揭示診斷貝葉斯網模型缺陷對診斷精度的影響規律，構建模型缺陷識別和評價方法。在此基礎上，建立學習進化模型，設計求解算法，實現診斷策略的學習調控。. 該項目提出的自動構建診斷模型並在套用中逐步學習熟化的方法為解決當前診斷系統中虛警率偏高且難以消除的普遍性問題提供了一條新的解決途徑。所取得的貝葉斯網自動構建方法等成果對豐富貝葉斯網和機器學習理論具有重要意義。
結題摘要
針對太空飛行器這類結構複雜、對安全性要求高的裝備，狀態監控和故障診斷是保證其正常安全運行的重要手段。當前，由於缺乏隨測試數據和運行知識積累而更新進化診斷策略的指導理論和方法，其診斷策略一旦確定後很難改變，導致診斷系統普遍存在虛警率偏高、診斷精度不足的問題。為此，項目基於機器學習和貝葉斯網理論開展診斷策略構建和學習調控方法研究。主要包括以下內容： 研究了基於多信號模型的貝葉斯網、多模式診斷模型的構建方法。提出了多模式下的多信號模型信息到診斷模型信息的映射和轉換方法，可有效降低模型的構建難度。同時，對傳統的貝葉斯網診斷模型進行了擴展，可以有效表達故障演化、多模式等信息，提高了模型的適用性。 提出了可適用於動態診斷模型的基於BIC評分的診斷模型評估方法，能綜合表達模型複雜度和模型精度屬性，為模型的學習進化研究提供了定量評價手段。 研究了定結構情況下的診斷模型學習進化方法。對樣本的表達、轉化方式進行了闡述。提出了基於最大似然估計和貝葉斯估計的方法。可有效實現故障診斷模型先驗知識和實際數據的有機結合，實現了診斷策略的改進和能力提升。 研究了結構和參數協同進化方法。結合診斷模型的特點，提出了基於約束、基於搜尋、約束和搜尋相結合的混合策略三種可行的學習方法。對三種方法的實現過程進行了詳細的闡述和對比研究。結果表明基於評分-搜尋的方法是最適用於項目研究的診斷模型的學習進化方法。 對項目的理論研究內容進行了充分的仿真驗證。選擇某太空飛行器電源系統以及某發動機系統進行了驗證，進一步證明了方法的有效性。總的看來，所提出的方法具有通用性，可以實現先驗模型和診斷數據的有機結合，達到了既能利用先驗知識又能利用運行知識的目的，具有較好的推廣套用前景。
