集成系统健康管理若干关键技术研究

论文摘要

随着科技的进步,人类探索的领域越来越广阔。在航天领域,人类的探索已经从近地观测发展到深空探测。随着探测距离的延伸,探测任务对航天器的自主能力的要求也越来越高,对航天器的可靠性、成本控制和安全也提出了更高的要求。历史证明对航天器状态进行全面、准确的评估,以及提供一个保证机组人员安全和任务完成所需要的快速反应体系结构是必需的。集成系统健康管理(Integrated Systems Health Management, ISHM)是近期由NASA等研究机构提出的一项新技术,用来提高航天器等复杂系统的自主能力和可靠性,以及降低运行成本、延长使用寿命等。本文对集成系统健康管理的关键技术进行了研究,包括系统健康管理的体系结构、智能传感器、故障检测与系统健康度的评价、故障原因推理等部分。首先,深入研究故障检测方法以及系统健康度的评价方法。使用数据变化率判断方法和多因素模糊综合评价算法两种故障检测方法,对INS/GPS组合导航系统的实测数据进行了故障检测,并对两种方法进行了比较,并利用多因素模糊综合评价算法进行了系统健康度的评价。其次,在故障检测的基础上,推理故障产生的原因。本文以概率论为基础,在分析了目前故障原因推理方面所面临的主要问题的基础上,引入了故障树模型、贝叶斯网络模型和确定因子模型三种故障原因诊断方法,通过对故障诊断问题的一般描述,对贝叶斯网络故障诊断系统进行了分析和设计。文中对三种方法进行比较,判断它们在故障原因的实际推理中的优劣。最后,设计了基于ISHM系统应用的智能加速度传感器的硬件电路,主要设计了基于IEEE1451.2标准的智能传感器的硬件电路,包括两层结构模块,一层为网络适配器模块NCAP,以及与之匹配的电源模块、热拔插模块、复位电路模块等;另一层为智能变送器模块STIM,文中设计与之匹配的串口通信模块、手动复位模块等,并着重论述了TII智能接口的电路设计思想以及ADuc812开发过程中的注意事项。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.2 健康管理技术的演变过程
• 1.3 集成系统健康管理概述
• 1.3.1 健康管理的基本概念
• 1.3.2 集成系统健康管理
• 1.4 当前国内外的研究现状及分析
• 1.4.1 目前国内外现状
• 1.4.2 目前研究内容及分析
• 1.5 本文研究内容
• 第2章 集成系统健康检测及健康度的评价
• 2.1 引言
• 2.2 检测方法一——数据变化率判断方法
• 2.3 检测方法二——多因素模糊综合决策算法
• 2.3.1 模糊因数集
• 2.3.2 隶属度函数的选择
• 2.3.3 多因素模糊综合判断准则
• 2.3.4 合成运算模型的选择
• 2.3.5 多因素模糊综合决策算法判断系统健康度仿真算例
• 2.4 两种方法的对比实验研究
• 2.5 本章小结
• 第3章 集成系统的故障推理
• 3.1 引言
• 3.2 概率论基础
• 3.2.1 概率论的基本思想
• 3.2.2 概率推理
• 3.3 故障树模型的基本理论
• 3.4 确信因子模型的理论基础
• 3.5 贝叶斯网络理论基础
• 3.5.1 贝叶斯网络特性
• 3.5.2 贝叶斯网络推理算法
• 3.6 贝叶斯网络与故障树模型的举例比较
• 3.6.1 贝叶斯网络对应于故障树模型的功能
• 3.6.2 贝叶斯网络较故障树模型的优势
• 3.7 确信因子模型与贝叶斯网络的比较
• 3.7.1 贝叶斯网络中对应于确信因子的功能
• 3.7.2 贝叶斯网络较确信因子模型的优势
• 3.8 本章小结
• 第4章 加速度智能传感器的硬件设计
• 4.1 引言
• 4.2 IEEE1451 标准的研究
• 4.3 硬件系统结构
• 4.4 STIM模块硬件结构设计
• 4.5 NCAP模块硬件设计
• 4.5.1 时钟电路和复位电路设计
• 4.5.2 F2809 供电电源设计
• 4.5.3 热插拔电路设计
• 4.6 系统硬件设计注意事项
• 4.7 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢