在轨飞轮故障诊断混合框架设计

为提升飞轮的可靠性,本文对飞轮故障诊断技术进行了研究。通过对基于数学解析模型与基于智能计算的故障诊断方法的对比研究,提出了一种基于神经网络的混合故障诊断方法。该方法首先使用数学解析模型与原系统输出的差值作为一级残差;而后利用该一级残差以及系统可测状态对神经网络进行训练;然后使用混合模型输出的二级残差对系统故障进行检测;最后以飞轮注入母线电压以及电枢电流故障对该方法进行验证:在存在母线电压故障工况下混合模型避免了解析模型电流估计的发散问题,与单神经网络模型相比最大跟踪误差降低了44%。在存在电流故障时,不同的转速工况下与两种单模型相比混合模型的最大跟踪误差降低了90%,跟踪方差减小了10倍以上。混合方法可以有效解决由于解析模型存在建模误差引起的故障诊断不够准确的问题以及由于缺乏训练数据所引起的单神经网络模型不能适应新工况的故障诊断问题。     

多阶段传感器-武器-目标分配问题的建模与优化求解

本文在静态传感器–武器–目标分配(S–WTA)问题的基础上,将作战过程分为多个拦截阶段,以最小化来袭目标的剩余威胁的期望值为目标,建立了一种多阶段S–WTA问题模型.为了求解该问题,本文将多阶段S–WTA问题分解为两类作战资源分配子问题.首先,提出了一种基于知识的增量式构造型启发式算法对多阶段武器–目标分配子问题进行求解.根据已确定的多阶段武器–目标分配方案,提出了一种基于边际损失的构造型启发式算法求解多阶段传感器–目标分配子问题.结合两种低复杂度、快速构造型启发式算法实现多阶段S–WTA问题的有效求解.本文选取了基于随机排列(RP)的随机采样算法作为对比算法,并通过仿真实验验证了算法的有效性.实验结果表明,本文提出的算法在大部分算例的求解质量和时间成本上都优于RP算法.     

连续小推力拦截卫星攻击轨道的优化

针对空间攻防中目标卫星周围由若干小卫星以编队形式绕飞的情况,研究了拦截卫星的轨道规划问题。以配备电推进的连续推力拦截卫星为对象,提出了基于遗传算法的拦截卫星攻击轨道寻优方法。以编队小卫星的动态防御模型作为环境模型,根据进攻轨道安全性和节省燃料的要求建立综合适应度函数,并对算法的编码方式、选择算子、交叉算子和变异算子进行了设计。基于MATLAB平台进行了仿真试验,结果表明,拦截卫星于650s时击中目标卫星,总开机时间为410s。提出的算法能够寻找到最优攻击路径,并且算法收敛性速度快,稳定性高。与同类的研究方法相比,该算法能够有效减少火箭开机时间,进而减轻了卫星在轨道机动过程中姿态调整的任务负荷。