買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜中國空間技術研究院申請的專利基于深度學習的反作用輪故障檢測和健康評估系統及方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114254555B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111372043.9，技術領域涉及：G06F30/27；該發明授權基于深度學習的反作用輪故障檢測和健康評估系統及方法是由陳子涵;張田青設計研發完成，并于2021-11-18向國家知識產權局提交的專利申請。

本基于深度學習的反作用輪故障檢測和健康評估系統及方法在說明書摘要公布了：本發明公開了一種基于深度學習的反作用輪故障檢測和健康評估系統及方法，能夠解決反作用輪故障檢測難度大，以及在反作用輪故障數據較少時未能充分利用正常數據評估其健康狀態的問題。所述反作用輪故障檢測和健康評估系統包括觀測器、檢測器、評估器；所述觀測器用于跟蹤反作用輪的動力學狀態，并生成實時殘差；所述檢測器實時產生當前時間的自適應閾值，比較殘差和閾值的關系，檢測所述反作用輪是否故障；所述評估器用于周期性評估所述反作用輪的健康狀態；所述評估器獲取并記錄殘差，將一段時間的殘差數據組成殘差向量；提取殘差向量的特征；計算特征向量的空間拓撲結構，并計算空間偏離度，最后將其轉化為健康度CV，從而實現健康評估。

本發明授權基于深度學習的反作用輪故障檢測和健康評估系統及方法在權利要求書中公布了：1.一種基于深度學習的反作用輪故障檢測和健康評估方法，所述方法基于一種基于深度學習的反作用輪故障檢測和健康評估系統實現，其特征在于，所述反作用輪故障檢測和健康評估系統包括觀測器、檢測器、評估器；所述觀測器用于跟蹤反作用輪的動力學狀態，所述觀測器是由一個長短時記憶網絡LSTM構成的；所述觀測器獲取所述反作用輪的輸入X和多階延時輸出的組合；通過觀測器的LSTM深度神經網絡模擬所述反作用輪的輸入與輸出的關系，由所述LSTM深度神經網絡輸出所述反作用輪的估計輸出基于所述反作用輪的實際輸出Y和估計輸出實時計算反作用輪的實際輸出和估計輸出殘差R＝[r1,r2,…,rN]；所述檢測器用于檢測所述反作用輪是否發生故障；所述檢測器由閾值產生模塊和故障判別模塊組成，閾值產生模塊基于LSTM深度神經網絡實現，故障判別模塊實時比較殘差和自適應閾值的大小關系；所述檢測器接收反作用輪的輸入X、觀測器的估計輸出殘差R，輸出反作用輪的故障狀態；在t時刻，由閾值產生模塊實時產生當前時間t的自適應閾值εt；故障判別模塊實時比較t時刻殘差rt和自適應閾值εt，若殘差大于閾值，則判定所述反作用輪發生故障，若殘差小于或等于閾值，則判定所述反作用輪狀態正常；所述評估器用于周期性評估所述反作用輪的健康狀態；所述評估器包括特征提取模塊、自組織映射SOM神經網絡模塊、健康度計算模塊；所述特征提取模塊獲取并記錄殘差rt，將一段時間T內的殘差數據組成殘差向量RT＝[r1,r2,…,rT]；提取殘差向量的特征；將特征輸入SOM神經網絡模塊，之后將SOM神經網絡模塊的輸出結果輸入健康度計算模塊，獲得健康度CV結果；健康度是表征反作用輪的健康狀態的、范圍是0-1的無量綱標量；最終根據健康度評估所述反作用輪的健康狀態；所述自組織映射SOM神經網絡模塊使用所述反作用輪正常狀態時的殘差向量的時域特征訓練SOM神經網絡，訓練完成后即可輸出所述反作用輪正常狀態時的殘差向量的時域特征的空間拓撲結構，記錄該空間拓撲結構中的最佳匹配單元BMU位置，該BMU對應的權重矢量記為U0；所述方法包括：步驟S1：所述觀測器實時獲取反作用輪的輸入和輸出，所述輸入為反作用輪的輸入力矩指令信號，所述輸出為反作用輪的輸出力矩信號；基于所述反作用輪的輸入力矩指令信號和輸出力矩信號，所述觀測器實時生成反作用輪的估計輸出，計算所述反作用輪的實際輸出和所述觀測器的估計輸出的差值，將該差值定義為殘差；步驟S2：基于反作用輪的輸入力矩指令信號和所述觀測器產生的估計輸出，由所述檢測器的閾值產生模塊生成與所述反作用輪工作狀態對應、且與時間相關的自適應閾值；由所述檢測器的故障判別模塊實時比較殘差和自適應閾值：若所述殘差大于所述自適應閾值，則判定反作用輪故障；若所述殘差小于或等于所述自適應閾值，則判定反作用輪無故障；步驟S3：在故障檢測的同時，將所述殘差輸入評估器，由評估器輸出所述反作用輪的健康度，根據健康度分析所述反作用輪的健康狀態，判斷反作用輪是否性能退化；所述步驟S1，包括：利用反作用輪的輸入力矩指令信號X和輸出力矩信號Y，使用基于LSTM深度神經網絡的觀測器模擬反作用輪的動力學特征，根據反作用輪的輸入和多階延時輸出組合Y-2，實時生成反作用輪的估計輸出計算反作用輪的實際輸出和觀測器的估計輸出的差值，該差值定義為殘差R；t時刻的殘差rt的計算公式為所述步驟S2，包括：利用反作用輪t時刻的輸入信號和觀測器的輸出信號，使用檢測器中基于LSTM深度神經網絡的閾值產生模塊生成反作用輪該時刻的自適應閾值；t時刻的自適應閾值由下式計算出：εt＝r0t+β其中，r0t表示反作用輪工作正常情況下的t時刻的殘差，β表示修正系數；修正系數用來彌補反作用輪隨時間漂移的參數和擾動等因素造成的殘差波動；所述檢測器的故障判別模塊將該閾值εt和殘差rt比較：若殘差大于該閾值，則認為反作用輪故障，反之認為其處于正常狀態；所述步驟S3，包括：步驟S31：根據所述殘差，評估器記錄一段時間T內的殘差，組成殘差向量RT＝[r1,r2,…,rT]，特征提取模塊計算所述殘差向量的時域特征，并將其作為待健康評估的殘差向量的時域特征；步驟S32：將所述待健康評估的殘差向量的時域特征輸入評估器的SOM神經網絡模塊，所述評估器中的SOM神經網絡模塊輸出此時的殘差向量的時域特征的空間拓撲結構，記錄該空間拓撲結構中的BMU位置，該BMU對應的權重矢量記為U1；計算U0和U1的空間距離，將該空間距離記為最小量化誤差MQE；MQE表示待評估的殘差向量和反作用輪工作正常時的殘差向量間的偏離關系，即反作用輪當前運行狀態與正常狀態分別對應的特征空間的偏移度；M＝||U1-U0||其中，M表示MQE值；評估器的健康度計算模塊將MQE歸一化得到CV值： 其中，b是歸一化系數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國空間技術研究院，其通訊地址為：100094 北京市海淀區友誼路104號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。