首页--航空、航天论文--航天(宇宙航行)论文--制造工艺论文--航天器的维护与修理论文

面向小卫星群的神经网络故障诊断技术研究

摘要第4-5页
abstract第5页
第一章 绪论第14-30页
    1.1 研究背景及意义第14-15页
    1.2 小卫星群系统综述第15-22页
        1.2.1 小卫星群系统的分类与概述第15-16页
        1.2.2 小卫星群系统应用现状概述第16-22页
    1.3 小卫星群故障诊断算法概述第22-24页
        1.3.1 定性方法概述第23页
        1.3.2 定量方法概述第23-24页
    1.4 神经网络故障诊断技术及其在航天器中的应用第24-28页
        1.4.1 神经网络故障诊断技术的分类第24页
        1.4.2 神经网络故障诊断的基本方法与分析第24-26页
        1.4.3 应用于航天器中的神经网络故障诊断技术第26-28页
    1.5 论文主要工作与内容安排第28-30页
第二章 小卫星群系统模型及理论基础第30-43页
    2.1 引言第30页
    2.2 卫星姿态控制系统建模第30-36页
        2.2.1 空间坐标系的定义第30-31页
        2.2.2 卫星姿态描述方法第31-35页
        2.2.3 卫星姿态运动学与动力学方程第35-36页
    2.3 小卫星群系统编队模型第36-40页
        2.3.1 小卫星群编队飞行控制体系第36-38页
        2.3.2 小卫星群控制器设计第38-40页
    2.4 卫星姿态控制系统的执行机构第40-42页
        2.4.1 小卫星群常用执行机构分类介绍第40-41页
        2.4.2 小卫星群执行机构故障模式分析第41-42页
    2.5 本章小结第42-43页
第三章 基于神经网络观测器的个体卫星故障诊断第43-59页
    3.1 引言第43页
    3.2 卫星姿态执行器控制策略第43-44页
    3.3 级联前馈神经网络观测器设计策略第44-52页
        3.3.1 级联前馈神经网络结构与算法第44-46页
        3.3.2 级联前馈神经网络观测器设计第46-48页
        3.3.3 神经网络训练算法与稳定性分析第48-52页
    3.4 基于神经网络观测器的故障诊断方法第52-53页
    3.5 仿真验证第53-57页
    3.6 本章小结第57-59页
第四章 基于神经网络的卫星群故障诊断第59-79页
    4.1 引言第59页
    4.2 卫星群姿态控制系统执行器及其故障分析第59-63页
        4.2.1 脉冲等离子体推进器介绍第59-60页
        4.2.2 脉冲等离子体推进器建模第60-62页
        4.2.3 脉冲等离子体推进器故障情况分析第62-63页
    4.3 级联前馈神经网络模型第63-68页
        4.3.1 级联前馈神经网络结构构建方法第63-65页
        4.3.2 神经网络结构混合训练方法第65-66页
        4.3.3 混合训练算法的终止准则第66页
        4.3.4 神经网络部分权值训练算法第66-68页
    4.4 基于神经网络的卫星群姿态控制系统故障诊断策略第68-71页
    4.5 仿真验证及分析第71-78页
        4.5.1 卫星群正常工作状态第71-72页
        4.5.2 卫星群故障案例1第72-75页
        4.5.3 卫星群故障案例2第75-78页
    4.6 本章小结第78-79页
第五章 小卫星群编队飞行的故障诊断第79-94页
    5.1 引言第79页
    5.2 编队飞行小卫星群的队形机动变换第79-83页
        5.2.1 小卫星群系统绕飞相对动力学模型第79-81页
        5.2.2 小卫星群编队飞行队形设计第81-82页
        5.2.3 小卫星群队形机动变轨方案第82-83页
    5.3 卫星群队形机动变换故障诊断方案第83-87页
        5.3.1 神经网络观测器设计第84-86页
        5.3.2 基于级联前馈神经网络观测器的故障诊断策略第86-87页
    5.4 仿真实验与分析第87-93页
        5.4.1 正常情况下小卫星群队形机动变换仿真第87-88页
        5.4.2 小卫星群队形机动变换故障诊断仿真第88-93页
    5.5 本章小结第93-94页
第六章 总结与展望第94-96页
    6.1 全文工作总结第94-95页
    6.2 后续工作展望第95-96页
参考文献第96-102页
致谢第102-103页
在学期间的研究成果及发表的学术论文第103页

论文共103页,点击 下载论文
上一篇:基于机器学习的机电系统关键部件PHM技术研究
下一篇:一种鲁棒性停机位分配方法的研究