科研之友
微信
新浪微博
Facebook
分享链接
摘要
为实现航天器控制力矩陀螺(CMG)性能退化状态评估，提出了一种基于卷积神经网络(CNN)与功耗残差的CMG退化特征提取方法。由于CMG控制系统对高速转子运动状态的高精准控制，CMG退化特征难以从转子运动状态数据中直接提取。针对该问题，从转子系统的能量损耗角度出发，通过分析CMG工作机理确定了影响单位时间内转子电机功耗的变量，并通过CNN建立了CMG运行状态参数与电机功耗之间的映射。将退化状态下电机实际功耗与模型输出的残差作为退化特征对CMG退化状态进行评价。通过某型号CMG的加速寿命实验数据进行验证，结果表明：构建的退化特征能够表征CMG转子轴承的性能退化情况，从而为CMG状态监测和故障预警提供参考。
- 单位
