《飞轮传感器的高斯混合模型故障检测方法》PDF+DOC
作者:龚学兵,王日新,徐敏强
单位:中国宇航学会
出版:《宇航学报》2015年第06期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFYHXB2015060110
DOC编号:DOCYHXB2015060119
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于广义回归神经网络的传感器故障检测》PDF+DOC2017年第09期 李长征,张瑜
《基于多传感器故障检测的设计与实验开发》PDF+DOC2019年第52期 张玲,孙永荣,赖际舟,李荣冰,吕品,张绍杰
《基于神经网络在线建模的非线性动态系统中传感器故障检测方法》PDF+DOC1998年第01期 钮永胜,赵新民
《中低速磁浮列车位置传感器故障检测》PDF+DOC2010年第11期 翟毅涛,李杰,张文清
《多变量过程传感器故障检测的SVM方法》PDF+DOC2008年第08期 彭红星,陈祥光,徐巍,张玮
《基于霍金斯指标的传感器数据有效性验证》PDF+DOC2007年第14期 邱天,丁艳军,吴占松
《基于霍金斯指标的传感器故障重构研究》PDF+DOC2006年第10期 邱天,丁艳军,吴占松
《基于主元分析的故障可检测性的统计指标比较》PDF+DOC2006年第08期 邱天,丁艳军,吴占松
《计算机控制系统中传感器故障诊断方法仿真》PDF+DOC2014年第03期 杨波
《带乘性噪声系统的传感器故障检测方法》PDF+DOC2013年第04期 褚东升,董琦,张玲
针对闭环控制的飞轮系统,本文采用一种基于高斯混合模型(GMM)的故障诊断方法检测飞轮的传感器故障。姿态机动的反作用飞轮是一个多工况系统。通过飞轮的历史观测数据建立飞轮的GMM模型,它用有限个高斯函数的加权组合来有效地拟合多工况的观测数据,利用基于贝叶斯推理的后验概率(BIP)指标计算新样本偏离GMM模型的程度,该指标能避免由于数据分类不确定而引起的误检测问题。仿真结果表明BIP指标不需要复杂的数学建模就能准确检测飞轮传感器故障。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。