Fault detection of reaction wheels in attitude control subsystem of formation flying satellites
Notice bibliographique
Résumé
Purpose – A decentralized dynamic neural network (DNN)-based fault detection (FD) system for the reaction wheels of satellites in a formation flying mission is proposed. The paper aims to discuss the above issue. Design/methodology/approach – The highly nonlinear dynamics of each spacecraft in the formation is modeled by using DNNs. The DNNs are trained based on the extended back-propagation algorithm by using the set of input/output data that are collected from the 3-axis of the attitude control subsystem of each satellite. The parameters of the DNNs are adjusted to meet certain performance requirements and minimize the output estimation error. Findings – The capability of the proposed methodology has been investigated under different faulty scenarios. The proposed approach is a decentralized FD strategy, implying that a fault occurrence in one of the spacecraft in the formation is detected by using both a local fault detector and fault detectors constructed specifically based on the neighboring spacecraft. It is shown that this method has the capability of detecting low severity actuator faults in the formation that could not have been detected by only a local fault detector. Originality/value – The nonlinear dynamics of the formation flying of spacecraft are represented by multilayer DNNs, in which conventional static neurons are replaced by dynamic neurons. In our proposed methodology, a DNN is utilized in each axis of every satellite that is trained based on the absolute attitude measurements in the formation that may nevertheless be incapable of detecting low severity faults. The DNNs that are utilized for the formation level are trained based on the relative attitude measurements of a spacecraft and its neighboring spacecraft that are then shown to be capable of detecting even low severity faults, thereby demonstrating the advantages and benefits of our proposed solution.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».