MétaCan
Menu
Retour à la cohorte
Enregistrement W3212878094 · doi:10.32920/ryerson.14649306.v1

Fault Diagnosis And Prognosis Of Satellite Attitude Control System With Reaction Wheels and Control Moment Gyros

2021· preprint· en· W3212878094 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueAdvanced Algorithms and Applications
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésPrognosticsFault (geology)Kalman filterReliability engineeringEngineeringFault detection and isolationResidualBayes' theoremControl engineeringControl theory (sociology)Computer scienceActuatorBayesian probabilityControl (management)AlgorithmArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Condition-based maintenance (CBM) and prognostics and health management (PHM), as consisting parts of diagnosis, prognosis, and health monitoring (DPHM) framework, have developed over the past decades to remedy the limitations of the traditional maintenance practices for complex systems. In space, where mass and power budget are restricted, application of CBM and PHM has become more vital to the success of a mission. Reaction wheels (RW) and Control Moment Gyros (CMG), as the most commonly used actuators onboard satellites, are prone to faults and failures. The ability to detect faults, isolate their location and severity, and estimate the remaining useful life (RUL) of the faulty unit can enhance mission success rate and reduce maintenance and damage costs extensively. Therefore, in this thesis, a model-based DPHM framework is developed and evaluated. Firstly, a novel fault detection algorithm is proposed, using Unscented Kalman filters (UKF) in conjunction with residual and innovation sequences, for detecting agile faults in RW/CMG onboard satellites. Secondly, a novel fault isolation algorithm is proposed, using UKF, Bayes’ probability and interacting multiple models (IMM), to isolate the location of the fault and its severity. Finally, a new fault prognosis approach is proposed, using UKF and particle filters (PF) to estimate the RUL of a faulty unit. Extensive simulations were conducted for each phase of the DPHM to verify advantages of the proposed techniques over the available methods in the literature. Extensive simulations were conducted to evaluate the performance of the proposed methods in each module of the framework. Regarding the proposed fault detection scheme, results showed superior performance of the proposed adaptation technique compared to the original UKF and a previously developed AUKF. The proposed fault isolation scheme was able to successfully isolate the faulty unit at multiple levels of isolation including formation level, system level, and actuator level with over 99% success rate for formation level, over 99% success rate for the RW assembly and for up to 90% success rate for the CMG assembly in the system level. For the CMG assembly, due to direct estimation of the fault parameters, it was possible to determine the severity of the faults as well as their location. Finally, the proposed fault prognosis approach provided RUL estimates with errors as low as 1.5% compared to the actual remaining useful life. Overall, the proposed framework can be regarded as a promising tool for fault detection, isolation and identification, and prognosis of the complex nonlinear systems. Furthermore, the proposed framework can be extended to other complex systems in space including multi-agent formation systems and other areas where the model of the system under study is available.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,735
Score d'incertitude au seuil0,935

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,215
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Algorithms and ApplicationsTravaux en français237 207