محمودنیا, ابوالفضل, مهدی‌آبادی, مهران. (1391). ارتقای قابلیت اطمینان زیرسیستم تعیین و کنترل وضعیت ماهواره با استفاده از سیستم کشف خرابی هوشمند. دانش و فناوری هوافضا, 1(2), 62-68.
ابوالفضل محمودنیا; مهران مهدی‌آبادی. "ارتقای قابلیت اطمینان زیرسیستم تعیین و کنترل وضعیت ماهواره با استفاده از سیستم کشف خرابی هوشمند". دانش و فناوری هوافضا, 1, 2, 1391, 62-68.
محمودنیا, ابوالفضل, مهدی‌آبادی, مهران. (1391). 'ارتقای قابلیت اطمینان زیرسیستم تعیین و کنترل وضعیت ماهواره با استفاده از سیستم کشف خرابی هوشمند', دانش و فناوری هوافضا, 1(2), pp. 62-68.
محمودنیا, ابوالفضل, مهدی‌آبادی, مهران. ارتقای قابلیت اطمینان زیرسیستم تعیین و کنترل وضعیت ماهواره با استفاده از سیستم کشف خرابی هوشمند. دانش و فناوری هوافضا, 1391; 1(2): 62-68.
ارتقای قابلیت اطمینان زیرسیستم تعیین و کنترل وضعیت ماهواره با استفاده از سیستم کشف خرابی هوشمند
1دانشجوی کارشناسی ارشد / دانشگاه آزاد اسلامی قزوین
2پژوهشیار / مجتمع دانشگاهی هوافضا، دانشگاه صنعتی مالک اشتر
چکیده
هدف این مقاله افزایش قابلیت اطمینان و سلامت در زیر سیستم تعیین و کنترل وضعیت ماهواره با استفاده از سیستم کشف خرابی می باشد. کشف سریع و به موقع خرابی امکان جلوگیری از انتشار و ترمیم آثار آن را امکان‌پذیر می‌سازد و سبب می‌شود تا احتمال از کار افتادگی کامل سیستم کاهش یافته و میزان قابلیت اطمینان آن افزایش یابد. روش پیشنهادی این مقاله عمل کشف خرابی به‌وسیله روش مبتنی بر داده شبکه عصبی صورت می پذیرد. در این روش پس از مطالعه رفتار دینامیکی چرخ عکس‌العملی از یک مدل صوری در قالب شبکه عصبی پرسپترون چند لایه به همراه تاخیر خطی جهت فراگیری رفتار دینامیکی چرخ عکس العملی استفاده شده است. مدل عصبی بدست آمده پس از تمرین‌دهی با داده‌های مورد نظر از دقت قابل ملاحضه ای برخوردار گردیده و سرعت و حساسیت بالایی نسبت به وقوع رفتار نامتعارف در عملگر چرخ عکس العملی از طریق سیگنال مانده از خود نشان می دهد. در این مقاله به منظور بررسی کارایی روش پیشنهادی یک مدل نرم افزاری از عملگر چرخ عکس‌العملی در نرم‌افزار MATLAB تهیه شده است.
Reliability Enhancement of Satellite ADCS System with Intelligent Fault Detection
نویسندگان [English]
Abolfazl Mahmoodnia, Mehran Mahdiabadi
چکیده [English]
Improvement of reliability and accuracy of satellite ADCS with fault detection approach is considered. Rapid fault detection avoids propagation of unwanted effects. With this approach, probability of system failure is decreased and reliability of system is increased. In this paper, a new proposed approach based on neural network data is presented .In this approach, investigation of Dynamical behavior of reaction wheel is presented. Then a multilayer prespetron neural network with linear delay learns the Dynamical behavior of reaction wheel. Achieved neural model has more accuracy and sensitivity of it with respect to unusual behavior of reaction wheel via residual signal is high. Investigation of this approach is done with software model of reaction wheel In Matlab software.
مراجع
[1] Josef korbicz. Jan M, Koscily, Wojciech Cholwa, “Fault Diagnosis, Models, Artificial Intelligence and Applications”, Springer, July 2004.
[3] Al-Dein, Al-Zyoud and Khorasani, “Neural Network-Based Actuator fault diagnosis for attitude control subsystem of an unmanned Space Vehicle”, International join conference on Neural Network, Vancouver, Canada, July 2006.
[4] Silvio Simani, Cesare Fantuzzi and J. Patton, Jan M, Koscily, Wojciech Cholwa, “Model-based Fault Diagnosis Technique in Dynamic Systems Using Identification Methods”, Springer, Feb 2004.
[5] Al-Dein, Al-Zyoud and Khorasani, “Neural Network-Based Actuator fault diagnosis for attitude control subsystem of an unmanned Space Vehicle” International join conference on neural Network, Vancouver, Canada, July 2006.
[6] Z. Q. Li, L. Ma and Khorasani, “A Dynamic Neural Network-based Reaction Wheel Fault Diagnosis for Satellite”. International joins conference on neural Network, Vancouver, Canada, July 2006.
[7] Bill Bialke, “High Fidelity Mathematical Modeling of Reaction Wheel Performance”, American Astronautically Society, 1998.
[8] Venkat Venkatasubramanian, Raghunathan Rengaswamy, Kewen Yin. “A review of process fault detection and diagnosis”, Part I, Part II, Part III, presented at Elsevier, Computer and Chemical Engineering 2003.
[9] Al-Dein, Al-Zyoud and Khorasani, “Neural Network-Based Actuator fault diagnosis for attitude control subsystem of an unmanned Space Vehicle”, International join conference on Neural Network, Vancouver, Canada, July 2006.
[10] Zhongqi Li, Liying Ma, and Khashayar Khorasani, “Fault Detection in Reaction Wheel of a Satellite Using Observer-Based Dynamic Neural Networks”, Department of Electrical and Computer Engineering Concordia University, Montreal, Quebec H3G 1M8 Canada.
ابتدای صفحه