Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中山大学符方舟获国家专利权

中山大学符方舟获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中山大学申请的专利一种退化过程下反作用轮可靠性预测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119165847B

龙图腾网通过国家知识产权局官网在2025-10-14发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411186837.X,技术领域涉及:G05B23/02;该发明授权一种退化过程下反作用轮可靠性预测方法是由符方舟;卢紫阳设计研发完成,并于2024-08-28向国家知识产权局提交的专利申请。

一种退化过程下反作用轮可靠性预测方法在说明书摘要公布了:本发明提供一种退化过程下反作用轮可靠性预测方法,包括收集卫星反作用轮轴承温度历史退化数据,并对数据进行预处理;利用维纳过程建立反作用轮温度性能退化模型并进行参数估计;建立反作用轮可靠性模型并计算反作用轮可靠度;结合卡尔曼滤波算法和反作用轮温度性能退化模型建立反作用轮的预测模型;利用预测模型对反作用轮的可靠性进行预测。本发明能够更准确、可靠的故障预测结果,从而达到卫星姿态控制系统故障预测的目的,促进了卫星姿态控制系统的可靠性和性能提升;本发明在卡尔曼滤波算法中加入随机项,充分发挥每个模型和算法的优势,提高整体预测的准确性和稳定性,以及提高了利用随机退化过程预测可靠性方法中实时性很差的问题。

本发明授权一种退化过程下反作用轮可靠性预测方法在权利要求书中公布了:1.一种退化过程下反作用轮可靠性预测方法,其特征在于,包括以下步骤: S1、收集卫星反作用轮轴承温度历史退化数据,并对数据进行预处理; S2、利用维纳过程建立反作用轮温度性能退化模型并进行参数估计; S3、建立反作用轮可靠性模型并计算反作用轮可靠度; S4、结合卡尔曼滤波算法和反作用轮温度性能退化模型建立反作用轮的预测模型;具体包括如下步骤: S41、建立估计参数的状态和观测变量与离散的时间线性状态描述方程: Uk=AkUk+Ek; Zk=HkUk+Wk; 式中,Uk为k时刻的估计参数的状态,Ak是状态转移矩阵,Ek和Wk是零均值以及正定协方差矩阵,Ek和Wk分别服从N0,q和N0,r的正态分布,Ek与Wk相互独立;Zk是k时刻的观测向量,其为Δt时间内反作用轮退化量的均值,Hk是k时刻的测量矩阵; S42、建立状态估计的预测方程和协方差: Uk+1|k=AkUk|k+δk+Ek; Gk+1|k=AkGk|k+Ek; δk=a1+σBBt+1-Bt; 式中,Uk+1|k为状态估计值,表示k+1时刻退化量的先验估计;Gk|k、Gk+1|k分别为k时刻的协方差矩阵和基于k时刻的状态估计和状态转移矩阵预测出的k+1时刻协方差矩阵的先验估计;δk为随机项; S42、结合残差序列和卡尔曼增益建立卡尔曼滤波算法的状态更新方程和误差协方差更新方程: Uk+1|k+1=Uk+1|k+Kk+1γk+1 =Uk+1|k+Kk+1[Zk+1-Hk+1Uk+1|k]; Gk+1|k+1=[1-Kk+1Hk+1]Gk+1|k; 式中,Uk+1|k+1为k+1时刻状态估计值的后验估计;Gk+1|k+1为k+1时刻协方差矩阵的后验估计;Kk+1为k+1时刻的卡尔曼增益;γk+1为k+1与k时刻的残差序列;Zk+1为k+1时刻的观测值;Hk+1为k+1时刻的测量矩阵; S5、利用预测模型对反作用轮的可靠性进行预测。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中山大学,其通讯地址为:510275 广东省广州市海珠区新港西路135号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。