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！

龙图腾网获悉北京控制工程研究所申请的专利基于多源信息融合的航天器控制系统故障识别方法及装置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：CN119472407B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411568934.5，技术领域涉及：G05B19/042；该发明授权基于多源信息融合的航天器控制系统故障识别方法及装置是由刘文静;刘成瑞;张军;张志方;林瀚峥;李公军;张一;张锦江设计研发完成，并于2024-11-05向国家知识产权局提交的专利申请。

本基于多源信息融合的航天器控制系统故障识别方法及装置在说明书摘要公布了：本发明公开了一种基于多源信息融合的航天器控制系统故障识别方法及装置。方法包括：将航天器在研制、测试过程中的数据以及在轨历史数据进行多源融合，得到多个故障样本；每个故障样本均设置有故障标签，每个故障标签分别用于表征故障样本对应的故障模式；对每个故障样本进行归一化，得到归一化后的故障样本；基于预设的聚类算法对归一化后的故障样本进行分簇处理，得到多个簇以及每个簇的故障模式；每个簇至少包括一个核心对象；针对任一时刻的在轨数据，计算该在轨数据与每个簇中的核心对象的距离，以基于计算出的距离确定该在轨数据所属的簇；将该在轨数据所属的簇对应的故障模式确定为其识别结果。本申请，可以提高航天器故障识别的准确性。

本发明授权基于多源信息融合的航天器控制系统故障识别方法及装置在权利要求书中公布了：1.一种基于多源信息融合的航天器控制系统故障识别方法，其特征在于，所述方法包括： 将航天器在研制、测试过程中的数据以及在轨历史数据进行多源融合，得到多个故障样本；每个所述故障样本均设置有故障标签，每个所述故障标签分别用于表征故障样本对应的故障模式； 对每个所述故障样本进行归一化处理，得到归一化后的故障样本； 基于预设的聚类算法对归一化后的故障样本进行分簇处理，得到多个簇以及每个簇的故障模式；其中，每个簇中至少包括一个核心对象； 针对任一时刻的航天器在轨数据，计算该在轨数据与每个簇中的核心对象的距离，以基于计算出的距离确定该在轨数据所属的簇； 将该在轨数据所属的簇对应的故障模式确定为该在轨数据的识别结果； 所述预设的聚类算法为DBSCAN算法； 所述基于预设的聚类算法对归一化后的故障样本进行分簇处理，得到多个簇以及每个簇的故障模式，包括： 基于粒子群算法对所述DBSCAN算法进行优化，得到所述DBSCAN算法的最优领域半径和最优最小邻近数； 依次将每个故障样本作为目标故障样本，并以该目标故障样本为圆心，以所述最优领域半径为半径确定一个圆形区域；遍历其它故障样本，针对遍历到的每个故障样本，均计算该故障样本与该目标故障样本之间的欧式距离，并判断计算出的欧式距离是否小于所述最优领域半径；若是，则判定该故障样本在该圆形区域内，若否，则判定该故障样本不在该圆形区域内；直至遍历完每个故障样本，得到该圆形区域内的故障样本个数； 判断该圆形区域内的故障样本个数是否大于所述最优最小邻近数；若是，则判定该目标故障样本为核心对象，并确定从该核心对象出发的所有密度相连的故障样本； 针对确定出的每个核心对象，均执行：遍历该核心对象在所述最优领域半径内的所有核心对象，并寻找与这些核心对象密度相连的所有故障样本，以形成相应的簇，并基于该簇中包含的每个故障样本的故障标签确定该簇的故障模式； 所述基于粒子群算法对预设的聚类算法进行优化，得到所述聚类算法的最优领域半径和最优最小邻近数，包括： S1，初始化粒子群参数，所述粒子群参数包括粒子个数、粒子群初始最好位置、每个粒子的初始位置、初始速度和粒子初始最好位置； S2，依次遍历所述粒子群中的每个粒子，针对遍历到的每个粒子，均执行：依次将每个故障样本作为子目标故障样本，并以该子目标故障样本为圆心，以当前循环的领域半径为半径确定一个圆形区域；遍历其它故障样本，针对遍历到的每个故障样本，计算该故障样本与该子目标故障样本之间的欧式距离，并判断计算出的欧式距离是否小于当前循环的领域半径；若是，则判定该故障样本在该圆形区域内，若否，则判定该故障样本不在该圆形区域内；直至遍历完每个故障样本，得到该圆形区域内的故障样本个数；判断该圆形区域内的故障样本个数是否大于当前循环的最小邻近数；若是，则判定该子目标故障样本为核心对象，并确定从该核心对象出发的所有密度相连的故障样本； 针对确定出的每个核心对象，均执行：遍历该核心对象在当前循环的领域半径内的所有核心对象，并寻找与这些核心对象密度相连的所有故障样本，以形成相应的簇，并基于该簇中包含的每个故障样本的故障标签确定该簇的故障模式； 针对确定出的每个簇，均执行：遍历该簇中的每个故障样本，并判断遍历到的故障样本的故障标签对应故障模式是否与该簇的故障模式一致；若是，则保留该故障样本；若否，则将该故障样本从该簇中去除；直至遍历完该簇中的每个故障样本，得到该簇中的准确样本个数； S3，基于各簇中的准确样本个数，计算当前循环的故障识别准确率，并执行S4； S4，判断当前循环的故障识别准确率是否大于当前粒子的当前最好位置对应的准确率，若大于，则更新当前粒子的最好位置；判断当前循环的故障识别准确率是否大于当前粒子群的当前循环最好位置对应的准确率，若大于，则更新当前粒子群的最好位置； S5，判断是否达到预设的停止条件；若否，则更新每个粒子的位置与速度，迭代次数加1，并循环执行S2~S4，直至达到预设的停止条件，得到所述粒子群的最终最好位置； S6，将所述粒子群的最终最好位置对应的领域半径和最小邻近数作为所述聚类算法的最优领域半径和最优最小邻近数； 所述针对任一时刻的航天器在轨数据，计算该在轨数据与每个簇中的核心对象的距离，以基于计算出的距离确定该在轨数据所属的簇，包括： 遍历每个簇，针对遍历到的每个簇，均执行： 计算该在轨数据与该簇中每个核心对象的距离；并判断是否存在一个核心对象，满足该在轨数据到该核心对象的距离小于最优领域半径；若存在，则判定该在轨数据属于该簇；若否，则遍历下一个簇，直至确定出该轨数据所属的簇。

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北京控制工程研究所，其通讯地址为：100080 北京市海淀区中关村南三街16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。