主动面智能故障诊断与容错控制研究

Active surface is a widely used compensation technique for large aperture radio telescope at present. Due to the difficulty of technology, the main panel is small panel splicing, resulting in a large number of actuators, complex systems, increasing probability of failure occurrence, and reduced reliability and efficiency. And the environment of the back frame of the main surface is complex, which restricts the maintenance work. Therefore, improving the reliability of the active surface system is of great significance to the efficiency of high frequency observation and the maintenance strategy of the system..Aiming at the active surface system of the Xinjiang 110m radio telescope(QTT), we will study the precise fault diagnosis and reconfiguration fault tolerant control method based on multi-source information fusion and machine learning. Using the clustering method in machine learning, we will collect the operation data through the simulation model and experimental platform, distinguish the fault features and generate self diagnosis rules automatically. By using multi-sensor and network status information, we can increase data redundancy and improve accuracy in fault diagnosis, and further achieve actuator fault tolerance under sensor failure. At the system level, we will use the redundant conditions of the panel installation and analysis the influence of the random faults on the antenna performance, to optimize the surface fitting and reconstruct the paraboloid, so as to realize the reconfigurable fault-tolerant control of the active surface system and compensate the efficiency of the antenna reception under the node failure.

主动面技术是当前大口径射电望远镜广泛采用的补偿技术。由于工艺难度，主面多采用小面板拼接，导致促动器数量较多，系统复杂，故障发生概率增大，降低了的可靠性和效率。且主面背架环境复杂，限制了维护工作的开展。因此，提高主动面系统的可靠性对高频观测效率及系统维护策略有重要意义。. 本项目以新疆110米射电望远镜(QTT)主动面系统为对象，研究基于多源信息融合和机器学习的精确故障诊断及重构容错控制方法。利用机器学习方法中的聚类手段，通过仿真模型-实验平台收集运行数据，进行故障特征的区分及诊断规则的自学习生成。利用多源传感器及网络状态信息，增加故障诊断中数据的冗余，提高准确性，并进一步实现传感器故障条件下的促动器容错。在系统层面，利用面板安装的冗余条件，分析随机故障对天线性能的影响程度，优化面形拟合，重构抛物面，进行主动面系统的重构容错控制，补偿节点故障情况下的天线接收效率。

本项目以新疆奇台110米射电望远镜(QTT)主动面系统为研究对象。针对大口径射电望远镜主动面促动器等设备数量众多，故障潜在隐患高，进而可能影响天线面形及接收效率的问题，研究主动面系统的精确故障诊断及重构容错控制方法。项目提出了大口径射电望远镜主动面故障诊断系统架构设计方案，通过分析系统软硬件需求及约束，进行限制因素尺度划分与执行主体匹配。采用分级诊断机制，实现故障诊断算法的分布式执行，以及合理利用硬件计算、存储能力。通过信息的融合与逐级传递，压缩通信信息量。最终实现诊断的综合决策，以更高的信息完备性提升系统诊断的准确率。为获取主动面系统控制网络的故障特征。采用OPNET软件，对主动面EtherCAT网络进行了建模，并得到了可用于进行网络拓扑和控制行为的研究分析的模型。为提高位移促动器的可靠性及对设备诊断类型进行前期规划，项目依据元动作理论对促动器进行FMEA分析和FTA分析。在原理论的基础上，本研究平衡了对机械传动单元和电子电气单元的分析比重，并将其应用于促动器这一机电一体化设备。通过FMA结构化分解，研究了元动作单元故障模式。进一步获得了位移促动器比较完整的故障分析结果。项目利用机器学习方法中的聚类手段，通过仿真模型和实验平台收集运行数据，进行故障特征的区分及诊断规则的自学习生成。采用SPEC方法，以促动器为例，对其传感器布局及特征进行选择。利用数据内在的特征选取合适的信号，获取特征，减少了传感器的安装数量及特征处理的运算量。在系统容错层面，项目分析了随机故障对天线面形性能的影响程度，优化面形拟合，重构抛物面，进行主动面系统的重构容错控制，补偿节点故障情况下的天线接收效率。上述研究成果为大口径射电望远镜主动面系统的高可靠运行起到了支撑作用，并为故障诊断在射电天文技术领域的应用进行了探索。