基于專家系統(tǒng)的船載衛(wèi)通站伺服系統(tǒng)故障診斷研究

李紅民 陳亮

摘? ?要：針對(duì)船載衛(wèi)通站伺服系統(tǒng)故障診斷依賴人工經(jīng)驗(yàn)且效率低的問(wèn)題，提出了一種基于專家系統(tǒng)的故障診斷方法。通過(guò)分析伺服系統(tǒng)常見故障及診斷流程，依據(jù)專家經(jīng)驗(yàn)從系統(tǒng)狀態(tài)監(jiān)測(cè)數(shù)據(jù)中提取故障診斷的特征向量，采用面向?qū)ο蟮姆椒▽?duì)專家系統(tǒng)的知識(shí)庫(kù)中的規(guī)則建模，最終運(yùn)用深度優(yōu)先算法完成故障診斷推理。實(shí)驗(yàn)證明：該方法能快速準(zhǔn)確的識(shí)別伺服系統(tǒng)故障，提高了故障診斷的效率，對(duì)提高伺服系統(tǒng)可用性和可靠性具有重要意義。

關(guān)鍵詞：船載衛(wèi)通站;伺服系統(tǒng);故障診斷;專家系統(tǒng)

中圖分類號(hào)：TP391? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1003—6199（2020）02—0006—06

Abstract：Aiming at the problem that fault diagnosis of ship-borne satellite communication station servo system relies on manual experience and is inefficient，a fault diagnosis method based on expert system is proposed. By analyzing the common faults and diagnostic process of servo system，the feature vectors of fault diagnosis are extracted from the system condition monitoring data based on expert experience，and the rules in the knowledge base of expert system are modeled by object-oriented method. Finally，the depth-first algorithm is used to complete fault diagnosis reasoning. Experiments and results show that this method can identify servo system faults quickly and accurately，improve the efficiency of fault diagnosis，and is of great significance to improve the availability and reliability of servo system.

Key words：shipborne satellite communication station;servo system;fault diagnosis;expert system

船載衛(wèi)通站伺服系統(tǒng)[1-2]通過(guò)隔離載體搖擺，穩(wěn)定天線波束指向，高精度跟蹤所用衛(wèi)星，以保證岸船間的通信及其他業(yè)務(wù)需求。伺服系統(tǒng)結(jié)構(gòu)復(fù)雜，功能模塊多，涉及專業(yè)領(lǐng)域繁雜。因此設(shè)備故障診斷的難度大，定位的時(shí)間長(zhǎng)。然而，實(shí)際應(yīng)用中衛(wèi)通站必須長(zhǎng)時(shí)間在線，一旦發(fā)生故障必須迅速恢復(fù)。如何快速定位、診斷和處置故障始終是通信保障關(guān)注的重點(diǎn)之一。

當(dāng)前某船衛(wèi)通站配備的天線機(jī)械振動(dòng)監(jiān)測(cè)與故障診斷系統(tǒng)無(wú)法隔離船體振動(dòng)，存在一定的缺陷[3-4]。目前衛(wèi)通站伺服系統(tǒng)的故障診斷仍很大程度上依賴于崗位人員經(jīng)驗(yàn)。為了降低系統(tǒng)故障診斷對(duì)人工的依賴，提高效率，提出一種基于專家系統(tǒng)的船載衛(wèi)通站伺服系統(tǒng)故障診斷方法。

1? ?船載衛(wèi)通站伺服系統(tǒng)故障分析

1.1? ?伺服系統(tǒng)故障分析

船載衛(wèi)通站伺服系統(tǒng)的故障主要包括設(shè)備故障、線路故障和跟蹤故障等。設(shè)備故障指采集伺服系統(tǒng)狀態(tài)參數(shù)的各設(shè)備發(fā)生的錯(cuò)誤或功能性故障，如碼盤故障、陀螺故障、限位故障、接收機(jī)故障和自主慣導(dǎo)故障等;線路故障是指導(dǎo)致設(shè)備連接環(huán)路或信號(hào)傳輸線路中斷或異常的故障，如線纜中斷故障和接口故障;跟蹤故障是指導(dǎo)致天線無(wú)法正常捕獲、搜索和跟蹤衛(wèi)星的異常，如接收機(jī)故障和航向船位信息故障。三者之中跟蹤故障危害最大，若衛(wèi)通站在跟蹤過(guò)程中突然失鎖將導(dǎo)致全船對(duì)外通信業(yè)務(wù)中斷，影響整個(gè)任務(wù)實(shí)施。因此，將以船載衛(wèi)通站伺服系統(tǒng)的跟蹤故障診斷為研究目標(biāo)。

目前伺服系統(tǒng)跟蹤故障診斷主要是崗位人員根據(jù)伺服監(jiān)控軟件采集的狀態(tài)數(shù)據(jù)結(jié)合經(jīng)驗(yàn)來(lái)判斷，診斷的效率和準(zhǔn)確度很大程度上取決崗位人員的經(jīng)驗(yàn)和知識(shí)。通過(guò)分析衛(wèi)通站伺服系統(tǒng)設(shè)計(jì)原理及監(jiān)控軟件獲取的狀態(tài)監(jiān)測(cè)數(shù)據(jù)，構(gòu)建了某船衛(wèi)通站伺服系統(tǒng)跟蹤故障樹，如圖1所示。跟蹤故障主要包括天線驅(qū)動(dòng)故障和跟蹤接收機(jī)失鎖故障兩大類，導(dǎo)致故障的具體因素有驅(qū)動(dòng)設(shè)備掉電、線纜接口松動(dòng)、線路中斷、電機(jī)反饋異常、陀螺、碼盤、接收機(jī)、低噪放大器異常等17種不同的類型。

1.2? ?故障診斷流程

船載衛(wèi)通站伺服系統(tǒng)故障診斷實(shí)施過(guò)程可歸納為狀態(tài)數(shù)據(jù)采集、狀態(tài)數(shù)據(jù)預(yù)處理、狀態(tài)識(shí)別和診斷決策四個(gè)關(guān)鍵環(huán)節(jié)[5]，如下圖2所示。

1）狀態(tài)數(shù)據(jù)采集：船載衛(wèi)通站伺服系統(tǒng)在運(yùn)轉(zhuǎn)過(guò)程中必然會(huì)有振動(dòng)、電流、速度、位置等各種量的變化，由此產(chǎn)生各種不同的狀態(tài)信息，通過(guò)傳感器采集狀態(tài)監(jiān)測(cè)數(shù)據(jù)，并將數(shù)據(jù)傳輸?shù)教炀€控制單元，為伺服故障診斷提供數(shù)據(jù)支持。

2）狀態(tài)數(shù)據(jù)預(yù)處理：將采集到的狀態(tài)監(jiān)測(cè)數(shù)據(jù)進(jìn)行分類處理、加工，獲得能夠表征系統(tǒng)狀態(tài)的特征參數(shù)。如對(duì)機(jī)械振動(dòng)采樣數(shù)據(jù)從時(shí)域變換到頻域獲取特征頻譜。

3）狀態(tài)識(shí)別：經(jīng)過(guò)狀態(tài)數(shù)據(jù)預(yù)處理后的設(shè)備特征參數(shù)與規(guī)定參數(shù)閾值進(jìn)行比較，進(jìn)而判斷設(shè)備當(dāng)前所處的狀態(tài)，是否存在故障，識(shí)別故障類別。制定完備的故障判別準(zhǔn)則和診斷策略是準(zhǔn)確識(shí)別故障的關(guān)鍵，判別算法和準(zhǔn)則庫(kù)的大小則是識(shí)別效率的決定因素。如伺服系統(tǒng)驅(qū)動(dòng)電機(jī)的額定電流，跟蹤接收機(jī)信噪比門限值與信噪比峰值的差值等都是故障識(shí)別的重要準(zhǔn)則。

4）診斷決策：根據(jù)對(duì)設(shè)備實(shí)時(shí)狀態(tài)的判斷，完成對(duì)故障設(shè)備的輔助定位，給出合理的診斷對(duì)策和措施。

2? ?基于專家系統(tǒng)的伺服故障診斷方法

2.1? ?狀態(tài)數(shù)據(jù)采集與處理

船載衛(wèi)通站伺服系統(tǒng)狀態(tài)數(shù)據(jù)采集主要包括機(jī)械振動(dòng)信息采集、設(shè)備狀態(tài)信息采集和實(shí)時(shí)數(shù)據(jù)信息采集。

機(jī)械振動(dòng)信息采集主要是通過(guò)在天線方位、俯仰、交叉三軸傳動(dòng)鏈上加裝機(jī)械振動(dòng)傳感器采集振動(dòng)加速度，數(shù)據(jù)采集器將三軸原始數(shù)據(jù)匯總后通過(guò)CAN總線傳輸?shù)綑C(jī)械振動(dòng)檢測(cè)單元進(jìn)行進(jìn)一步的處理。如圖3所示，船載衛(wèi)通站的方位、俯仰和交叉軸的主備電機(jī)、減速器和齒輪箱均安裝有的振動(dòng)加速度

設(shè)備狀態(tài)信息采集包括內(nèi)部數(shù)據(jù)和傳輸數(shù)據(jù)兩部分。內(nèi)部數(shù)據(jù)是CAN總線通過(guò)心跳檢測(cè)信號(hào)定時(shí)檢測(cè)各個(gè)傳感器和設(shè)備的在線狀態(tài)來(lái)實(shí)現(xiàn);外部數(shù)據(jù)（如船位、航向和姿態(tài)數(shù)據(jù)等）則是通過(guò)檢測(cè)相應(yīng)數(shù)據(jù)接口寄存器數(shù)據(jù)更新情況來(lái)實(shí)現(xiàn)。如圖3所示，天線控制單元CAN0和CAN1端口通過(guò)收集兩條CAN總線上各個(gè)設(shè)備的狀態(tài)信號(hào)和查詢GPS、羅經(jīng)、慣導(dǎo)數(shù)據(jù)更新狀態(tài)以實(shí)現(xiàn)通信狀態(tài)信息的采集。

實(shí)時(shí)數(shù)據(jù)信息采集包括機(jī)柜端和天線端兩部分。天線端是通過(guò)陀螺、碼盤、限位開關(guān)等傳感器上報(bào)的實(shí)時(shí)測(cè)量數(shù)據(jù);機(jī)柜端則是通過(guò)采集驅(qū)動(dòng)器和綜合控制單元的內(nèi)部電信號(hào)數(shù)據(jù)。如圖3所示，兩部分實(shí)時(shí)數(shù)據(jù)均是由CAN總線匯總到天線控制單元。

天線控制單元負(fù)責(zé)匯總和預(yù)處理設(shè)備狀態(tài)信息和參數(shù)信息，并與經(jīng)過(guò)預(yù)處理后的機(jī)械振動(dòng)信息一同傳輸?shù)剿欧O(jiān)控計(jì)算機(jī)。伺服監(jiān)控計(jì)算機(jī)通過(guò)監(jiān)控軟件實(shí)時(shí)匯總、處理、記錄各類狀態(tài)數(shù)據(jù)，從而為提取故障特征參數(shù)提供了數(shù)據(jù)支持。通過(guò)對(duì)17種故障（如圖3所示的故障樹葉節(jié)點(diǎn)）的歷史數(shù)據(jù)預(yù)處理，提取出對(duì)應(yīng)的特征參數(shù)，建立一一對(duì)應(yīng)的特征向量。

2.2? ?故障診斷知識(shí)庫(kù)構(gòu)建

當(dāng)船載衛(wèi)通站伺服系統(tǒng)發(fā)生故障時(shí)，故障特征參數(shù)必定發(fā)生異常，伺服監(jiān)控軟件獲取的狀態(tài)數(shù)據(jù)指標(biāo)能夠反映出設(shè)備故障。由此，通過(guò)狀態(tài)監(jiān)測(cè)數(shù)據(jù)對(duì)照歷史故障篩選出異常;進(jìn)而根據(jù)專家經(jīng)驗(yàn)和知識(shí)提取出相應(yīng)的一組參數(shù)（即為一個(gè)特征值向量，該向量的元素可為實(shí)數(shù)值、區(qū)間值和邏輯值）作為伺服系統(tǒng)故障識(shí)別的判斷規(guī)則。將所有的先驗(yàn)知識(shí)和專家經(jīng)驗(yàn)轉(zhuǎn)化為故障診斷的規(guī)則，進(jìn)而構(gòu)建知識(shí)庫(kù)。

專家系統(tǒng)是一種“基于知識(shí)“的人工智能診斷系統(tǒng)[6][7]，船載衛(wèi)通站伺服系統(tǒng)故障診斷專家系統(tǒng)包括7個(gè)部分，如圖4所示。

1）知識(shí)提取系統(tǒng)：將專家的經(jīng)驗(yàn)轉(zhuǎn)換成知識(shí)庫(kù)的知識(shí)和規(guī)則，進(jìn)而提取特征向量、制定量化比對(duì)規(guī)則等;

2）知識(shí)庫(kù)：存儲(chǔ)知識(shí)和規(guī)則;

3）數(shù)據(jù)庫(kù)：存放系統(tǒng)當(dāng)前狀態(tài)的事實(shí)數(shù)據(jù);

4）推理機(jī)：根據(jù)知識(shí)和規(guī)則從當(dāng)前狀態(tài)數(shù)據(jù)推出特定的結(jié)論，判斷故障是否發(fā)生;

5）解釋器：對(duì)推理過(guò)程進(jìn)行解釋;

6）黑板：存放推理過(guò)程中間結(jié)果;

7）人機(jī)交互接口：用戶與專家系統(tǒng)人機(jī)交互的界面。

專家系統(tǒng)中知識(shí)庫(kù)[8]和推理機(jī)是核心和關(guān)鍵。對(duì)于知識(shí)和規(guī)則本文采用面向?qū)ο蟮姆椒枋觯瑢⒋d衛(wèi)通站伺服系統(tǒng)故障識(shí)別的知識(shí)和規(guī)則封裝為對(duì)象類，并通過(guò)對(duì)象之間的繼承關(guān)系和約束關(guān)系表示它們的結(jié)構(gòu)和聯(lián)系，如圖5所示。

故障識(shí)別對(duì)象類是一種結(jié)構(gòu)化的數(shù)據(jù)結(jié)構(gòu)，每個(gè)故障的屬性類由各個(gè)故障子類（對(duì)應(yīng)Slot）組成，每個(gè)故障子類擁有若干條判斷準(zhǔn)則（對(duì)應(yīng)Facet），而每個(gè)判斷準(zhǔn)則基于某一個(gè)特征值，這些特征值組成特征向量[9]。圖1中的驅(qū)動(dòng)故障對(duì)象結(jié)構(gòu)可以表示為：

CLASS：驅(qū)動(dòng)故障

繼承：跟蹤故障

SLOT1：停車故障

FACET1：掉電故障判斷

FACET2：驅(qū)動(dòng)設(shè)備故障判斷

SLOT2：抖動(dòng)故障

FACET1：驅(qū)動(dòng)設(shè)備故障判斷

FACET2：線路故障判斷

FACET3：主機(jī)故障判斷

SLOT3：飛車故障

FACET1：驅(qū)動(dòng)設(shè)備故障判斷

FACET2：抱緊螺絲故障判斷

FACET3：電機(jī)反饋線路故障判斷

驅(qū)動(dòng)故障是跟蹤故障的子類，對(duì)象的槽（Slot）是導(dǎo)致驅(qū)動(dòng)故障具體故障，側(cè)面（Facet）則是基于特征值判斷規(guī)則的進(jìn)一步故障原因判斷（可以理解為故障定位）。以此類推，已知的伺服故障均由故障識(shí)別對(duì)象表示，圖1中17中故障對(duì)應(yīng)的特征向量以對(duì)象類的形式封裝成知識(shí)和規(guī)則，進(jìn)而構(gòu)建知識(shí)庫(kù)。對(duì)于后續(xù)發(fā)現(xiàn)的未知故障（圖1中未出現(xiàn)的故障），經(jīng)專家診斷之后同樣可以采用對(duì)象類表示，從而補(bǔ)充和完善知識(shí)庫(kù)?；谔卣飨蛄康墓收吓袛嘁?guī)則，特征向量的每個(gè)元素的準(zhǔn)確度對(duì)與故障識(shí)別都至關(guān)重要。因此，知識(shí)庫(kù)中知識(shí)和規(guī)則的特征向量需要在運(yùn)行過(guò)程中不斷修正。

2.3? ?故障診斷推理算法

在知識(shí)處理系統(tǒng)中，知識(shí)對(duì)象組織成樹狀結(jié)構(gòu)，每個(gè)節(jié)點(diǎn)代表系統(tǒng)的一個(gè)對(duì)象，搜索是對(duì)有向圖的遍歷，是從某節(jié)點(diǎn)開始沿著有向弧遍歷圖中的每一個(gè)節(jié)點(diǎn)，直到找到滿足條件的節(jié)點(diǎn)集合[10]。推理機(jī)推導(dǎo)問(wèn)題可抽象為狀態(tài)空間中從初始狀態(tài)出發(fā)到終止?fàn)顟B(tài)的路徑搜索。船載衛(wèi)通站伺服故障診斷知識(shí)庫(kù)本身是一個(gè)有限狀態(tài)集，路徑相對(duì)簡(jiǎn)單，故采用深度優(yōu)先搜索（Deep First Search DFS）作為推理機(jī)的搜索算法。搜索過(guò)程中采用單步控制，即通過(guò)標(biāo)志位判斷，逐步執(zhí)行樹結(jié)構(gòu)的每個(gè)節(jié)點(diǎn)及其方法。算法流程如下：

Step1? ?調(diào)入當(dāng)前推理節(jié)點(diǎn)（Node0根節(jié)點(diǎn)）;

Step2? ?判斷單步控制標(biāo)志位為真，則令線程控制等于1，在無(wú)推理中斷的請(qǐng)求下開始推理;

Step3? ?將當(dāng)前節(jié)點(diǎn)置入存儲(chǔ)對(duì)象的數(shù)組中，并調(diào)入當(dāng)前節(jié)點(diǎn)的屬性槽和方法槽;

Step4? ?執(zhí)行節(jié)點(diǎn)的先序算法，解釋執(zhí)行方法中相應(yīng)的腳本語(yǔ)言，如執(zhí)行成功則返回1，失敗返回0;

Step5? ?若返回標(biāo)志為0，則轉(zhuǎn)到Step8，否則繼續(xù);

Step6? ?若當(dāng)前節(jié)點(diǎn)非葉子節(jié)點(diǎn)，則令其第一個(gè)子節(jié)點(diǎn)為當(dāng)前推理節(jié)點(diǎn)，轉(zhuǎn)回到Step2繼續(xù)推理;否則繼續(xù);

Step7? ?判斷單步控制標(biāo)志位為1，令線程控制等于1，在無(wú)推理中斷的請(qǐng)求下執(zhí)行當(dāng)前節(jié)點(diǎn)的后序算法;

Step8? ?判斷Stack是否為Null，若為Null，則表示己經(jīng)遍歷一遍以Node0為根節(jié)點(diǎn)的對(duì)象樹，推理結(jié)束，否則令數(shù)組中的節(jié)點(diǎn)出棧，并置為當(dāng)前節(jié)點(diǎn);

Step9? ?判斷當(dāng)前節(jié)點(diǎn)是否有兄弟節(jié)點(diǎn)，若沒(méi)有，則跳出，結(jié)束搜索;若有，調(diào)入當(dāng)前節(jié)點(diǎn)其屬性槽和方法槽，判斷單步控制標(biāo)志位為真，線程控制等于1，在無(wú)推理中斷的情況下執(zhí)行節(jié)點(diǎn)的中序算法，繼續(xù)，若無(wú)則轉(zhuǎn)到Step8;

Step10? ?令當(dāng)前節(jié)點(diǎn)的右兄弟節(jié)點(diǎn)為當(dāng)前節(jié)點(diǎn)，轉(zhuǎn)到Step2繼續(xù)。

3? ?實(shí)驗(yàn)與分析

從3.8 m衛(wèi)通站伺服系統(tǒng)狀態(tài)監(jiān)測(cè)歷史數(shù)據(jù)中提取故障識(shí)別知識(shí)庫(kù)中17種跟蹤故障對(duì)應(yīng)的故障特征值向量，利用MATLAB仿真平臺(tái)實(shí)現(xiàn)故障推理算法。選取600條已知故障狀態(tài)數(shù)據(jù)和1400條正常狀態(tài)數(shù)據(jù)作為實(shí)驗(yàn)樣本，樣本中包含17種跟蹤故障和3種非跟蹤故障（U1，U2，U3），樣本統(tǒng)計(jì)詳情具體如表1所示。

故障推理算法讀取知識(shí)庫(kù)的規(guī)則的逐條識(shí)別2000條狀態(tài)樣本數(shù)據(jù)。故障識(shí)別率和錯(cuò)誤率圖6所示。

從圖6統(tǒng)計(jì)結(jié)果可知，在預(yù)設(shè)實(shí)驗(yàn)條件下，17種已知故障的總識(shí)別率（ALL）為94.0%，13種識(shí)別率在90%以上，7種識(shí)別率達(dá)到100%，故障識(shí)別率最低為76.19%（G-S-X）。實(shí)驗(yàn)結(jié)果表明：首先，基于專家系統(tǒng)的船載衛(wèi)通站伺服系統(tǒng)故障診斷方法是有效的，可行的，具備伺服系統(tǒng)故障診斷能力;其次對(duì)于某些故障（G-S-X，G-L-X，G-L-K，G-P-M）的識(shí)別率不夠高，說(shuō)明這些故障對(duì)應(yīng)的特征值向量不夠準(zhǔn)確，有待進(jìn)一步改進(jìn)和完善;最后，針對(duì)F-B故障的識(shí)別率高達(dá)100%，但存在錯(cuò)誤率過(guò)高（71.4%）的問(wèn)題，說(shuō)明當(dāng)前F-B故障對(duì)應(yīng)的特征值向量不準(zhǔn)確，判斷規(guī)則存在明顯的漏洞，將樣本中的正常數(shù)據(jù)錯(cuò)誤判斷為F-B故障，相應(yīng)的特征向量有待進(jìn)一步修正。

深度優(yōu)先算法推理算法對(duì)于不同故障識(shí)別的平均耗時(shí)如圖7所示。

圖7實(shí)驗(yàn)結(jié)果表明，故障識(shí)別的總平均耗時(shí)（ALL）為10.77 s。17種故障識(shí)別的平均耗時(shí)從左到右依次呈線性上升趨勢(shì)，同一故障子類中故障樹排在靠左位置的相比靠右位置的平均識(shí)別時(shí)間短（如跟蹤接收機(jī)失鎖故障中陀螺故障G-T比碼盤故障G-F平均識(shí)別時(shí)間短），這與深度優(yōu)先算法的機(jī)制及故障樹的組織結(jié)構(gòu)一致;同時(shí)，比較同一故障子類中不同故障，特征向量的準(zhǔn)確度和計(jì)算復(fù)雜度越高耗時(shí)越長(zhǎng)（如停車故障中的驅(qū)動(dòng)設(shè)備故障T-Q比掉電故障T-D耗時(shí)長(zhǎng)）。

4? ?結(jié)? ?論

為了提高船載衛(wèi)通站伺服系統(tǒng)故障診斷的效率和自動(dòng)化程度，在分析了船載衛(wèi)通站常見故障和故障診斷流程的基礎(chǔ)上，提出了一種基于專家系統(tǒng)的伺服系統(tǒng)故障診斷方法。該方法通過(guò)對(duì)伺服系統(tǒng)狀態(tài)監(jiān)測(cè)數(shù)據(jù)處理，提取故障診斷知識(shí)和規(guī)則對(duì)應(yīng)的特征向量，采用面向?qū)ο蟮姆椒▽?duì)故障識(shí)別的知識(shí)和規(guī)則進(jìn)行描述和建模，構(gòu)建專家系統(tǒng)的知識(shí)庫(kù)，進(jìn)而運(yùn)用深度優(yōu)先的推理算法完成故障診斷推理。仿真實(shí)驗(yàn)結(jié)果證明了該方法的有效性和可行性。后續(xù)研究將針對(duì)專家知識(shí)庫(kù)中診斷規(guī)則存在的缺陷進(jìn)行改進(jìn)，進(jìn)一步擴(kuò)展專家知識(shí)庫(kù)中故障識(shí)別的知識(shí)和規(guī)則，同時(shí)開展推理算法的并行化研究，提高故障推理速度，為系統(tǒng)的實(shí)際應(yīng)用奠定基礎(chǔ)。

參考文獻(xiàn)

[1]? ? ILCEV S D，Shipborne satellite antenna mount and tracking systems[J]. Transnav the International Journal on Marine Navigation and Safety of Sea Transportation，2012，6（2）：165-173.

[2]? ?HUANG J B，ZHU Z J. Hardware design of earth-station servo system for shipborne satellite communication[J].? Communications Technology，2013，6（1）：174-181.

[3]? ?YANG B S，HAN T，HUANG W W. Fault diagnosis of rotating machinery based on multi-class support vector machines[J].? Journal of Mechanical Science and Technology，2005，19（3）：846-859.

[4]? ? 劉軍. 故障診斷方法研究及軟件開發(fā)[D]. 大連：大連理工大學(xué)，2003.

[5]? ? 卞長(zhǎng)萬(wàn). 遙測(cè)天線系統(tǒng)故障智能診斷與維護(hù)研究[D]. 重慶：重慶大學(xué)，2008.

[6]? ? 桂衛(wèi)華，劉曉穎. 基于人工智能方法的復(fù)雜過(guò)程故障診斷技術(shù)[J].? 控制工程，2002，9（4）：2-5.

[7]? ? 王益玲，趙英凱. 智能故障診斷系統(tǒng)中的知識(shí)發(fā)現(xiàn)方法[J].? 控制工程，2004，11（ 9）：406-408.

[8]? ? 趙濤，周新聰，嚴(yán)新平. 面向?qū)ο蟮挠鸵罕O(jiān)測(cè)故障診斷系統(tǒng)知識(shí)表達(dá)模型[J].? 武漢理工大學(xué)學(xué)報(bào)（交通科學(xué)與工程版），2002，26（5）：603-606.

[9]? ? 陳耀武，汪樂(lè)宇. 基于組合式神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)子系統(tǒng)狀態(tài)預(yù)測(cè)模型[J].? 中國(guó)電機(jī)工程學(xué)報(bào)，2001，21（1）：30-39.

[10]? 孫銀山，李平，竇仁菊，等.? 采用綜合偏差的自調(diào)節(jié)灰色預(yù)測(cè)控制算法[A]. 04′中國(guó)企業(yè)自動(dòng)化和信息化建設(shè)論壇暨中南六省區(qū)自動(dòng)化學(xué)會(huì)學(xué)術(shù)年會(huì)專輯[C]. 北京：中國(guó)自動(dòng)化學(xué)會(huì)，2004.