航天器的异常确定方法及装置制造方法及图纸

本发明专利技术公开了一种航天器的异常确定方法及装置。其中，该方法包括：对航天器的在线遥测数据进行预处理，得到预处理后的在线遥测数据；利用遥测参数阵列图确定预处理后的在线遥测数据的异常度，其中，遥测参数阵列图是使用训练数据通过预定方式训练得到的，训练数据包括以下至少之一：历史遥测数据、仿真遥测数据；根据异常度确定航天器是否处于异常状态。本发明专利技术解决了相关技术中基于图的用于对航天器的状态进行异常检测的方式计算量较大、计算复杂度较高的技术问题。度较高的技术问题。度较高的技术问题。

【技术实现步骤摘要】
航天器的异常确定方法及装置


[0001]本专利技术涉及航天测控及航天器健康状态管理
，具体而言，涉及一种航天器的异常确定方法及装置。

技术介绍

[0002]航天器遥测数据是航天器飞行控制中判断其在轨运行状态的唯一依据，其异常检测成为增强航天器在轨可靠性和安全可靠运行的重要依据。
[0003]在航天器飞行控制中异常检测目前普遍采样基于人工结合阈值检测和基于专家系统两种方法。基于人工结合阈值检测的方法是航天器在轨运行过程中，飞控人员对遥测参数近乎实时的观测，并辅以信号阈值以监测信号是否超出预设的范围。基于专家系统的方法，通过将专家知识以“if
‑
then”的规则形式表达，并在轨实时接收航天器遥测数据，对航天器的状态进行自动监视和异常判断。两种方法中阈值和判断规则的设置均需领域专家确定，阈值和规则的设置不确定性较大，可扩展性差且无法处理未知的异常。后续航天活动日益频繁，在轨航天器逐步增多，且随着航天器系统自动化和智能化程度不断提高，系统复杂度不断增加，采用人工对系统进行阈值或规则设定的方法越发无能为力，基于人工结合阈值检测和基于专家系统两种方法效用有限，已无法满足后续任务需求。
[0004]除上述两种方法外，异常检测目前还有基于模型的方法(Model Based)和基于数据驱动的方法(Data
‑
Driven Based)等两种方法。基于模型的方法需要研究人员对系统进行精确的物理或数学建模，也需要专家参与，此外建立这些模型是非常费时的，因此不可能针对大型复杂系统建立其各部分的模型，更不可能对每种可能的异常模式进行建模。基于数据驱动的方法通过采用机器学习理论或其它理论方法，不依赖专家，自动的从表征系统状态的大量数据中挖掘内在机理、总结规律、形成知识，在对复杂系统进行建模方式具有明显的优势。
[0005]基于数据驱动的方法进一步可以分为两类种：基于向量空间的方法和基于图的方法。基于向量空间的方法将研究对象建模为向量空间中的向量，多采用机器学习算法(如聚类)从历史数据或高保真的模拟数据中自动归纳出被测系统正常情形下的系统参数间的关联性和相互作用，以推理、预测系统的行为是否发生异常。基于图的方法更加考虑遥测数据彼此之间的关联，将遥测参数建模为图中的点，参数之间的关系则建模为边，使用图工具从挖掘被测系统不同部分间的关联性和相互作用，以推理、预测系统的行为是否发生异常。基于图的方法可以同时兼顾遥测数据的空间关系和时域相关性，与基于向量空间的方法相比，建模原理更符合客观系统、具有强大的展示效果、且方法更具有鲁棒性。但遥测参数较多时，图中边的数量会很大，增加了计算复杂度。
[0006]针对上述相关技术中基于图的用于对航天器的状态进行异常检测的方式计算量较大、计算复杂度较高的问题，目前尚未提出有效的解决方案。

技术实现思路

[0007]本专利技术实施例提供了一种航天器的异常确定方法及装置，以至少解决相关技术中基于图的用于对航天器的状态进行异常检测的方式计算量较大、计算复杂度较高的技术问题。
[0008]根据本专利技术实施例的一个方面，提供了一种航天器的异常确定方法，包括：对航天器的在线遥测数据进行预处理，得到预处理后的在线遥测数据；利用遥测参数阵列图确定所述预处理后的在线遥测数据的异常度，其中，所述遥测参数阵列图是使用训练数据通过预定方式训练得到的，所述训练数据包括以下至少之一：历史遥测数据、仿真遥测数据；根据所述异常度确定所述航天器是否处于异常状态。
[0009]可选地，对航天器的在线遥测数据进行预处理，包括以下至少之一：在确定所述在线遥测数据存在缺陷缺失值时，对所述在线遥测数据进行缺失值处理；在确定所述在线遥测数据存在离散型数据时，对所述在线遥测数据中的离散型数据进行数据连续化处理；对所述在线遥测数据进行数据规范化处理。
[0010]可选地，对所述在线遥测数据进行数据规范化处理，包括：确定所述在线遥测数据的特征值，其中，所述特征值包括：所述在线遥测数据的平均值、所述在线遥测数据的方差；使用所述特征值通过第一公式对所述在线遥测数据进行数据规范化处理，其中，所述第一公式为：公式为：表示数据规范化处理后的遥测参数数值，x
ij
表示所述在线遥测数据，u
i
表示所述在线遥测数据的平均值，ρ
i
表示所述在线遥测数据的方差。
[0011]可选地，利用遥测参数阵列图确定所述预处理后的在线遥测数据的异常度，包括：对所述预处理后的在线遥测数据对应的遥测参数取值进行离散化处理，得到离散化处理结果；确定异常度计算所需的邻域系统，其中，所述邻域系统用于表示所述在线遥测数据中每个数据的邻居集合；根据所述离散化处理结果以及所述邻域系统确定所述预处理后的在线遥测数据的异常度。
[0012]可选地，在确定异常度计算所需的邻域系统之前，该航天器的异常确定方法还包括：确定所述邻域系统的阶数、温度常数。
[0013]可选地，根据所述异常度确定所述航天器是否处于异常状态，包括：确定所述异常度符合高斯分布；利用异常度显著性指标对所述异常度进行评估，得到显著性值；在所述显著性值超过预定阈值时，则判定所述航天器处于异常状态；在所述显著性值不超过预定阈值时，则判定所述航天器未处于异常状态。
[0014]可选地，在判定所述航天器处于异常状态之后，该航天器的异常确定方法还包括：获取导致所述航天器异常的遥测参数集合。
[0015]可选地，在判定所述航天器未处于异常状态之后，该航天器的异常确定方法还包括：存储所述在线遥测数据，并在所述在线遥测数据的数量达到预定数量时，利用所述预定数量的在线遥测数据进行学习，更新知识库，其中，所述知识库用于对所述航天器进行在线监测使用。
[0016]可选地，在对航天器的在线遥测数据进行预处理，得到预处理后的在线遥测数据之前，该航天器的异常确定方法还包括：生成所述知识库；其中，生成所述知识库，包括：获取所述航天器的历史遥测数据或仿真遥测数据，并对历史遥测数据或仿真遥测数据进行预
处理；利用预处理后的历史遥测数据或仿真遥测数据生成所述遥测参数阵列图；利用所述遥测参数阵列图以及马尔科夫随机场模型计算所述预处理后的历史遥测数据或仿真遥测数据的异常度；将所述异常度以及历史遥测数据或仿真遥测数据进行保存，得到所述知识库。
[0017]可选地，利用预处理后的历史遥测数据或仿真遥测数据生成所述遥测参数阵列图，包括：利用面向生物分子时序数据的数据分析和可视化软件平台GATE通过皮尔森相关系数计算预处理后的历史遥测数据或仿真遥测数据之间的相关性；利用所述GATE软件初始化得到阵列图布局，并利用随机优化算法以及所述相关性对所述阵列图布局进行调整，得到所述遥测参数阵列图。
[0018]可选地，所述遥测参数阵列图为蜂窝拓扑结构二维六边形阵列图。
[0019]根据本专利技术实施例的另外一个方面，还提供了一种航天器的异常确定装置，包括：第一获取单元，用于对航天器的在线遥测数据进行预处理，得到预处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种航天器的异常确定方法，其特征在于，包括：对航天器的在线遥测数据进行预处理，得到预处理后的在线遥测数据；利用遥测参数阵列图确定所述预处理后的在线遥测数据的异常度，其中，所述遥测参数阵列图是使用训练数据通过预定方式训练得到的，所述训练数据包括以下至少之一：历史遥测数据、仿真遥测数据；根据所述异常度确定所述航天器是否处于异常状态。2.根据权利要求1所述的方法，其特征在于，对航天器的在线遥测数据进行预处理，包括以下至少之一：在确定所述在线遥测数据存在缺陷缺失值时，对所述在线遥测数据进行缺失值处理；在确定所述在线遥测数据存在离散型数据时，对所述在线遥测数据中的离散型数据进行数据连续化处理；对所述在线遥测数据进行数据规范化处理。3.根据权利要求2所述的方法，其特征在于，对所述在线遥测数据进行数据规范化处理，包括：确定所述在线遥测数据的特征值，其中，所述特征值包括：所述在线遥测数据的平均值、所述在线遥测数据的方差；使用所述特征值通过第一公式对所述在线遥测数据进行数据规范化处理，其中，所述第一公式为：第一公式为：表示数据规范化处理后的遥测参数数值，x
ij
表示所述在线遥测数据，u
i
表示所述在线遥测数据的平均值，ρ
i
表示所述在线遥测数据的方差。4.根据权利要求1所述的方法，其特征在于，利用遥测参数阵列图确定所述预处理后的在线遥测数据的异常度，包括：对所述预处理后的在线遥测数据对应的遥测参数取值进行离散化处理，得到离散化处理结果；确定异常度计算所需的邻域系统，其中，所述邻域系统用于表示所述在线遥测数据中每个数据的邻居集合；根据所述离散化处理结果以及所述邻域系统确定所述预处理后的在线遥测数据的异常度。5.根据权利要求4所述的方法，其特征在于，在确定异常度计算所需的邻域系统之前，所述方法还包括：确定所述邻域系统的阶数、温度常数。6.根据权利要求1所述的方法，其特征在于，根据所述异常度确定所述航天器是否处于异常状态，包括：确定所述异常度符合高斯分布；利用异常度显著性指标对所述异常度进行评估，得到显著性值；在所述显著性值超过预定阈值时，则判定所述航天器处于异常状态；在所述显著性值不超过预定阈值时，则判定所述航天器未处于异常状态。7.根据权利要求6所述的方法，其特征在于，在判定所述航天器处于异常...

【专利技术属性】
技术研发人员：张宽，邹雪梅，张爱成，赵凤才，程艳合，汪广洪，谢源，朱峰登，李亮，申聪聪，
申请(专利权)人：中国人民解放军六三九二零部队，
类型：发明
国别省市：