System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于神经对比增强自编码器的卫星遥测参数异常检测系统及方法技术方案_技高网

一种基于神经对比增强自编码器的卫星遥测参数异常检测系统及方法技术方案

技术编号:43606969 阅读:5 留言:0更新日期:2024-12-11 14:53
本申请提供了一种基于神经对比增强自编码器的卫星遥测参数异常检测系统及方法,所述系统包括:神经转换器数据增强模块,包括神经转换器,用于通过神经转换器对原始数据进行转换,然后再对转换后的数据进行增强得到原始样本的多个增强样本,输出包括原始子序列和通过数据增强合成的序列的样本集合;和自编码器特征模块,包括编码器和解码器两个对称的LSTM网络,用于利用编码器将样本映射至特征空间,再将特征表示经过解码器重建,获得待测序列中各时间点的异常标签。本申请的优势在于:异常检测效果优于当前主流的深度异常检测方法,能有效检测遥测参数时间上下文异常。

【技术实现步骤摘要】

本申请属于卫星状态异常检测领域,具体涉及一种基于神经对比增强自编码器的卫星遥测参数异常检测系统及方法


技术介绍

1、作为一种精密的航天器,人造卫星在国防安全、经济发展、生态保护以及国民生活等方面发挥着举足轻重的作用。然而,受不利空间环境和部件老化等因素的影响,卫星状态可能出现与预期不符的异常情况,对卫星在轨运行的安全性和目标任务执行的可靠性构成威胁。因此,对卫星在轨状态进行监测至关重要。异常检测能够为地面运控人员提供有力的决策信息支持,并有助于保障卫星稳定可靠地运行,具有重要的学术研究意义和工程应用价值。

2、依据表现形式,卫星在轨状态异常可以分为三类,分别是单点异常、相关关系异常和时间上下文异常。其中最为复杂的一种是时间上下文异常,它指的是遥测参数在时间维度上不正常变动,多个连续单点违反了原始序列的规律,呈现出不超过阈值的趋势或形态异变。时间上下文异常可能由卫星运行状态的变化或超出预定行为范围的事件引起,如元器件老化导致的电流持续缓慢变化。

3、遥测参数作为卫星工作模式和运行状态的直接体现,是地面运控人员评估卫星性能和健康状况的关键依据。近年来,随着卫星仪器部件的日益精细和在轨卫星数量的急剧增长,遥测参数的维度和数据量也显著增加,对卫星运行状态异常检测提出了更高的要求。卫星在轨状态异常呈现出现象多样、参数间复杂关联和时间依赖信息叠加等特点,传统的基于阈值、基于模型和基于规则的异常检测方法,由于缺乏对遥测参数复杂特征的建模能力,已无法满足当前卫星异常检测任务的需求。

4、与传统方法相比,基于数据驱动的方法不依赖于先验知识和专家经验,能够自动挖掘历史遥测参数中的潜在模式和规律,且具备强大的表征学习和建模能力,优势显著。深度学习是数据驱动的常用方法之一,已在遥测参数异常检测领域得到了广泛应用。然而,基于深度学习的时间上下文异常检测方法还面临着时序特征建模不足和特征提取缺乏代表性等问题。卫星遥测参数具有复杂的时序特性,为挖掘时间依赖信息,通常将正常时间序列窗口作为输入进行半监督学习,以提取重要的表征。但是相对于可能以任何形式出现的异常情况,训练所用的正常样本相对有限,导致机器学习方法难以学习具有代表性的广义特征,限制了模型的泛化能力,进而影响异常检测的效果。深入研究并解决这些问题,有助于完善现有的遥测参数监测方法,并进一步实现卫星异常状态的智能化和自动化检测。


技术实现思路

1、本申请的目的在于克服现有技术时序特征建模不足和特征提取缺乏代表性的缺陷。

2、为了实现上述目的,本申请提出了一种基于神经对比增强自编码器的卫星遥测参数异常检测系统,其特征在于,所述系统包括:

3、神经转换器数据增强模块,包括神经转换器,用于通过神经转换器对原始数据进行转换,然后再对转换后的数据进行增强得到原始样本的多个增强样本,输出包括原始子序列和通过数据增强合成的序列的样本集合;和

4、自编码器特征模块,包括编码器和解码器两个对称的lstm网络,用于利用编码器将样本映射至特征空间,再将特征表示经过解码器重建,获得待测序列中各时间点的异常标签。

5、作为上述系统的一种改进,所述神经转换器为循环神经网络或transformer网络。

6、作为上述系统的一种改进,所述神经转换器使用确定性对比损失方法进行训练。

7、作为上述系统的一种改进,所述对转换后的数据进行增强的方法包括:直接将转换后样本作为增强样本输出、将转换后样本与原始样本相乘得到增强样本输出,和将转换后样本与原始样本相加得到增强样本输出。

8、作为上述系统的一种改进,所述自编码器特征模块的训练采用重构误差作为损失函数。

9、作为上述系统的一种改进,所述系统的训练采用端到端方式,训练过程包括:

10、输入历史正常遥测序列,进行预处理和滑动窗口切分,获得用于训练的子序列集合;

11、将子序列集合输入神经转换器数据增强模块,生成原始样本的多个增强样本,得到包括原始子序列和通过数据增强合成的序列的样本集合;

12、将样本集合输入到自编码器特征模块中,经过编码器将样本映射至特征空间,再将特征表示经过解码器重建进行特征学习;

13、利用对比损失区分特征空间中来自不同神经转换器的样本,并利用重构损失来衡量特征表示能力,通过联合优化对比损失和重构损失,迭代地更新神经转换器数据增强模块和自编码器特征模块的网络参数。

14、本申请还提出一种基于神经对比增强自编码器的卫星遥测参数异常检测方法,基于上述系统实现,所述方法包括:

15、将卫星遥测参数进行预处理和切分后输入训练好的基于神经对比增强自编码器的卫星遥测参数异常检测系统,得到卫星遥测参数中各时间点的异常标签。

16、与现有技术相比,本申请的优势在于:

17、通过在航天器异常检测领域常用的两个公开遥测参数数据集smap和msl上进行对比实验,验证了本专利技术提出的ncaae方法的优越性能,其异常检测效果优于当前主流的深度异常检测方法。所提方法在smap和msl数据集上各获得了0.955和0.962的最优f1*分数,相比于次优的基准方法分别提升了4.83%和0.94%。同时,通过去除神经转换器并进行消融实验,验证了所提方法中通过数据增强进行自监督学习的有效性。一系列实验的结果证明了所提方法具有较强的实用能力,能有效检测遥测参数时间上下文异常。

本文档来自技高网...

【技术保护点】

1.一种基于神经对比增强自编码器的卫星遥测参数异常检测系统,其特征在于,所述系统包括:

2.根据权利要求1所述的基于神经对比增强自编码器的卫星遥测参数异常检测系统,其特征在于,所述神经转换器为循环神经网络或Transformer网络。

3.根据权利要求1所述的基于神经对比增强自编码器的卫星遥测参数异常检测系统,其特征在于,所述神经转换器使用确定性对比损失方法进行训练。

4.根据权利要求1所述的基于神经对比增强自编码器的卫星遥测参数异常检测系统,其特征在于,所述对转换后的数据进行增强的方法包括:

5.根据权利要求1所述的基于神经对比增强自编码器的卫星遥测参数异常检测系统,其特征在于,所述自编码器特征模块的训练采用重构误差作为损失函数。

6.根据权利要求1所述的基于神经对比增强自编码器的卫星遥测参数异常检测系统,其特征在于,所述系统的训练采用端到端方式,训练过程包括:

7.一种基于神经对比增强自编码器的卫星遥测参数异常检测方法,基于权利要求1-6任一所述系统实现,所述方法包括:

【技术特征摘要】

1.一种基于神经对比增强自编码器的卫星遥测参数异常检测系统,其特征在于,所述系统包括:

2.根据权利要求1所述的基于神经对比增强自编码器的卫星遥测参数异常检测系统,其特征在于,所述神经转换器为循环神经网络或transformer网络。

3.根据权利要求1所述的基于神经对比增强自编码器的卫星遥测参数异常检测系统,其特征在于,所述神经转换器使用确定性对比损失方法进行训练。

4.根据权利要求1所述的基于神经对比增强自编码器的卫星遥测参数异常检测系...

【专利技术属性】
技术研发人员:赵玉炜苏举郭国航
申请(专利权)人:中国科学院国家空间科学中心
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1