无人直升机遥测数据异常值的一种检验方法

在对无人直升机遥测数据异常值处理过程中,将外推拟合法和回归模型检验法相结合,保留了它们的优点,避免了其各自的不足。给出分析遥测数据异常值的一种检验方法,讨论此方法在某型无人直升机遥测数据的处理中的应用,并通过实际的试飞数据进行了分析。     

基于回归分析的航天器异常检测方法

针对某在轨航天器电源温控系统典型故障案例,提出基于Pearson相关系数回归分析的航天器多元遥测数据异常检测方法.首先,对相关遥测数据进行特征提取;其次,对正常状态下的遥测数据进行拟合建模,并用该模型检测后续遥测数据;最后,采用基于Pearson相关系数的回归分析方法对实测数据进行仿真分析.结果表明,针对航天器首次发生...     

基于SE-TCN网络模型的太阳电池阵温度异常检测

针对因卫星入境数据延迟,无法快速判断太阳能电池阵温度遥测数据是否发生异常问题,提出一种SE-TCN网络模型。首先借鉴SENet中的通道注意力机制,对时间卷积网络(TCN)进行改进,提高模型的特征提取能力;其次使用SE-TCN做为特征提取网络,训练出网络模型;最后对温度遥测数据做中长期预测(约4轨)。以某在轨卫星实际太阳能电池阵温度遥测数据作为实验数据。结果表明:本文提出的SE-TCN网络模型在评价指标上与传统TCN网络模型相比,平均绝对误差(MAE)降低了7.7%,均方根误差(RMSE)降低了5.2%,相关系数(R)提高了0.4%。当卫星入境时,该检测方法可根据预测值快速判断实时遥测数据是否发生异常。     

一种基于迁移学习的遥测数据异常检测方法

为解决卫星遥测数据异常检测面临的数据不平衡且缺乏有标签样本的问题，提出一种基于一维卷积神经网络(1dCNN)迁移学习的异常检测方法。首先利用源域卫星的遥测数据对1dCNN进行预训练，使得模型的卷积层具有卫星状态特征的提取能力；然后将训练好的模型迁移到缺乏标签数据的目标域卫星中；利用目标域有标签样本对预训练模型进行微调，从而实现了对目标域测试集样本的异常检测。为了使1dCNN能够适应遥测数据样本的不平衡性，引入了代价敏感训练策略，建立动态损失函数，从而提升代价敏感一维卷积神经网络(cs 1dCNN)对于异常样本的识别能力。以某两个卫星的电源分系统遥测数据进行了验证，实验结果表明该异常检测迁移方法具有较好的有效性和鲁棒性。     

导航卫星遥测数据趋势预测技术研究

介绍了基于遥测数据的趋势预测方法、基于物理模型的趋势预测方法和基于知识的趋势预测方法的适用对象和特点。文章对导航卫星遥测数据进行了分类,重点研究了基于遥测数据的趋势预测方法,给出了各类算法的适用性;并针对传统SumSin模型、ARMA模型的局限,给出了改进措施和实现流程。最后搭建了验证系统,用于上述算法的验证和导航卫星参数的提前预警。     

基于参数估计的BPSK/PM遥测异常信号识别方法研究

为了对卫星地面测试和在轨运行期间可能发生导致遥测信号异常的偶发故障进行排查,快速精确地定位问题,文章进行了异常遥测信号识别方法研究。针对二进制相移键控/相位调制(BPSK/PM)遥测信号,通过分析信号的特征,总结了遥测接收过程中异常信号可能发生的三种情况及其原因,提出一种基于参数估计的异常遥测信号识别方法,并进行了仿真验证。该方法的应用可以宏观区分遥测调制信号异常与数据异常,并作为异常信号存储和再处理的基础,从而为故障判定提供数据支撑。     

一种自旋稳定卫星姿态传感器数据异常的诊断方法

针对自旋稳定卫星遥测数据异常时,故障类型和故障源难于辨识的问题,提出一种数据驱动的故障诊断新思路.该方法提出将卫星姿态与传感器之间固有冗余关系是否保持作为判断故障类型的依据,并利用主成分分析把这种关系通过测量空间的特征值进行量化,监测特征值之间相应比例的变化实施判定;借助正交子空间的结构分析,选择SPE统计量进行故障检测和故障源的定位.在遥测数据的基础上模拟风云某型气象卫星的不同故障模式,并应用本文方法进行分析,结果表明,该方法克服了传统贡献图方法无法判别故障类型的缺点,可以实现对故障的正确诊断.     

面向卫星电源系统的一种新颖异常检测方法

面向卫星电源高维周期性时序遥测数据，提出了一种新颖的代表性特征自编码器（RFAE）模型，并用于无监督的异常检测。RFAE采用改进的堆叠自编码器损失函数和训练算法，从而使模型可以学习到相位相同样本的代表性特征；然后根据代表性特征重构样本，根据重构误差来判断样本是否异常。在试验部分首先通过模拟数据校验了RFAE算法能够有效地检测出高维周期性时序数据的异常，然后又采用某卫星电源系统2014年1~12月真实遥测数据进行试验，RFAE异常检测准确率达到99%，检测效果明显优于目前的其他异常检测算法，具有较高应用价值。     

一种卫星遥测参数动态ARMA建模方法

针对部分卫星遥测参数序列在长时间演变中其底层数据生成机制与相互关系存在变化的情况,对传统自回归移动平均(ARMA)模型进行改进,提出一种动态ARMA建模方法。该方法根据预测误差来衡量模型对后续数据的"适合度",并根据适合度对序列进行分割。在序列分割的基础上,不断更新模型,从而实现动态ARMA建模。最后,利用"天巡一号"(TX-1)卫星遥测数据进行验证,结果表明该方法能有效分割序列,提高建模与预测精度。     

应用自适应滑动窗口的卫星模拟量遥测数据跳变检测方法

提出一种应用自适应滑动窗口的卫星模拟量遥测数据跳变检测方法,针对卫星模拟量遥测数据特性,设计一种低计算量、简单易行的滑动窗口机制,并结合指数平滑方法处理遥测数据,根据遥测数据的局部波动情况自适应调整滑动窗口的检测灵敏度,通过组合滑动窗口实现对模拟量遥测数据的跳变检测、拐点检测和噪声检测,提高跳变信息检测的正确性。通过对某导航卫星热试验期间的真实遥测数据进行计算分析,验证了所提方法的正确性。该方法不依赖先验模型知识和标签数据集,具备可量化、低虚警、计算简易及适用性广的特点,可用于地面测试和在轨运行过程中的实时数据判读。     

融合注意力机制的航天器重建信号异常检测

针对航天器遥测数据异常检测时先验知识缺失、难以进行有监督条件下机器学习的问题,提出一种融合注意力机制的航天器信号智能异常检测算法。首先,通过注意力机制捕捉航天器遥测数据长距离特征,分析注意力关系矩阵为异常溯源提供指导。其次,采用堆叠自动编码器压缩数据维度并基于此重建输入信号,利用输入信号与重建信号间的残差获取误差重构序列。然后,基于窗口阈值法标记误差重构序列异常索引,实现航天器遥测信号异常检测。最后,通过多通道航天器遥测信号算例验证算法在提高航天器遥测信号异常检测性能与可解释能力的有效性。     

一种卫星遥测参数趋势异常的自动识别方法

针对卫星遥测参数变化趋势人工监视准确度低、成本高的问题,在基于小波的频域转换方法基础上,提出了一种基于神经网络的趋势异常的自动学习和判别方法,即通过建立遥测参数趋势变化的频域特征向量模型,利用多层前馈(BP)神经网络方法,实现遥测趋势变化的自动判别和定位,能够有效提高卫星在轨监视的精细化程度和准确度。通过某卫星红外敏感器和太阳电池阵电流遥测趋势识别对方法的有效性进行了验证,结果表明:该方法能够满足自动监视要求,可为卫星在轨管理提供参考。     

应用HP滤波的卫星遥测数据预测方法

卫星遥测数据预测分析在故障预警中发挥着重要作用。文章将用于时间序列分析的HP (Hodrick-Prescott)滤波引入到遥测数据分析领域中,提出了基于HP滤波分解的卫星遥测数据预测方法,并设计了在轨应用的系统方案。利用HP滤波将遥测数据的时间序列分解成趋势成分和波动成分,并根据各项特点分别使用多元自回归和季节型单整自回归移动平均(ARIMA)模型进行预测,然后叠加趋势成分和波动成分各自的预测值,得到最终组合预测结果。该预测方法可以有效降低由趋势性、波动性等因素相互影响产生的误差,提高预测精度,其系统方案可在卫星监视、故障诊断和预警中实际应用。利用预测方法对某卫星行波管阳压遥测数据进行分析,验证了预测方法的正确性和有效性,在半年时间内的预测结果的相对误差小于0.04%。     

基于关联控制参数的火箭遥测数据对齐方法

针对火箭遥测数据分析判读中的数据对齐问题,探讨了一种基于关联控制参数的数据分段并进行选择性均匀插值的数据对齐方法。实验结果表明,该方法具备可行性且显著降低了关键时刻错位带来的对齐误差,提高了对比分析的直观性,对火箭遥测数据的预处理有一定的参考价值。     

分类回归树在航天测控数据关联规则分析中的应用

发现参数间的关联规则对预测航天器系统状态和改进航天器系统设计都有着重要的意义。如何发现参数间的关联规则是航天测控数据分析中的一个难点问题。针对该问题，在概述小波分析和分类回归树基本原理的基础上，提出了一种基于分类回归树的分析方法。该方法首先采用小波分析技术对参数数据进行去噪声处理，然后用随机采样的方法把数据分为训练数据集和检验数据集两部分，再构建一个分类回归树模型并用训练数据集训练该模型，随后用检验数据集对该模型进行检验，在对检验结果好坏进行评价并确认获得较好结果的基础上，对分类回归树模型进行解析，并最终得出参数间的关联规则。最后运用仿真数据对上述方法进行了实例验证，结果表明该方法能较好地分析出参数间的关联规则。     

预测区间技术在航天器数据处理中的理论与应用研究

面对航天领域收集到的大量遥测数据,对其整理、分析就需要运用统计的手段,采用了基于统计推断学的区间参数估计理论的预测区间技术,对传统的模型趋势预测研究进行了拓展.通过对航天数据及其预测模型的深入分析,把握其内在的统计规律,建立了模型预测与区间估计理论相结合的预测区间模型,给出未来数据在一定置信度下的变化区间.最后,将该技术应用于航天器数据预测实例分析,验证了该方法的有效性.     

导弹攻击系统综合评估的改进灰色关联投影法

提出了一种用于综合评估导弹攻击系统的改进灰色关联投影法。用[-1,1]线性变换算子和分辨系数建立了灰色关联度判断矩阵,通过熵权系数法和模糊互补判断矩阵排序算法组合赋权确定权重,给出了改进的灰色关联投影模型。算例表明,该模型合理,方法正确,应用方便。     

基于二态模型递归树的遥测全帧数据仿真算法

由于不同型号飞行器的遥测数据帧格式复杂多变、形式各异,使得工作人员不得不频繁更动遥测数据仿真软件,尤其在面对新型号飞行器时,软件甚至需要重新开发。为此,提出了一种基于二态模型递归树的通用化遥测全帧数据仿真算法。首先,通过对遥测全帧数据的特点进行分析,提出了基于参数数据和结构数据的遥测全帧数据通用化二态表达模型,构建了描述遥测全帧数据的递归树,实现了遥测全帧数据通用化描述。其次,针对遥测全帧数据仿真问题,提出了基于多元函数递归运算的结构数据生成算法,并设计了参数反演算法,实现了遥测全帧数据的通用化仿真。最后,通过算例分析,验证了算法在遥测全帧数据仿真中的实用性和有效性。     

GEO卫星氢镍蓄电池压力在轨特性研究

针对多颗地球静止轨道(GEO)卫星氢镍蓄电池组压力数据在轨正向漂移的现象,文章分析了测量方式及温度对压力遥测的影响,提出基于小波分析和平稳时间序列分析的数据趋势项提取方法,并在数据趋势项的基础上建立压力遥测的修正模型。以该模型为依据,预测下一个地影季充电压力终止点。研究结果:可以在地影季到来前,及时调整氢镍蓄电池组在轨充电终止阈值和报警阈值,防止过充电,确保蓄电池组在轨管理的准确性和安全性,并有效提高蓄电池组寿命。     

基于数据挖掘的航天遥测数据分析系统的设计

航天器遥测数据是了解航天器系统运行状况的关键所在。如何从大量的遥测数据中发现有用的知识为诊断、预测航天器系统的运行状况服务是航天器遥测数据分析领域的基本问题。针对该问题，在简要介绍数据挖掘基本方法的基础上，探讨了数据挖掘技术在航天遥测数据分析上的应用，建立了基于数据挖掘的航天遥测数据分析系统的基本功能模型框架,并就各功能模块进行了较为详细的设计,以实现遥测数据的离群点分析、参数相关分析、时间序列分析和系统状态分析等功能,最后就开发工具的选择问题进行了讨论，提出了采用Elasticsearch、python和Kibana结合的方式构建该系统的方案。