转发器地面检测设备

1 前言 转发器地面检测设备是针对东方红三号广播通信卫星转发器系统而设计的专用检测设备。数据处理器是转发器系统的一个重要组成部分,是转发器系统与遥测、遥控系统连接的枢纽,其输入、输出端口众多,工作时序复杂,检测工作量大,人工检测难以保证其性能和质量。转发器地面检测设备具有对数据处理器进行全面性能检测的功能。在转发器系统联试状态下,转     

液体火箭发动机基于ATA算法的实时故障检测与报警系统实现

以平台液体火箭发动机为研究对象,改进和完善了用于发动机实时故障检测的自适应阈值门限算法（ATA算法）,提高了算法检测的适用性。然后,从健康监控系统的功能和要求出发,基于LabWindows／CVI实现了发动机地面试车的实时故障检测与报警系统。结合实际试车数据的检测结果表明,系统不仅能够及时地对异常试车数据进行检测报警,同时,对正常试车数据也没有误报警。     

基于数据质量的机电系统BIT虚警研究

机电系统机内自测试(BIT)虚警问题一直是困扰其发展和应用的重要因素.本文首先明确了数据质量在机电BIT检测过程中的作用,对数据质量的属性及数据异常判断方法做了简要介绍.在分析了数据异常将可能导致BIT虚警之后,提出在BIT诊断和决策前加入数据异常判断环节,分析结果表明,此方法能够有效地降低机电BIT系统虚警率,提高其故障检测率.     

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。     

结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法

支持向量数据描述方法在高光谱图像小异常目标检测中具有较好的检测性能,但是待检异常的几何形状受到约束和背景的选择具有盲目性影响检测效果,且检测需要对整幅图像进行遍历导致计算量大。提出邻域聚类分割和支持向量数据描述相结合的异常检测方法,首先利用邻域聚类方法分割图像,将几何尺寸小的分割块作为潜在异常目标;其次选择与潜在异常的形状和大小相适应的背景窗进行背景像元收集;最后采用SVDD方法从潜在异常中快速且准确地检测出异常目标。对HYMAP图像的实验结果表明,该算法提高了复杂地物背景下异常的检测性能,降低了SVDD用于高光谱图像异常检测的计算量。     

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。     

基于Jess的卫星状态诊断系统设计与实现

针对卫星在轨管理中实时故障检测与解决较弱的现状,应用专家系统工具Jess构建了实时卫星状态诊断系统。系统可以适应遥测组合模式的复杂约束关系和频繁变化,收集、整理领域知识,实时检测卫星的工作状态,发现并提示卫星状态变化,显示状态诊断过程和结果,提供解决异常问题的参考方案,积累故障处理的经验。文章给出了系统总体结构的设计及关键技术的实现,从而为Jess在航天测控领域其他方面的应用提供了一种思路和方法。系统已成功应用于卫星的在轨管理中。     

一种改进的星上高光谱异常检测算法研究

为解决传统RX异常检测算法导致的星上高光谱图像异常检测准确率低、成本高等问题,对一种改进的星上高光谱异常检测算法进行了研究。在传统RX异常检测算法的基础上,用噪声自适应主成分变换对原始图像进行变换,选择变换后大于设定的合适信噪比阈值的数据;用局部正交子空间投影(LOSP)算法将相应数据投影到正交子空间获得图像残差数据,通过抑制背景等强干扰信息而突出小概率的异常目标信息;用空域滤波方法提取残差数据的特征,将大部分图像信息以某种标准集中于少数的主成分;对获得的波段子集用中值滤波器滤波,消除噪声干扰;用RX异常检测算子对滤波后的波段子集进行异常目标检测。试验结果证明了算法的有效性,算法通过数据量压缩,降低维度、抑制干扰信息,减少了异常检测处理的数据量以提高异常检测效率和精度。     

基于CNN-BiGRU的空间目标RCS异常检测方法

针对相控阵雷达获取单个空间目标RCS数据率低、传统姿态异常检测方法提取短RCS序列有效特征困难、检测准确率低的问题,提出了一种基于CNN-BiGRU网络的RCS异常检测方法。首先利用滑动窗口对一段时间空间目标RCS实时数据进行积累;之后采用一维CNN提取不同检测窗口RCS序列的多尺度高维特征向量,采用BiGRU提取特征向量的时序依赖特征。通过将两个网络级联,实现对RCS随目标姿态变化的多元特征信息的有效提取;最后基于全连接层实现对目标异常RCS序列的分类与识别。仿真实验结果表明：相较于传统方法,所提方法检测准确率更高,抗噪声干扰能力更强。实测实验结果表明：利用仿真数据训练的模型针对不同源的实测数据,在低数据率条件下能够保持较高的检测准确度,所提方法具有较好的泛化性,更适用于相控阵雷达体制下RCS的异常检测。     

基于labview的汽车尾气检测系统研究

针对汽车尾气排放污染物检测要求,通过面向对象的软件编程技术及可视化的编程语言Visual C++,以labview软件为平台,运用动态链接库,首次设计出针对不同车型的汽车排放污染物检测系统.该系统实现了数据的输入输出,检测参数的采集,数据的分析和处理等功能.对系统进行了简单的试验和结果分析,证明该系统功能全面,界面直观,易操作,实用性强.