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。     

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。     

基于自主运行体系结构的通用推理引擎设计

为实现基于规则的决策推理,根据自主运行技术的特点对一种基于航天器自主运行体系结构的通用推理引擎设计进行了研究。该体系结构以策略与机制分离为目标,对系统策略、资源和数据进行统筹管理,自主运行系统包括决策系统、系统策略、系统输入和系统输出四部分。在自主运行体系结构的基础上,对传统Rete算法进行改进,优化传统Rete网络结构,取消了Not节点,改变了原Rete算法中的是非逻辑判断,合并了Entry节点、Token节点和适配节点功能。给出了通用推理引擎的推理网络结构,设计了推理算法以实现事实序列的快速推理。某航天器数管分系统的程控功能样例显示:根据飞行过程中产生的事实序列,用设计的推理引擎推理出级箭分离、中继加电、开发动机、关发动机等事件的发生,由此验证了通用推理引擎的有效性。