基于隐空间插值自编码器的卫星遥测参数异常检测

卫星遥测参数是地面运管系统评估卫星在轨运行正常状态的关键指标, 遥测参数异常检测对于保障卫星安全可靠运行和任务顺利执行至关重要. 针对现有卫星遥测异常检测算法对参数特征提取存在区分度缺乏、有效异常决策信息提取不充分等问题, 本文提出一种基于隐空间插值优化的异常检测方法, 将隐空间优化约束后的自编码器的表示学习能力与核密度估计方法的密度估计能力相结合, 有效地进行异常检测. 采用量子科学卫星的真实遥测参数数据和公开数据集进行验证, 其结果表明所提方法在真实遥测参数上比最优对比方法的Auc值和F1值分别提升了5.6%和5.8%. 与其他异常检测算法相比, 该方法有较强的正常和异常样本辨别能力, 有效解决了特征缺乏区分性以及决策信息提取不充分的问题, 同时具有良好的噪声抗干扰性和有效性.     

基于参数自适应优化聚类的卫星状态异常检测方法

对卫星在轨状态进行实时监测和异常检测,有利于保障卫星安全稳定运行。为解决在利用聚类分析检测卫星异常过程中,通过网格搜索选择最佳聚类超参数时精细度差、效率低的问题,本文将聚类超参数选择转化为单目标优化问题,并基于智能优化算法的启发式搜索能力,提出了超参数自适应优化的聚类算法UMOEAsII_BIRCH。为验证自适应搜索的有效性,在卫星遥测数据集和公开数据集上进行了测试。以网格搜索为基准,分别选取基于划分、基于密度和基于层次的聚类算法,对比自适应搜索和网格搜索两种方式下,异常检测的F1-score和算法执行时间。实验结果表明,自适应搜索克服了网格搜索中精细度与效率的矛盾,不受网格点的限制,异常检测效果优于基准方法,且在算法执行效率上具有显著优势。     

一种基于生成对抗网络的卫星异常检测方法

针对卫星地面测控中心在异常检测时面临的遥测数据不平衡和缺乏异常标签等问题,提出了一种基于时序生成对抗网络的异常检测方法.首先对卫星遥测数据进行预处理,剔除原始数据中的噪声和野值.然后使用长短时记忆网络构建生成模型的生成器和判别器,使得模型可以学习到历史数据的时间依赖关系.采用改进的生成对抗损失函数,使得生成模型在训练时可以保证生成序列与输入序列的潜在空间分布一致.最后,使用残差作为测试序列的异常分数,通过阈值自适应方法判断测试序列是否异常.经真实卫星遥测数据进行实验验证,表明该异常检测方法具有较好的有效性.     

距离相关系数融合GPR模型的卫星异常检测方法

卫星在轨运行期间,遥测数据表现形式通常为多维时间序列。高斯过程回归(GPR)模型可以为重要的遥测参数提供动态门限,及时发现隐藏在工程阈值内的故障征兆,但是高维卫星数据使得GPR模型具有局限性。因此,为获取与多个遥测参数相关的动态门限,在GPR模型的基础上,融合距离相关系数对预测变量进行选择,减少信息冗余和计算量,提高模型的可解释性,并估计模型的泛化误差以设置更合理的预测区间,提高模型的泛化能力,检测数据流的持续异常。对实际在轨卫星数据进行仿真实验,验证了距离相关系数融合GPR模型的卫星异常检测方法可以在卫星故障早期检测到数据异常,而且提高了模型的预测性能,降低了虚警率。      

基于遥测数据动态特征的卫星异常检测方法

基于遥测参数分析异常是保证卫星正常在轨运行的基础,通常采用阈值法判断遥测参数是否超差来判断卫星工作状态,由于其无法检测在阈值范围内变化的卫星遥测数据异常,因而会导致故障漏报.本文利用遥测参数动态变化特性,提出一种基于遥测数据变化规律检测异常的方法.利用周期图谱法求解遥测参数周期,根据遥测数据各周期之间参数值的相似性,按照遥测参数周期对数据进行采样,得到平稳差分序列,对其建立自回归移动平均混合模型,通过精确的预测结果与实测遥测数据比较来发现异常.利用该方法对实际在轨运行的某卫星2012年5月太阳能帆板转动异常故障进行验证,结果表明其能够有效避免故障漏报.     

利用TLE数据分析LEO卫星轨道异常的新方法------综合判据法

及时准确地发现在轨卫星的轨道异常意义重大. 通过有效的异常算法, 能够找出发生轨道异常的碎片或航天器, 为空间碎片碰撞预警系统分析和验证碰撞事件提供数据支持. 通过对利用TLE (Two Line Elements)数据分析LEO在轨卫星轨道异常的方法研究, 提出了一个利用单个卫星相邻根数时间差控制加综合判据的判别方法. 分析表明, 相对于取单一因素阈值的判别方法, 综合判据法能够最大限度地减少漏判, 并且保持相对较高的判断准确率.     

基于趋势符号聚合近似的卫星时序数据分类方法

作为在时间序列数据挖掘中广泛使用的主要符号化表示方法,符号聚合近似（SAX）使用段的平均值作为符号表示,由于无法区分具有不同趋势但具有相同平均值符号的不同时间序列,某些情况下可能会导致错误的分类。提出了一种改进的符号表示——趋势符号聚合近似（TrSAX）,集成SAX与最小二乘法,用以描述时间序列的均值和斜率,并由此构建出BOTS分类器。此外,对卫星的模拟量遥测时序数据中的角度序列、转速序列、电流序列进行分析,并从UCR公开数据集中筛选出与3种序列类似的3个数据集进行分类实验验证。与应用了SAX和2个改进的SAX、经典的欧氏距离（ED）、动态时间规整（DTW）的1-NN分类方法进行对比,结果表明:提出的BOTS分类方法的分类错误率明显低于其他5种分类方法。      

一种基于时间序列的自适应网络异常检测算法

传统的网络管理工具通常是根据预先设定的阈值进行网络流量异常检测,这种方法虽然简单,但不能根据网络状况进行自适应的动态调整.分析了基于时间序列的Holt-Winters异常检测方法,结合建立的历史流量的正常模型,改进了Holt-Winters模型的基值以及平滑因子参数的获取过程,加快了算法的启动时间,缩短了算法对网络环境的自适应时间.改进的Holt-Winters算法相较于原来的Holt-Winters算法以及阈值检测方法检测的正确率更高、误报率更低.     

基于北斗GEO卫星反射信号的渤海海冰检测

随着全球导航卫星系统反射信号（GNSS-R）的提出,其在海冰检测领域的应用也越来越广泛。北斗地球同步轨道（GEO）卫星的角速度较小且仰角变化仅有3°~4°,因此在相同观测地点其镜面反射点的空间位置非常稳定,可以提高特定区域海冰检测的时间分辨率。对在中国渤海湾进行的2次岸基海冰检测实验（2015年1月24日和2016年1月30日至2月4日）进行分析,验证了北斗GEO B1反射信号对沿岸海冰进行长时间连续检测的可行性。第1个实验结果显示海冰密集度与2颗GEO卫星C01和C03的极化比值结果具有相关性;第2个实验结果显示3颗GEO卫星C01、C02和C03检测的海冰极化比值与大气温度存在正相关关系,其中C01、C02和C03的极化比值与大气温度的相关值分别为0.61、0.72和0.57。     

基于GNSS的高轨卫星定位技术研究

利用全球卫星导航系统(GNSS)进行导航定位具有全球、全天候、实时和高精度的优点,应用于高地球轨道(HEO)卫星的定位,能够提供精确的轨道和姿态确定,并且可以克服目前主要利用地面测控系统对HEO卫星进行定位的设备复杂、投资高等缺点,使得自主导航成为可能.本文对利用GNSS的高轨卫星定位相关技术进行了研究,分析了单一GNSS系统和多个GNSS组合系统的卫星可见性、动态性和几何精度因子(GDOP).通过仿真分析表明,利用组合GNSS系统并通过提高GNSS接收机灵敏度的方法,可以解决GNSS进行HEO卫星定位的相关问题,并能保证HEO卫星定位精度的要求.      

无人机动态校准系统研究

针对无人机使用维护特点和计量保障需求,研究提出了无人机动态校准系统的设计方案,该系统包括电磁环境模拟、无线电信号测量和校准数据处理等3个分系统。利用该动态校准系统,可以实现无人机全系统校准,精准掌控无人机系统级技术状态,确保无人机执行任务能力保持。     

漂移壳追踪方法与内辐射带的长期变化

地磁场的长期变化发迹辐射带结构,如何在当前年代下恰当地使用ＡＥ－８／ＡＰ－８模型,目前国内外对此问题存在着很大的争议。我们在物理分析的基础上给出了当前年代下使用辐射带模型ＡＰ－８的漂移壳追踪方法ＤＳＴＭ（Ｄｒｉｆｔ Ｓｈｅｌｌ Ｔｒａｃｉｎｇ Ｍｅｔｈｏｄ）。计算结果表明地磁场的长期变化对内辐射带的通量分布有着显著的影响。３０－４０年来,南大西洋通量异常区中心向丁和向北发生偏移,高粒子辐射区域的范     

TLE数据误差与基于TLE数据的交会预报分析

目前普遍使用TLE数据进行在轨物体的危险交会预报. TLE数据误差不仅会影响交会预报的准确性, 还是计算碰撞概率的必要参数, 因此, 只有准确估计TLE数据误差, 才能得到可信的碰撞概率数值. 本文采用两种方法, 即TLE数据自比和与高精度轨道预报数据相比较的方法, 计算TLE数据误差, 并分别利用TLE数据和高精度数据计算同一交会, 比较两种数据预报的交会结果差异. 结果表明, 采用TLE根数自比方法的计算误差偏小, 而使用精轨数据作为校准数据所得到的TLE误差更接近真实误差, 计算碰撞概率更为合理, 有利于减少虚警.     

利用条件平差实现导航星座自主守时方法

针对导航星座自主导航系统的重要组成部分———自主守时系统,提出了一种简便易行的新算法:根据星间测距数据,采用条件平差进行自主守时计算;并且介绍了此方法基本原理和实现思路。自主守时仿真计算表明,此方法守时同步误差不累积,距离测量误差0.1m时,时间同步误差均方根小于0.4m。