基于改进组合机器学习的卫星遥测参数预测

对在轨卫星的运行状态进行监测、分析以及异常检测是卫星在轨运行管理的重要内容。预测卫星遥测参数序列的变化趋势，对卫星异常检测与处置、保障安全运行非常必要。针对目前对于周期性不明显且具有多种变化特征的遥测参数预测精确度不够的问题，本文引入对遥测参数的预测有辅助作用的因素作为协变量，提出了基于改进组合机器学习的预测模型。该模型使用全局模型和局部模型分别获取遥测参数序列的趋势特征和局部不规则波动特征，并采用改进的注意力机制捕获多维参数之间的关联关系，提高了预测精度。此模型可以提供点预测和区间预测的结果，为在轨卫星处置决策提供了更多输入。在科学卫星真实遥测数据集和时间序列公开数据集上验证了本文方法的有效性。     

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.      

ARIMA-SVR组合模型在卫星遥测参数预测中的应用

为辅助卫星在轨运行提供决策分析支持，结合卫星遥测参数的时间序列特性，利用一种ARIMA-SVR组合预测方法，通过对卫星遥测参数进行预测，判定实际遥测数据是否处于正常范围。该组合模型利用ARIMA模型对预处理后的数据进行线性拟合，并利用SVR模型对数据的非线性部分进行补偿。以KX09卫星星敏A的温度遥测数据为基础，分别利用组合模型对短期及中期星敏A温度进行预测，得出短期和中期均方根误差（RMSE）分别为0.768和0.968，相比单一ARIMA模型，短中期RMSE分别提高46.2%和16.4%。此外，对该卫星陀螺B的x轴角速度进行了短中期预测:短期预测中，组合模型比单一ARIMA模型的RMSE提高71.2%；中期预测中，组合模型比单一ARIMA模型的RMSE提高64.2%。实验结果表明，ARIMA-SVR组合模型为保证卫星在轨正常运行提供了有效的决策分析支持。      

基于符号化表示相似度度量的卫星多元工程参数异常检测

随着卫星系统复杂程度的日益增加,综合分析卫星多元参数之间的相关性异常对于卫星安全运行和空间任务的正确执行具有重要意义。利用某卫星工程参数数据,基于符号聚合近似算法（SAX）,研究卫星多元工程参数的异常检测问题,解决了当前异常检测方法中多元参数融合时不考虑上下文信息造成信息丢失的问题,实现多元参数有效融合,形成一种优化的基于快速动态时间规整算法（Fast-DTW）的异常检测算法。研究结果表明,模型在某卫星电源子系统的异常检测过程中,recall,precision和F1 score分别为0.947,0.9和0.923,能够实际应用于卫星异常检测,提高卫星在轨运行的安全性。     

遥测伪周期时间序列子序列异常检测算法

针对现有异常检测算法用于伪周期时间序列异常序列检测时易造成误差累积,导致序列周期与特征值上显著差异的不足,文章以卫星遥测伪周期时序数据为对象,综合两种常规分段方法的优势,提出了最大周期窗宽内基于极值的模式子序列分段算法。在此基础上,给出了一种基于均序列动态生成模型的子序列异常检测方法（AnomalySubsequenceDetectionmethodbasedonOptimizedSequenceModel,ASD_OSM）,并采用2次四分位距准则（DoubleQuantilerangescriterion,2Q准则）设置距离检测门限阈值,将超出阈值的序列判定为异常序列。某航天器传感器遥测子序列异常检测试验结果表明,提出的检测方法能够有效减少漏判,提高卫星遥测伪周期数据异常序列检测的准确性。     

基于LightGBM的卫星飞轮温度预测

为保障卫星的正常在轨运行,地面系统需要对卫星运行状态进行监控预警,其中对卫星各系统的温度监控尤为重要.温度不仅直接反映卫星系统的健康状态,更会对系统器件的性能和寿命造成影响.飞轮作为卫星姿态控制系统的重要组件,其温度变化是识别姿态控制系统状态的重要信息.卫星飞轮温度的预测与预警对卫星在轨稳定运行具有重要意义.本文基于某在轨卫星遥测数据,结合空间环境数据,应用LightGBM机器学习框架研究建立梯度提升决策树模型,对卫星飞轮温度进行预测.经与实际遥测温度值进行对比验证,预测精度可以满足对卫星飞轮温度的监视需求.研究结果可应用于地面系统,对卫星姿态控制系统可能发生的温度异常进行预警,使地面运控人员能够提前规避风险,保障卫星的安全在轨运行.      

多机理下的卫星寿命预测方法与应用

针对卫星寿命预测的需求和以往方法未考虑突发故障及退化失效的不足,提出了综合多种机理进行寿命预测的方法。归纳了星上产品的寿命特征和卫星到寿原因,指出了卫星随机失效的分布特征;针对随机失效,建立随单星工作时间和系统结构变化的剩余寿命预测模型,给出了利用动态的在轨工作状态数据求解多阶段分布参数的算法,从而实现剩余寿命的动态分析;综合随机失效、退化、消耗及其在轨变化规律,提出了适用于多机理的、竞争性的寿命预测方法。案例分析表明,综合考虑突发故障、退化失效和消耗,可以得到更合理的寿命预测结果,在星座维持策略中提高备份星计划的可信性。     

基于集成学习的空间科学卫星工作模式识别

针对空间科学卫星遥测参数数据量大且特征维度高、需要消耗大量人力资源预先设置海量阈值、预先设置的阈值可能不再适用、现有监测手段可扩展性低等问题，提出了一种基于集成学习的空间科学卫星工作模式识别方法。该方法采用相关系数统计特性和互信息理论对遥测参数数据进行筛选降维，使用数据重采样技术解决数据集中存在的类别不平衡问题，构建集成学习模型，实现空间科学卫星工作模式的识别。借助某型号科学卫星真实遥测参数数据对该方法进行验证，在短时内便可构建完成算法模型，模型对整体类别的识别正确率高达99.67%，可正确识别多数类样本和少数类样本，为地面运控人员判断空间科学卫星工作模式提供了决策依据。     

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.     

基于时序建模的卫星故障检测方法

为解决当前卫星故障检测面临的依赖规则库、多元特征融合不足以及数据正负样本分布不均衡等问题,从卫星数据的时序特性出发,提出基于时序建模的卫星故障检测方法与半监督模型,实现卫星数据规律的有效挖掘与数据驱动的故障检测。考虑卫星数据间的时序关联,提出基于长短期记忆神经网络的卫星故障检测方法,并引入滑动窗口机制实现卫星数据的有效预测与故障检测。考虑卫星数据多元特征参数间的关联关系,引入时间卷积和自编码器神经网络,同时建模不同时刻、多元特征参数间的依赖关系,实现融合多元特征参数进行卫星故障的有效检测。以某型号卫星电源分系统为实验对象,仿真结果表明,所提算法和模型在关键指标方面优于BP神经网络等传统故障检测方法和模型。     

天文观测卫星动中探测机动测试系统设计

天文观测卫星普遍采用动中探测模式开展空间探测任务。为了实现动中探测姿态机动模式的地面有效验证，设计了整星机动集成测试方案。设计惯性空间基准的地面动力学仿真，满足惯性空间扫描仿真；设计整星各分系统间高精度时间统一系统，为整星机动测试提供统一基准；基于STK与Matlab接口模块，设计基于实时遥测数据的可视化判读系统，可提高测试判读实时性与准确度。整星测试结果表明，该方案有效验证了动中探测任务中姿态机动功能的正确性和指标符合情况，为开展整星地面测试和在轨应用提供了参考。     

Analysis of the dynamic behavior of structures using the high-rate GNSS-PPP method combined with a wavelet-neural model: Numerical simulation and experimental tests

Recently, the high rate global navigation satellite system-precise point positioning (GNSS-PPP) technique has been used to detect the dynamic behavior of structures. This study aimed to increase the accuracy of the extraction oscillation properties of structural movements based on the high-rate (10?Hz) GNSS-PPP monitoring technique. A developmental model based on the combination of wavelet package transformation (WPT) de-noising and neural network prediction (NN) was proposed to improve the dynamic behavior of structures for GNSS-PPP method. A complicated numerical simulation involving highly noisy data and 13 experimental cases with different loads were utilized to confirm the efficiency of the proposed model design and the monitoring technique in detecting the dynamic behavior of structures. The results revealed that, when combined with the proposed model, GNSS-PPP method can be used to accurately detect the dynamic behavior of engineering structures as an alternative to relative GNSS method.     

基于梯度提升决策树的量子科学实验卫星光学实验预测

量子科学实验卫星在轨运行期间完成4种光学实验，地面监测人员通过遥测参数阈值判断卫星是否进行光学实验、实验类型及实验结果.这种方法需要预先设定大量阈值，并且这些阈值需要根据在轨卫星重新设定，可扩展性较差.针对以上问题，提出一种基于机器学习的光学实验判别方法，将量子科学实验卫星的光学实验监测任务抽象为机器学习中的多元分类问题，构建分类模型，利用量子科学实验卫星的真实历史遥测数据对模型进行训练，并通过真实实验计划对训练得到的模型进行验证.实验结果表明，本文提出的方法在没有专家先验知识的前提下，判别准确率达到99%，可用于量子科学实验卫星光学实验的实时监测任务.提出的基于机器学习的判别方法具有较强的可扩展性，可应用于卫星在轨运行的其他监测任务.      

最小数据丢失量的地月中继卫星任务调度研究

月球背面的探测器必须依靠地月中继卫星进行数据传输与通信。地月中继任务包括实时性任务和延迟容忍类任务,如数传任务。当探测器等待传输的数据量超出用户存储容量时,延迟容忍类任务会由于探测器本地存储资源不足和地月中继卫星天线资源受限而无法完成,导致任务数据丢失,所以需要设计一种合理的地月中继任务调度策略,提高地月中继卫星的资源利用率,减少数据的丢失。对地月中继卫星任务调度进行了研究,在分析地月中继卫星数传任务的特点及用户的存储限制的基础上,以最小化数据丢失量为优化目标,建立了地月中继卫星任务调度模型,并设计了一种基于离散烟花算法（DFWA）的地月中继卫星任务调度算法。仿真数据分析表明,基于离散烟花算法的地月中继卫星任务调度算法在求解结果上优于遗传算法,是一种合理、有效的调度方法。     

用于卫星入轨段测控的箭载天基测控中继系统

为满足卫星入轨段关键遥测参数下传和遥控指令上传的需求,设计了一种用于卫星入轨段测控的中继系统,方案主要基于火箭现成天基测控终端和卫星现成测控设备。介绍了中继系统的组成、工作原理和工作流程,研究了天基测控相控阵天线波束指向算法,设计了一种卫星遥测、遥控信号中继功能的地面测试系统。该箭载中继系统在快舟一号甲火箭上完成了两次飞行试验验证,两次飞行试验中继转发的卫星遥测数据完整,箭载卫星通信终端接收用户卫星遥测数据的载噪比大于20dB;地面测控中心接收天基遥测返向信号比特信噪比相对接收门限有3dB以上的余量。试验表明,该箭载天基测控中继系统通信链路余量充足,工作可靠,相比通过地面测控资源保障或卫星自身使用天基测控可节省一半以上成本。     

基于机动力模型的GEO卫星恢复期间定轨

北斗卫星导航系统(BDS)中GEO卫星频繁的轨道机动对高精度、实时不间断的导 航服务需求提出了更高要求, 如何在短弧跟踪条件下提高GEO卫星轨道快速 恢复能力, 是提升导航系统服务精度的关键因素. 针对该问题, 本文提出了基 于机动力模型的动力学定轨方法, 尝试利用高精度的C波段转发式测距数据, 辅 以机动期间的遥测遥控信息建立机动力模型, 联合轨控前后的观测数据进行动 力学长弧定轨. 利用BDS中GEO卫星实测数据进行了定轨试验与分析, 结果表明, 恢复期间需要采用解算机动推力的定轨方法, 联合机动前、机动期间和机 动后4h数据定轨的轨道位置精度在20m量级, 径向精度优于2.5m. 该方 法克服了短弧跟踪条件下动力学法定轨和单点定位中的诸多问题, 提供了解决 GEO卫星机动后轨道快速恢复问题的技术方法.