發(fā)布時(shí)間：2021-06-16 21:58

　　在衛(wèi)星運(yùn)行過(guò)程中,地面接收到下傳的遙測(cè)數(shù)據(jù),并基于此數(shù)據(jù)進(jìn)行衛(wèi)星運(yùn)行管理和狀態(tài)監(jiān)測(cè)。遙測(cè)數(shù)據(jù)是反映衛(wèi)星健康狀態(tài)的重要依據(jù),在衛(wèi)星故障早期檢測(cè)到遙測(cè)數(shù)據(jù)的潛在異常對(duì)衛(wèi)星的安全維護(hù)具有重大意義。衛(wèi)星異常檢測(cè)的對(duì)象是大量的遙測(cè)參數(shù),遙測(cè)參數(shù)具有多維性、相關(guān)性、非線性性等特點(diǎn),針對(duì)衛(wèi)星遙測(cè)數(shù)據(jù)的特性和衛(wèi)星故障類型,將目前已有的算法進(jìn)行改進(jìn),應(yīng)用到衛(wèi)星異常檢測(cè)領(lǐng)域。首先,描述了衛(wèi)星遙測(cè)參數(shù)的特性以及衛(wèi)星故障特性,并總結(jié)歸納了衛(wèi)星異常檢測(cè)的主要方法體系,以及各種方法的優(yōu)劣。在此基礎(chǔ)上,分析了現(xiàn)有的多變量數(shù)據(jù)分析處理方法,即變量篩選和降維,并總結(jié)了各種方法的優(yōu)點(diǎn)和不足,為衛(wèi)星異常檢測(cè)方法奠定了理論基礎(chǔ)。其次,采用了一種基于相關(guān)概率模型的PCA異常檢測(cè)方法,根據(jù)衛(wèi)星的工作周期對(duì)數(shù)據(jù)進(jìn)行劃分,以工作單元的形式研究遙測(cè)參數(shù)間的相關(guān)關(guān)系變化,比檢測(cè)單點(diǎn)異常更具信服力,并使用PCA方法對(duì)多元概率模型降維,而且,通過(guò)檢驗(yàn)2統(tǒng)計(jì)量的方法對(duì)數(shù)據(jù)是否異常進(jìn)行判決,避免了閾值設(shè)置的困擾,另外,在檢測(cè)出異常數(shù)據(jù)之后,還可以通過(guò)計(jì)算重構(gòu)誤差貢獻(xiàn)比例來(lái)確定發(fā)生異常的遙測(cè)參數(shù)。通過(guò)仿真驗(yàn)證了該方法能夠在故障早期檢測(cè)出異常,并對(duì)... 

【文章來(lái)源】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院微小衛(wèi)星創(chuàng)新研究院）上海市

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

隱藏在門限內(nèi)的異常

基于多變量相關(guān)性分析的衛(wèi)星異常檢測(cè)技術(shù)研究183.2構(gòu)建相關(guān)概率模型根據(jù)以往積累的工程經(jīng)驗(yàn)，在衛(wèi)星故障早期，衛(wèi)星各項(xiàng)功能正常，但是某些遙測(cè)參數(shù)已經(jīng)開(kāi)始發(fā)生緩慢變化，此時(shí)衛(wèi)星處于一種亞健康狀態(tài)。衛(wèi)星的一些遙測(cè)參數(shù)間存在某種相關(guān)性，衛(wèi)星處于正常狀態(tài)時(shí)，這些遙測(cè)參數(shù)間的相關(guān)性保持穩(wěn)定或者變化較小，衛(wèi)星處于異常狀態(tài)時(shí)，與故障相關(guān)的遙測(cè)參數(shù)同時(shí)受到故障影響，其相關(guān)性可能會(huì)發(fā)生較大的變化。因此，針對(duì)這類故障前后相關(guān)性發(fā)生變化的故障，本文使用基于相關(guān)概率模型的異常檢測(cè)方法來(lái)檢測(cè)衛(wèi)星不同周期相關(guān)關(guān)系的異常模式，主要包含以下幾個(gè)步驟。3.2.1劃分工作單元衛(wèi)星遙測(cè)數(shù)據(jù)是一系列多元時(shí)間序列，而且許多遙測(cè)參數(shù)具有周期性，尤其是與溫度相關(guān)的遙測(cè)參數(shù)，不同周期參數(shù)間相關(guān)性的變化可能會(huì)反映出衛(wèi)星異常，而且相對(duì)于單點(diǎn)異常，較長(zhǎng)時(shí)段的異常具有更高的可信度，因此以衛(wèi)星繞地運(yùn)行一圈為一個(gè)工作單元，對(duì)遙測(cè)數(shù)據(jù)進(jìn)行劃分，一個(gè)工作單元的長(zhǎng)度剛好與大部分溫度參數(shù)一個(gè)周期的長(zhǎng)度相同。這樣，遙測(cè)數(shù)據(jù)便被劃分成一系列的工作單元，如圖3.1所示。圖3.1工作單元?jiǎng)澐质疽鈭DFigure3.1Graphofworkunitdivision3.2.2量化遙測(cè)參數(shù)間的相關(guān)關(guān)系在一個(gè)工作單元內(nèi)，各個(gè)遙測(cè)參數(shù)都是長(zhǎng)度相等的一元時(shí)間序列。計(jì)算相關(guān)性的方法有很多種[72]，由于同一數(shù)據(jù)集中的遙測(cè)參數(shù)具有不同的量綱，與協(xié)

基于多變量相關(guān)性分析的衛(wèi)星異常檢測(cè)技術(shù)研究20圖3.2相關(guān)系數(shù)向量的Q-Q圖Figure3.2Quantile-Quantileplotofcorrelationcoefficientvectors3.3主成分分析（PCA）主成分分析（PCA）是從數(shù)據(jù)中提取信息的最受歡迎的方法之一，并且已在廣泛的學(xué)科中得到應(yīng)用。PCA通過(guò)提取數(shù)據(jù)矩陣中變量之間的互相關(guān)或相互關(guān)系，對(duì)角化協(xié)方差矩陣，從而以統(tǒng)計(jì)學(xué)上最佳的方式對(duì)數(shù)據(jù)矩陣進(jìn)行變換。如果測(cè)得的變量是線性相關(guān)的并且被誤差污染，則前幾個(gè)分量會(huì)捕獲變量之間的關(guān)系，而其余分量?jī)H包含誤差。因此，消除不太重要的組件可以減少測(cè)量數(shù)據(jù)中的誤差，并以緊湊的方式表示誤差。PCA的應(yīng)用依靠其減少數(shù)據(jù)矩陣維數(shù)的能力，同時(shí)捕獲潛在的變量和變量之間的關(guān)系。多維遙測(cè)數(shù)據(jù)建立相關(guān)概率模型后，可能會(huì)造成“維度災(zāi)難”，為后續(xù)檢測(cè)增大難度，而且相關(guān)系數(shù)向量的元素中存在一定的相關(guān)性，可能存在信息重疊，主成分分析的方法可以將高維向量轉(zhuǎn)換到低維特征空間來(lái)解決這一問(wèn)題。3.3.1PCA降維主成分分析的實(shí)質(zhì)是從存在相關(guān)的多維度原始向量空間中抽取出幾個(gè)彼此正交的主成分來(lái)表征原始數(shù)據(jù)，從而簡(jiǎn)化分析模型，這些主成分包含了原始數(shù)據(jù)大部分的信息，而且也代表了超平面的方向，該方向捕獲了原始變量中最大

【參考文獻(xiàn)】：
期刊論文
[1]航天器遙測(cè)數(shù)據(jù)異常檢測(cè)綜述[J]. 彭喜元,龐景月,彭宇,劉大同.  儀器儀表學(xué)報(bào). 2016(09)
[2]灰色關(guān)聯(lián)度和Pearson相關(guān)系數(shù)的應(yīng)用比較[J]. 張建勇,高冉,胡駿,鄭揚(yáng).  赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版). 2014(21)
[3]檢測(cè)實(shí)驗(yàn)室能力驗(yàn)證中四分位數(shù)的計(jì)算[J]. 江珍雅,徐建勇,潘慧英.  物理測(cè)試. 2014(04)
[4]基于時(shí)空驚奇計(jì)算的視頻異常檢測(cè)方法[J]. 謝錦生,郭立,陳運(yùn)必,趙龍.  中國(guó)科學(xué)院研究生院學(xué)報(bào). 2013(01)
[5]基于Pearson相關(guān)系數(shù)的老年人社會(huì)支持與心理健康相關(guān)性研究的Meta分析[J]. 葛芳君,趙磊,劉俊,周旻馨,郭毅,張慶軍.  中國(guó)循證醫(yī)學(xué)雜志. 2012(11)
[6]一種自旋穩(wěn)定衛(wèi)星姿態(tài)傳感器數(shù)據(jù)異常的診斷方法[J]. 李楠,張?jiān)蒲?李言俊.  宇航學(xué)報(bào). 2011(06)
[7]航天器動(dòng)力學(xué)環(huán)境試驗(yàn)故障診斷專家系統(tǒng)[J]. 王婉秋,楊松.  航天器環(huán)境工程. 2008(01)

博士論文
[1]異常檢測(cè)方法及其關(guān)鍵技術(shù)研究[D]. 陳斌.南京航空航天大學(xué) 2013

碩士論文
[1]探測(cè)器自主管理系統(tǒng)需求分析及設(shè)計(jì)方法研究[D]. 李飛.哈爾濱工業(yè)大學(xué) 2007



本文編號(hào)：3233863