[发明专利]基于人工智能的在轨飞行器自组网故障诊断方法及装置

说明书

本发明公开了基于人工智能的在轨飞行器自组网故障诊断方法和装置，诊断方法包括步骤S1：采集关键性能指标的原始信息向量；S2：归一化预处理；S3：对归一化预处理后的信息向量与关键性能指标数据库中的关键性能指标记录进行匹配决策，针对表征未知关键性能指标的所述信息向量，依次进行无监督聚类和标签设定，生成新的关键性能指标记录并存入关键性能指标数据库；S4：根据所述信息向量所对应的关键性指标记录确定网络故障状态诊断结果。本发明可以解决现有技术中飞行器网络故障难以自主诊断的技术问题。

技术领域

本发明涉及空间网络领域，特别涉及基于人工智能的在轨飞行器自组网故障诊断方法及装置。

背景技术

故障诊断是自愈网络中的关键功能，确保了系统自动故障识别准确可靠。在轨飞行器由于运行轨道的特点，其组成的空间网络往往需要在没有人为干预的情况做出相应的决策判断，尤其是对网络故障进行自诊断和自修复。通常，这些症状与系统关键性能指标(Key Performance Indicator，KPI)密切相关。因此，需要根据具体症状降级及其恶化程度，诊断出发生的故障。诊断过程的自动化意味着诊断系统必须了解故障的行为方式。一种可能的方法是从存储的情况中提取信息，该情况包含已解决的故障。该数据集将允许通过监督学习获得自动系统。然而，由于在轨飞行器运行时，空间环境的复杂性往往使得可用的历史记录特征是稀缺的，而从地面无线络获得的历史数据不足以构建具有监督技术的空间网络诊断系统。因此，需要结合人工智能(Artificial Intelligence，AI)技术对在轨飞行器网络进行自主诊断。

尽管现有的研究给出了系统自动诊断的方案，但主要是针对地面无线系统，并且基于专家知识和故障案例的历史数据。一方面，在轨飞行器网络故障的排除难以通过专门知识构建复杂的数据模型；另一方面，即使通过一段时间的在轨运行可以获得KPI的历史数据信息，但如何揭示网络故障状态和影响因素的内在联系，是需要解决的关键技术问题。

发明内容

本发明的目的在于提供基于人工智能的在轨飞行器自组网故障诊断方法及装置，以解决现有技术中飞行器网络故障难以自主诊断的技术问题。

为了解决上述问题，本发明提供了基于人工智能的在轨飞行器自组网故障诊断方法，包括以下步骤：

S1：采集关键性能指标的原始信息向量；

S2：对所述原始信息向量进行归一化预处理；

S3：对归一化预处理后的信息向量与关键性能指标数据库中的关键性能指标记录进行匹配决策，以判断所述信息向量表征的是已知关键性能指标还是未知关键性能指标，若所述信息向量表征的是未知关键性能指标，则对所述信息向量依次进行无监督聚类和标签设定，生成新的关键性能指标记录并存入关键性能指标数据库；

S4：根据所述信息向量所对应的关键性指标记录确定网络故障状态诊断结果。

较佳地，所述步骤S3中，判断所述信息向量表征的是已知关键性能指标还是未知关键性能指标的具体步骤如下：

如果关键性能指标数据库中存在唯一一个与所述信息向量的距离小于阈值的关键性能指标记录，则所述信息向量表征已知关键性能指标；否则，所述信息向量表征未知关键性能指标。

较佳地，确定网络故障状态诊断结果的方法具体为：如果所述信息向量所对应的关键性能指标记录只有一条，则直接根据该关键性能指标记录确定网络故障状态诊断结果；

如果所述信息向量所对应的关键性能指标记录超过一条，则结合最邻近法和分位数法确定网络故障状态诊断结果。

较佳地，结合最邻近法和分位数法确定网络故障状态诊断结果的方法具体为：如果最邻近法确定的第一诊断结果与分位数法确定的第二诊断结果不相等且所述第一诊断结果的平均轮廓系数小于所述第二诊断结果的平均轮廓系数，则最终诊断结果为所述第二诊断结果；否则，最终诊断结果为所述第一诊断结果。