[发明专利]一种航天器姿态异常检测方法及系统

权利要求书

1.一种航天器姿态异常检测方法，其特征在于，包括以下步骤：

步骤1，将正常遥测参数样本数据进行标准化处理，得到均值为0，方差为1的标准数据集X作为训练集；

步骤2，通过融合矩阵建立PCA-LPP融合降维重构模型；

步骤3，基于PCA-LPP融合模型，对训练集进行降维重构，获得融合矩阵，根据融合矩阵获得训练模型和降维重构数据；

步骤4，根据降维重构数据，计算训练集在降维重构过程中的变化量及变化量的控制限；

步骤5，对在线待检测遥测数据样本进行标准化处理，获得均值为0，方差为1的标准数据集X_new作为测试集；

步骤6，通过所述训练模型对测试集进行降维重构，获得降维重构数据，计算测试集在降维重构过程中的变化量；

步骤7，测试集的变化量超出训练集变化量的控制限时，计算测试集中各遥测参数变量对测试集变化量的贡献率，贡献率最大或贡献率超出阈值的变量为异常变量；

所述步骤2包括：

步骤21，针对标准数据集X，构建与主成分分析目标函数相同的融合算法全局目标函数，完成对全局特征的提取；

步骤22，针对标准数据集X，构建与流形学习目标函数相同的融合算法局部目标函数，完成对局部特征的提取；

步骤23，根据全局目标函数、局部目标函数及两者之间的融合矩阵获得融合算法的目标函数，进而获得融合降维重构模型；

所述步骤21包括：

针对高维数据标准样本集X＝[x₁,x₂,...,x_N]^T∈R^m，融合算法的全局目标函数F(A)_global的目标是寻找d个映射向量a₁,a₂,...,a_d，构成映射矩阵A，使得映射值y_i＝A^Tx_i(i＝1,2,...,N)能够在低维空间中保留原始空间的主要方差信息，F(A)_global数学表达形式如下：

其中，A＝[a₁,a₂,...,a_d]；融合算法的全局目标函数F(A)_global与PCA目标函数相同；

步骤22包括：

针对高维数据标准样本集X＝[x₁,x₂,...,x_N]∈R^m，融合算法的局部目标函数F(A)_local的目标是寻找d个映射向量a₁,a₂,...,a_d，构成映射矩阵A，使得映射值y_i＝A^Tx_i(i＝1,2,...,N)组成的低维空间能够较好地保持原始空间中的局部近邻结构，F(A)_local数学表达形式如下：

其中，W_ij为高维空间中数据样本x_i与x_j的近邻关系，计算如下：

s.t.0＜i＜N,0＜j＜N.

W为权重矩阵，D为对角阵，L＝D-W是Laplacian矩阵，A＝[a₁,a₂,...,a_d]是映射矩阵；融合算法的局部目标函数F(A)_local与LPP目标函数相同；

步骤23包括：

融合算法的目标函数F(A)_融合将上述全局目标函数和局部目标函数相结合，以通过映射能提取更加全面的特征；

由于限制条件A^TXDX^TA＝1，因此局部目标函数继续推导得到：

基于F(A)_融合数学表达形式如下：

其中，t∈[0,1]是比例系数，t越大，融合算法越偏重于全局特征提取，融合算法的最后求解转化为计算W矩阵的前d个最大特征值对应的特征向量{a₁,a₂,...,a_d}，从而得到映射矩阵A。