[发明专利]无监督聚类异常检测的方法

说明书

本公开提供一种无监督聚类异常检测的方法，涉及航天器异常检测方法，能够解决目前航天器运行的精确物理解析模型，过多依赖于航天器系统的先验知识，在实际应用中模型难以建立、知识难以获取等的问题。具体技术方案为：利用已积累的航天器大量正常状态数据，从样本数据中时标对齐、等间隔采样，生成样本数据，基于归纳学习的思想，通过无监督聚类分析建立航天器正常状态数据模型。利用聚类结果计算样本数据的最小距离，统计分析样本数据的最小距离集，利用高斯分布建立遥测数据异常检测的门限阈值。在此基础上，通过判断航天器实时观测数据与正常状态数据模型之间的偏离程度，实现异常数据检测。本发明用于航天器遥测数据进行处理和分析。

技术领域

本公开涉及无线电跟踪测量数据处理与应用领域，适用于对航天器遥测数据进行处理和分析，尤其涉及一种无监督聚类异常检测的方法

背景技术

由于在轨卫星长期运行在复杂、恶劣的空间环境中，受到多种不确定性因素的影响，其性能与功能可能会出现变化，反映在遥测参数上也会有所变化，如果在轨卫星发生异常，相应的遥测参数也会发生变化。因此，分析在轨卫星遥测数据的变化规律，研究在轨卫星异常检测方法，提早发现在轨卫星异常征兆，提前采取措施避免可能发生的重大故障，降低卫星在轨运行风险，对提高卫星在轨运行的安全性和可靠性具有重要的意义；

工程中对航天器异常检测方法主要包括基于知识的门限检测方法和基于物理模型的方法。门限检测方法简单、易于实现，但在实际中很难给出合理的门限范围，而且由于门限是预先给定的，因此无法检测未知故障。基于模型的故障检测方法通过建立系统正常状态的解析模型，利用数学模型和观测输入输出量的残差来检测系统异常或故障，但是目前很难建立航天器运行的精确物理解析模型。无论门限检测方法还是基于模型的方法，这些方法都过多依赖于航天器系统的先验知识，在实际应用中存在模型难以建立、知识难以获取等问题。

发明内容

本公开实施例提供一种无监督聚类异常检测的方法，能够解决过多依赖于航天器系统的先验知识，在实际应用中模型难以建立、知识难以获取等的问题。所述技术方案如下：

根据本公开实施例提供一种无监督聚类异常检测的方法，该方法包括：

对n个原始遥测数据第K个遥测数据建立等时间间隔第K个目标遥测数据序列，第K个目标遥测数据序列经过时标对齐获得第K个目标遥测数据；

优选地，第K个目标遥测数据序列经过时标对齐获得第K个目标遥测数据；为，判断所述第K个目标遥测数据的数据类型，按照所述第K个目标遥测数据序列的时标，在所述n个原始序列记录数据中获取所述第K个目标遥测数据，得到赋值后所述第K个目标遥测数据序列；

第K个目标遥测数据经过标准化处理后获得所述目标遥测数据的数据向量X，所述第K个目标遥测数据的数据向量X的各个分量进行时标对齐后，通过Single-Linkage聚类方法建模，获得聚类模型集S；

优选地，第K个目标遥测数据经过标准化处理为，采用Z-score方法进行标准化处理获得目标遥测数据集D；

第K个目标遥测数据集D至少一个所述目标遥测数据子集D′，与所述聚类模型集S之间的距离，获得所述第K个目标遥测数据的检测门限阈值；

优选地，第K个目标遥测数据的数据向量X到所述聚类模型集S中的每一个聚类的距离计算获得最小距离，所述最小距离超出所述检测门限阈值，所述第K个目标遥测数据为异常。

在一个实施例中，对n个原始遥测数据第K个遥测数据建立等时间间隔第K个目标遥测数据序列前，

还包括，对n个原始遥测数据设定时间间隔td，建立等时间间隔采用获得第K个目标遥测数据序列x(t)，设定第K个目标遥测序列起始时间ts，时间间隔td，t_dt_e-t_s，建立等时间间隔所述第K个遥测数据目标遥测序列；