[发明专利]一种卫星星座智能状态异常检测方法、监测系统及其监测方法

说明书

本发明公开了一种卫星星座智能状态异常检测方法、监测系统及其监测方法。步骤1：训练数据预处理；步骤2：基于步骤1预处理的训练数据，建立预测模型；步骤3：基于步骤2的预测模型进行基于动态阈值的异常检测。本发明面向卫星星座(多颗组网在轨卫星)的关键遥测参数，开展针对连续型遥测参数的隐藏在门限之内的故障征兆的检测与报警，实现卫星在轨运行故障提前预警的功能。

技术领域

本发明属于卫星领域，具体涉及一种卫星星座智能状态异常检测方法、监测系统及其监测方法。

背景技术

卫星遥测数据可反映空间环境影响、传输链路受损、传感器故障、对应设备性能退化、机械与电子故障等问题，因此利用卫星遥测数据监测其在轨运行状态，及时发现卫星异常状态并采取必要的维护措施，是确保卫星健康工作的重要手段。其中利用异常检测技术对卫星遥测数据判读，成为了工程人员重要的研究方向。

目前常用的方法，一种是基于知识的方法，另一种是数据驱动的方法。

基于知识的方法

基于知识的方法是利用卫星设备的物理知识，通过设定参数阈值或关联判读规则，采用人工数据判读、阈值自动判读、基于专家经验的知识判读等方法来检测遥测数据异常。这些判读方法的优势在于简单且容易实施，可有效检测单参数的超限异常和一部分多参数相关异常，目前已经广泛运用在国内外的航天器地面长管系统中。

但是，一般来说，阈值设置相对宽泛，阈值分级依赖于专家知识和设计经验，对于很多初期未超限的异常模式无能为力，且该方法无学习能力，无法检测未定义的异常事件。

数据驱动的方法

遥测数据具有时序特性和周期性，参数间关系复杂，属于工业大数据的典型应用领域，而且遥测数据阈值内的异常模式呈现时序关联性和聚集特性。因此适合数据驱动方法。针对数据驱动的遥测数据异常检测方法，国内外相关研究单位已经对其中的不同方法开展了应用尝试以及实验验证工作，并取得了一定的成效。但是数据驱动的方法也存在着一些不足。

对遥测数据的异常检测方法可分为单参数方法和多参数方法。前者是利用该遥测参数历史数据建立的数据模型，对新产生的数据进行异常检测；后者是在此基础上挖掘星上各参数间的关系，进一步提高检测能力。但是目前缺少利用星座数据进一步挖掘遥测参数信息的方法。

很多数据驱动的方法由于不具备时序建模能力，对遥测数据异常模式的检测能力不足，如基于相似性、基于统计、基于频繁项、基于分类和基于支持度的方法。

发明内容

本发明提供一种卫星星座智能状态异常检测方法、监测系统及其监测方法，面向卫星星座(多颗组网在轨卫星)的关键遥测参数，开展针对连续型遥测参数的隐藏在门限之内的故障征兆的检测与报警，实现卫星在轨运行故障提前预警的功能。

本发明通过以下技术方案实现：

一种卫星星座智能状态异常检测方法，所述异常检测方法包括以下步骤：

步骤1：训练数据预处理；

步骤2：基于步骤1预处理的训练数据，建立预测模型；

步骤3：基于步骤2的预测模型进行基于动态阈值的异常检测。

进一步的，所述步骤1具体为，需要经过数据清洗、数据对齐和数据采样；所述数据清洗能够剔除数据中的个别野值；所述数据对齐，首先需要用时间标签对齐各卫星遥测数据，再使用聚类方法进一步调整对齐；对于数据量大的参数，需要进行降采样抽取数据的特征。

进一步的，所述步骤2具体为，选择能够学习长距离依赖关系的长短期记忆神经网络LSTM作为数据模型，通过对某参数多星历史正确数据的学习来训练模型；并利用该模型，对待检测数据进行预测。

进一步的，所述步骤3具体为包括以下步骤：