[发明专利]一种基于相关团划分的航天器遥测数据多参数异常检测方法

说明书

一种基于相关团划分的重构偏差多参数异常检测方法。针对航天器遥测数据量大、维度高、数据相关程度高的特点，使用最大互信息系数计算各参数之间的相关程度，形成相关系数矩阵，将其转化为可视化的有权无向图结构，建立相关图。但此时相关图相当复杂，因此提出了相关团划分的方法，利用相关团剪枝算法划分相关团，筛选出具备高度相关性的参数，并将其作为多参数异常检测模型的先验知识。之后，针对单参数异常检测算法难以处理高维遥测数据异常检测的问题，基于相关团划分，对高维遥测数据进行降维处理和特征提取，使用自动编码器作为基本模型，设计了自适应确定阈值的算法和基于重构偏差的异常检测算法，进行多参数异常检测，提出异常序列定位方法，实现多参数异常情况下的精准定位。

技术领域

本发明涉及一种异常检测方法，尤其涉及一种基于航天数据复杂关联关系挖掘的多参数异常检测方法。

背景技术

航天器作为典型的高精度大型复杂系统，包含的各个分系统之间、各部件之间都存在着物理、数据、逻辑性的关联。与此同时，航天器的部件受到工作指令和运行环境的影响，会存在着某种相关关系。并且，航天器的各个分系统之间，以及分系统内各部件之间存在着极高的耦合性。采用数据挖掘的方法，挖掘遥测数据中隐藏的关联知识，建立数据关联关系模型。该模型可以作为后续异常检测建模的先验知识，实现对遥测参数的初步筛选和无关变量过滤。

航天器遥测参数具有超高维时间序列的特点，针对多参数进行异常检测相比于单参数异常检测问题更加困难。除了航天器上布置了大量的星上传感器外，一些关键的遥测参数还使用了冗余方案设计，这导致了遥测数据的维度呈膨胀式发展。因此，如果要实现多参数的异常检测，往往需要先对海量遥测数据进行降维处理、特征提取等操作，才能保证后续建立异常检测模型的有效性。

发明内容

本发明的目的在于提供一种针对航天器海量遥测数据异常的检测方法，反映航天器的在轨运行状态，提前预防重要故障的发生。

该方法针对航天器海量遥测数据具备的相关性特点和高维数据特点展开。航天器遥测数据的相关关系主要有两种，第一种为单参数遥测数据自身的相关关系，例如，由于周期性运行引起某些参数的周期性变化、由于定时操作引起某些参数的趋势性变化等。第二种为两个遥测参数之间的互相关关系，例如正相关、负相关等。与此同时，航天器遥测参数具有超高维时间序列的特点，针对多参数进行异常检测，需要对海量要测数据进行降维处理、特征提取等操作，才能保证后续建立异常检测模型的有效性。

本方法研究航天器遥测数据中各遥测参数之间的互相关关系和高维数据特点，首先提出了基于相关团划分的关联关系建模方法，选择相关系数进行各参数之间相关程度的计算，形成相关矩阵，建立相关图。其次，提出了相关团划分方法，利用剪枝算法划分相关团，筛选具高度相关性的参数，达到数据降维和特征提取的目的。最后，基于相关团划分，使用自动编码器作为基本模型，提出异常序列定位方法，设计了一种重构偏差的多参数异常检测方法，具体流程如图1所示。

附图说明

图1为该基于相关团划分的重构偏差多参数异常检测方法的流程图。

表1为根据最大互信息系数计算的相关系数矩阵结构示意图。

图2为表示各遥测数据相关关系的相关图。

图3为相关团剪枝算法的示意图。

图4为划分后的相关团示意图。

图5为自动编码器结构示意图。

具体实施步骤