[发明专利]一种航天器行为异常的智能检测方法

说明书

本发明提供一种航天器轨道异常智能检测方法，具有准实时、高置信度能力，可有效用于研判航天器轨道行为。包括:基于目标轨道根数数据库提取航天器行为时序特征并生成高维表征矩阵；设计融合多维特征分类检测的卷积神经网络结构；自动学习轨道异常行为特征，检测航天器轨道是否异常。本方法的识别率、准确率及实时性指标满足工程应用要求，能够为航天器的长期安全稳定运行提供有效支持。

技术领域

本发明属于数据识别技术领域，涉及航天器行为异常的快速检测和识别，可用于航天器的及时重跟踪及异动因素的分析，为航天器的长期安全稳定运行提供有效支持。

背景技术

航天器轨道异常通常是指由非正常摄动因素引起的轨道根数变化。引起轨道异常的原因可分为三种，一种是人为控制的机动，如克服摄动对轨道的修正；二是非人为控制引起的轨道变化，如航天器被空间物体碰撞、爆炸解体等；三是空间环境引起的轨道异常。

对发生轨道异常的航天器进行及时准确地探测和获取和分析可能引起异常的因素，对变轨后的目标重新跟踪具有重大意义，将为航天器安全稳定运营提供有效依据。因此，航天器轨道异常的检测问题也受到了国内外学者的广泛关注，并且近年来提出了多种检测方法。例如，美国 Aerospace公司的Patera等人将移动窗口曲线拟合技术应用到空间事件检测中，该方法可以除去由于轨道微扰和噪声引起的变化，响应参数值中的非周期性变化，实现对轨道异常的较快检测；北京航空航天大学的张振军等人提出了一种基于小波分析的方法，通过提取噪声中的特征信号，可提供较好的阶跃信号识别方法；中科院国家天文台的杨旭等人利用轨道半长轴、半长轴变化的绝对值和轨道平均运动的离散比值三个参数的综合判据法，可以有效减小误判率。Huang等人利用经验模态分解 (Empirical ModeDecomposition,EMD)的方法，将非平稳信号分解为不同特征尺度的有限个本征模态函数，自适应地从数据中获取异常点及时刻信息。上述检测方法基本上是对已经获取的航天器轨道数据进行数据处理，通过分析提取其特征量对轨道异常进行判定，难以揭示航天器在轨运行时轨道的物理变化规律。

发明内容

针对目前研究方法的缺点以及航天器异常接近症候准实时、高置信度研判的需求，本发明的目的在于提出一种基于特征升维的航天器行为异常智能检测方法，通过描述轨道参数建立统一的机动检测模型，检测航天器轨道是否异常。模型基于目标轨道根数数据库提取航天器行为时序特征并生成高维表征矩阵，设计融合多维特征分类检测的卷积神经网络结构，能够自动学习轨道异常行为特征。本发明智能检测方法在自行建立的测试集上轨道异常检测成功率较马氏距离法的85％提升至98.5％，可有效用于航天器轨道行为异常检测。

为达到上述目的，本发明采用如下技术方案予以实现。

一种航天器行为异常的智能检测方法，包括如下步骤：

步骤1，建立面内机动和面外机动的统一检测模型；

步骤2，选取航天器轨道异常监测的特征轨道参数；

步骤3，预报t_k时刻的轨道(r,v)_k和特征轨道参数σ_k；

步骤4，获取特征轨道参数的偏差序列；

步骤5，利用连续9次偏差序列形成偏差矩阵；

步骤6，设计航天器轨道行为异常智能检测网络；

步骤7，对航天器两种轨道行为分类检测。

本发明的特点和进一步的改进为：

(1)建立面内机动和面外机动的统一检测模型

(1a)面内机动主要表征参数选取为轨道半长轴和偏心率；

(1b)面外机动的主要表征参数选取为轨道倾角和升交点赤经；