[发明专利]一种基于遥测大数据的在轨运行卫星局部性能退化分析方法

摘要

本发明涉及一种基于遥测大数据的在轨运行卫星局部性能退化分析方法，其特征在于它包括具体步骤按照遥测大数据的在轨运行卫星局部性能退化分析过程的需要，对原数据预处理，确定关键参数；对每个遥测关键参数序列按时间提取状态特征序列，并将每个关键参数状态特征序列值规约到区间中，最终组成局部状态特征向量集；选取在轨运行卫星健康情况下状态特征向量集并对其建模，得到在轨运行卫星局部健康的状态模型；对待测数据集提取特征向量并组成待测特征向量集；再利用上述的状态模型，计算出在轨运行卫星局部性能退化度。本发明基于卫星遥测大数据，可透视卫星性能的整体变化，从而解决大数据情况下的遥测数据量大、信息复杂和分析难度高等问题。

主权项

一种基于遥测大数据的在轨运行卫星局部性能退化分析方法，其特征在于它包括以下具体步骤：1.1按照遥测大数据的在轨运行卫星局部性能退化分析过程的需要，对原数据预处理，确定关键参数；其具体实现步骤包括：1.1.1中值替代方法降低卫星遥测数据中噪声；1.1.2计算参数间的灰关联度，选取灰关联度较小的参数集合；1.2对每个遥测关键参数序列按时间提取状态特征序列，并将每个关键参数状态特征序列值规约到区间[0，1]中，最终组成局部状态特征向量集；其实现步骤包括：1.2.1规约处理：sy=y-yminymax-ymin---(4)]]>式(4)中y是参数值，sy表示规约处理后的值，ymin和ymax表示参数的下限和上限，规约处理后的参数的下限和上限分别为0和1；1.2.2状态特征的定义和计算方法：对于遥测参数时间序列X＝{x1,x2,...,xN}，按序号组成一组维数为m的向量序列，Xm(1)，…，Xm(N‑m+1)的过程为m维相空间重构；其中，向量序列的每个元素如式(5)：Xm(i1)＝{x(i1),x(i1+1),...,x(i1+m‑1)},1≤i1≤N‑m+1    (5)这些向量代表从第i1点开始的连续m个值；时间序列X＝{x1,x2,...,xN}，重构m维相空间后，对于给定的Xm(i2)，计算Xm(i2)与Xm(j)之间距离，如式(6)：d[Xm(i2),Xm(j)]＝maxk＝0,...，m‑1(|x(i2+k)‑x(j+k)|)     (6)其中，1≤i2≤N‑m，1≤j≤N‑m，j≠i2其距离小于等于给定容限r的数目记作令Bm(r)如式(7)和(8)：Bi2(m)(r)=1N-m-1Bi2---(7)]]>B(m)(r)=1N-mΣi2=1N-mBi2(m)(r)---(8)]]>同理，重构m+1维相空间后，计算Xm+1(i2)与Xm+1(j)距离小于等于容限r的个数，记为令Am(r)如式(9)和(10)：Ai2m(r)=1N-m-1Ai2---(9)]]>Am(r)=1N-mΣi2=1N-mAi2(m)(r)---(10)]]>则卫星的状态特征如式(11)：StateCh(m,r)=limN→∞{-ln[Am(r)Bm(r)]}---(11)]]>1.3选取在轨运行卫星健康情况下状态特征向量集并对其建模，得到在轨运行卫星局部健康的状态模型，得到在轨运行卫星局部健康的状态模型的过程为：在轨运行卫星健康状态下，从其局部遥测参数中提取组成的状态特征向量集作为训练集，再由训练得到的模型，即为卫星局部健康状态模型model，所述的卫星局部健康状态模型model为一个包含所有卫星健康状态特征向量样本Y＝{y1，y2，…yN}的区域，该区域由区域中心a和对应半径R决定；1.4从步骤1.2结果中选取待测状态特征向量集；再利用上述步骤1.3的状态模型，计算出在轨运行卫星局部性能退化度，卫星局部性能退化度为卫星局部状态特征向量与卫星局部健康状态模型区域中心model.a的距离dec与半径model.R的差值，即卫星局部性能退化度deg＝dec‑model.R。