基于机器学习的遥测数据弹性传输方法及装置制造方法及图纸

本发明专利技术公开了一种基于机器学习的遥测数据弹性传输方法及装置，方法包括：数据采集与训练学习，发送端实时采集遥测数据并发送至接收端，同时对发送端神经网络进行训练，直至训练结果与遥测数据的偏差低于预设阈值；参数传递与数据模拟，发送端将完成训练目标的神经网络参数传递给接收端，并且接收端根据神经网络参数构建同构的神经网络并利用发送端发送的允许预测指示信息生成遥测模拟数据；预测比判与野值剔除，发送端采集遥测数据并与神经网络模拟输出结果进行比判，并结合飞控先验信息生成指示信息以用于后续处理。该方法可以动态适应遥测参数信息熵的时变特性，大幅降低遥测数据的传输容量，提升空间无线链路端到端信息传输的可靠性与灵活性。

【技术实现步骤摘要】
基于机器学习的遥测数据弹性传输方法及装置
本专利技术涉及空间信息传输
，特别涉及一种基于机器学习的遥测数据弹性传输方法及装置。
技术介绍
深空超远距离通信面临着发射功率受限、传输距离遥远、接收信号微弱等技术挑战，降低深空信道传输数据量是深空通信所要解决的重要技术难点。目前，国内外普遍采用有损压缩方法来减少科学应用数据传输的数据量，尤其是光学探测数据；对于遥测数据，有文献提出了实时在线压缩的方法，压缩率约40％，但该方法仅能适用于具有固定长度的遥测数据帧且抗信道误码性能不足，灵活性与可靠性有待进一步提升。机器学习技术作为近年来发展较快的一个研究领域，已经引起国内外航天机构与研究学者的广泛关注，并在卫星状态监测、遥测参数预测、卫星故障诊断、智能自主控制、任务数据处理等方面取得了一定的研究成果：1.在卫星状态监测方面，有文献通过聚类生成健康状态知识库实时监视卫星遥测状态，有文献通过挖掘隐含在遥测数据背后的规则系统而全面地构建了在轨测试的规则库，有文献基于片上系统的嵌入式在线状态监测模块结构，还有文献通过通用数学表达方式进行卫星状态表示、设计通用在轨状态分析和预警系统，实时有效获取在轨卫星的工作状态。2.在遥测参数预测方面，有文献通过将粒子群优化算法的搜索能力和支持向量回归机的非线性映射性能相结合得到后序遥测参数的预测，有文献通过使用浅层学习模型中的支持向量回归机与深度学习模型深度神经网络中长短期记忆网络对实测数据进行趋势预测，有文献通过改进型概率神经网络提高航天器遥测数据预测速度，还有文献通过综合应用长期遥测数据分段、时间序列模式聚类和分类、基于多序列的模式建模以及基于随机过程的模式演化过程建模方法较好地解决了卫星长期遥测数据建模问题。3.在卫星故障诊断方面，有文献基于BP神经网络进行离线自主学习和实时在线故障诊断对遥测数据进行实时在线诊断，有文献通过一种粒子群优化的神经网络方法实现卫星的故障预测，有文献采用粒子滤波方法建立特征参数和残差与故障模式之间的映射关系，并采用BP神经网络建立了故障诊断模型，还有文献采用粒子群算法优化小波神经网络的方法以及蚁群算法优化径向基神经网络的方法对卫星遥测数据进行故障诊断建模。4.在智能自主控制方面，有文献通过神经网络判断遥测数据异常与否以提高数据分析速度与快速响应处理能力，还有文献基于模糊神经网络提出一种智能化动态任务调度方法。5.在任务数据处理方面，有文献通过构建一个多任务的深度神经网络并对网络模型进行训练以重建高分辨率彩色图像，还有文献通过一种数据智能融合算法减小了精度低的数据源中的误差对融合结果的影响。综上分析可知，机器学习技术在航天领域遥测方面的相关研究与应用尚未涉及空间信息传输

技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种基于机器学习的遥测数据弹性传输方法，该方法可以大幅降低遥测数据的传输容量，进一步提升空间无线链路端到端信息传输的可靠性与灵活性。本专利技术的另一个目的在于提出一种基于机器学习的遥测数据弹性传输装置。为达到上述目的，本专利技术一方面实施例提出了一种基于机器学习的遥测数据弹性传输方法，包括以下步骤：数据采集与训练学习，发送端实时采集遥测数据并发送至接收端，同时对发送端神经网络进行训练，直至训练结果与所述遥测数据的偏差低于预设阈值；参数传递与数据模拟，所述发送端将完成训练目标的神经网络参数传递给所述接收端，并且所述接收端根据所述神经网络参数构建同构的神经网络并利用所述发送端发送的允许预测指示信息生成遥测模拟数据；预测比判与野值剔除，所述发送端采集所述遥测数据并与神经网络模拟输出结果进行比判，并结合飞控先验信息生成指示信息以用于后续处理。本专利技术实施例的基于机器学习的遥测数据弹性传输方法，能够通过在收发两端传递必要的特征参数建立同构神经网络模型来实现遥测数据的准确预测，具有更高的数据压缩灵活性与更低的数据传输带宽需求，通过数据采集与训练学习、参数传递与数据模拟、预测比判与野值剔除等处理环节来实现遥测数据的弹性传输，提高信息传输的灵活性与可靠性，可以动态适应遥测参数信息熵的时变特性，通过学习训练构建具有一定偏差容限的预测网络，大幅降低遥测数据的传输容量，进一步提升空间无线链路端到端信息传输的可靠性与灵活性。另外，根据本专利技术上述实施例的基于机器学习的遥测数据弹性传输方法还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述预测比判与野值剔除，进一步包括：所述发送端采集所述遥测数据并与神经网络模拟输出结果进行比判；如果所述偏差小于所述预设阈值，则向所述接收端发送允许预测指示，否则通过累积数据与所述飞控先验信息判断当前实测数据是否属于野值；如果属于所述野值，则剔除所述当前实测数据，并向所述接收端发送所述允许预测指示，否则向所述接收端发送网络重置指示，并返回到数据采集与训练学习阶段。进一步地，在本专利技术的一个实施例中，所述发送端具体执行以下步骤：实时采集航天器各分系统传感器获得的遥测数据；采用机器学习方法对所述遥测数据进行迭代训练，并获取输出参数；对所述输出参数进行处理，以提取适用于构建遥测数据弹性传输模型的特征参数；利用所述征参数构建网络模型并进行数据模拟输出，并与所述遥测数据进行比判，按需进行野值剔除并根据比判结果形成允许预测指令或所述网络重置指示；按照预设逻辑规则向所述接收端发送所述遥测数据、所述特征参数、所述允许预测信息和/或所述网络重置信息。进一步地，在本专利技术的一个实施例中，所述接收端具体执行以下步骤：接收发送端发送的所述遥测数据、所述特征参数、所述允许预测信息和/或所述网络重置信息；对所述遥测数据进行处理和显示；根据所述特征参数与所述允许预测信息和/或所述网络重置信息，构造/重构与所述发送端同构的神经网络预测模型，并生成网络可用信息与预测输出结果；根据所述允许预测信息与所述网络可用信息，启动遥测数据本地模拟输出流程，以时间驱动方式与所述预测输出结果，根据所述网络重置信息，中止本地模拟输出流程。进一步地，在本专利技术的一个实施例中，所述遥测数据的格式包含发送端组帧的时间戳或帧序号，以与所述接收端进行状态同步操作。进一步地，在本专利技术的一个实施例中，其中，采用带延时反馈的人工神经网络，其中，网络特征参数包括输入节点数、输入权重、隐藏层节点数、隐藏层权重与偏置矩阵、输出层权重与偏置矩阵，以用于所述接收端进行网络重构。为达到上述目的，本专利技术另一方面实施例提出了一种基于机器学习的遥测数据弹性传输装置，包括：采集与训练模块，用于数据采集与训练学习，发送端实时采集遥测数据并发送至接收端，同时对发送端神经网络进行训练，直至训练结果与所述遥测数据的偏差低于预设阈值；传递与模拟模块，用于参数传递与数据模拟，所述发送端将完成训练目标的神经网络参数传递给所述接收端，并且所述接收端根据所述神经网络参数构建同构的神经网络并利用所述发送端发送的允许预测指示信息生成遥测模拟数据；比判与剔除模块，用于预测比判与野值剔除，所述发送端采集所述遥测数据并与神经网络模拟输出结果进行比判，并结合飞控先验信息生成指示信息以用于后续处理。本专利技术实施例的基于机器学习的遥测数据弹性传输装置，能够通过在收发两端传递必要的特征参本文档来自技高网...

【技术保护点】
1.一种基于机器学习的遥测数据弹性传输方法，其特征在于，包括以下步骤：数据采集与训练学习，发送端实时采集遥测数据并发送至接收端，同时对发送端神经网络进行训练，直至训练结果与所述遥测数据的偏差低于预设阈值；参数传递与数据模拟，所述发送端将完成训练目标的神经网络参数传递给所述接收端，并且所述接收端根据所述神经网络参数构建同构的神经网络并利用所述发送端发送的允许预测指示信息生成遥测模拟数据；以及预测比判与野值剔除，所述发送端采集所述遥测数据并与神经网络模拟输出结果进行比判，并结合飞控先验信息生成指示信息以用于后续处理。

【技术特征摘要】
1.一种基于机器学习的遥测数据弹性传输方法，其特征在于，包括以下步骤：数据采集与训练学习，发送端实时采集遥测数据并发送至接收端，同时对发送端神经网络进行训练，直至训练结果与所述遥测数据的偏差低于预设阈值；参数传递与数据模拟，所述发送端将完成训练目标的神经网络参数传递给所述接收端，并且所述接收端根据所述神经网络参数构建同构的神经网络并利用所述发送端发送的允许预测指示信息生成遥测模拟数据；以及预测比判与野值剔除，所述发送端采集所述遥测数据并与神经网络模拟输出结果进行比判，并结合飞控先验信息生成指示信息以用于后续处理。2.根据权利要求1所述的基于机器学习的遥测数据弹性传输方法，其特征在于，所述预测比判与野值剔除，进一步包括：所述发送端采集所述遥测数据并与神经网络模拟输出结果进行比判；如果所述偏差小于所述预设阈值，则向所述接收端发送允许预测指示，否则通过累积数据与所述飞控先验信息判断当前实测数据是否属于野值；如果属于所述野值，则剔除所述当前实测数据，并向所述接收端发送所述允许预测指示，否则向所述接收端发送网络重置指示，并返回到数据采集与训练学习阶段。3.根据权利要求2所述的基于机器学习的遥测数据弹性传输方法，其特征在于，所述发送端具体执行以下步骤：实时采集航天器各分系统传感器获得的遥测数据；采用机器学习方法对所述遥测数据进行迭代训练，并获取输出参数；对所述输出参数进行处理，以提取适用于构建遥测数据弹性传输模型的特征参数；利用所述征参数构建网络模型并进行数据模拟输出，并与所述遥测数据进行比判，按需进行野值剔除并根据比判结果形成允许预测指令或所述网络重置指示；按照预设逻辑规则向所述接收端发送所述遥测数据、所述特征参数、所述允许预测信息和/或所述网络重置信息。4.根据权利要求3所述的基于机器学习的遥测数据弹性传输方法，其特征在于，所述接收端具体执行以下步骤：接收发送端发送的所述遥测数据、所述特征参数、所述允许预测信息和/或所述网络重置信息；对所述遥测数据进行处理和显示；根据所述特征参数与所述允许预测信息和/或所述网络重置信息，构造/重构与所述发送端同构的神经网络预测模型，并生成网络可用信息与预测输出结果；根据所述允许预测信息与所述网络可用信息，启动遥测数据本地模拟输出流程，以时间驱动方式与所述预测输出结果，根据所述网络重置信息，中止本地模拟输出流程。5.根据权利要求1所述的基于机器学习的遥测数据弹性传输方法，其特征在于，所述遥测数据的格式包含发送端组帧的时间戳或帧序号，以与所述接收端进行状态同步操作。6.根据权利要求1所述的基于机器学习的遥测数据弹性传输方法，其特征在于，其中，采用带延时反馈的人工神经网络，其中，网络特征参数包括输入节点数...

【专利技术属性】
技术研发人员：詹亚锋，万鹏，解得准，潘筱涵，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11