基于高维数据关联挖掘的航天器系统健康状态评估方法技术方案

本发明专利技术涉及一种基于高维数据关联挖掘的航天器系统健康状态评估方法，包括步骤：a.对航天器下行遥测参数进行选取，形成数据集；b.对选取的参数进行关联性挖掘，获取参数间的关联性；c.对具有关联性的参数进行聚类以挖掘出模式信息；d.提取聚类模式的特征值；e.根据特征值评估航天器系统健康状态。根据本发明专利技术的基于高维数据关联挖掘的航天器系统健康状态评估方法，可以充分利用航天器下行遥测参数多、数据量大的特点，通过提取具有关联性的多重遥测数据模式特征，挖掘出存在于数据中的深层次信息，用以反映系统的健康状态，使得评估结果更为全面，且有效地降低对专家知识的依赖性，延展判读的时间窗口。

Health assessment method of spacecraft system based on high dimensional data association mining

【技术实现步骤摘要】
基于高维数据关联挖掘的航天器系统健康状态评估方法
本专利技术涉及系统预测及健康管理(PrognosticsandHealthManagement,PHM)领域，涉及一种用于评估航天器系统运行健康状态的数据分析方法，尤其涉及一种基于高维数据关联挖掘的航天器系统健康状态评估方法。
技术介绍
预测与健康管理(PHM)是围绕系统健康状态开展研究的一个学科领域，是从传统的可靠性分析及故障模式分析等基础概念衍变扩充而来，通过传感器采集得到系统的各种监测数据，借助智能算法(如失效物理、专家系统、人工智能、数据融合等)来评估系统的健康状态，在系统发生故障前能够进行预测，当检测到故障发生时，可以根据可获取的资源进行诊断，以期实现系统的智能化自主管理。其中，系统健康状态评估是实现PHM的基础，也是最为重要的环节。只有在有效评估出系统健康状态的基础上，才能完成诊断、预测等其他各项功能，可以说系统的健康状态评估是PHM技术的核心环节。目前，针对航天器系统的健康状态评估主要通过相关领域的专家对遥测数据进行判读实现的，这种模式存在以下问题：1)判读本文档来自技高网...

【技术保护点】
1.一种基于高维数据关联挖掘的航天器系统健康状态评估方法，包括以下步骤：/na.对航天器下行遥测参数进行筛选，形成待处理数据集；/nb.对选取的参数数据进行关联性分析，计算参数间的关联系数；/nc.对具有不同关联性的参数数据进行聚类挖掘，获取数据模式信息；/nd.提取聚类模式的特征值；/ne.根据特征值评估航天器系统的健康状态。/n

【技术特征摘要】
1.一种基于高维数据关联挖掘的航天器系统健康状态评估方法，包括以下步骤：
a.对航天器下行遥测参数进行筛选，形成待处理数据集；
b.对选取的参数数据进行关联性分析，计算参数间的关联系数；
c.对具有不同关联性的参数数据进行聚类挖掘，获取数据模式信息；
d.提取聚类模式的特征值；
e.根据特征值评估航天器系统的健康状态。


2.根据权利要求1所述的评估方法，其特征在于，在所述a步骤中，整合航天器下行遥测参数，然后剔除其中的冗余参数，形成待处理数据集。


3.根据权利要求1所述的评估方法，其特征在于，在所述b步骤中，将所述数据集中的具有连接关系、被同时激励或变化率时刻相近的多项数据作为强关联数据。


4.根据权利要求3所述的评估方法，其特征在于，在获取数据间的关联性后，以矩阵的形式表示所处理的数据集，计算参数数据间的关联系数Cij，计算公式如下两式：






其中Cij为遥测数据Datai(t)与Dataj(t)的关联系数；为Datai(t)的均值；σi为Datai(t)的均方差；
通过调节判读时间窗口长度，可以建立短程遥测数据关联矩阵及长程遥测数据关联矩阵；
这里，判读时间窗口选为航天器运行的单轨道周期；
对于关联矩阵中的元素Cij，Cij值趋近于1表示Datai(t)与Dataj(t)趋近于正相关；Cij值趋近于-1表示Datai(t)与Dataj(t)趋近于负相关；Cij值趋近于0表示Datai(t)与Dataj(t)不相关；这样可形成待处理的正相关关联性数据集Tpositivecorr及负相关关联性数据集Tnegativecorr。...

【专利技术属性】
技术研发人员：陈润锋，杨宏，
申请(专利权)人：北京空间技术研制试验中心，
类型：发明
国别省市：北京;11