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)判读时间窗口小通过专家对某一时刻的航天器系统健康状态进行评估时，人工判读遥测参数的方法在数据处理窗口长度上存在缺陷，即，难以建立当前时刻数据与历史数据的关联性，只能判读出遥测数据在当前时刻点上表征出的健康状态，若航天器系统健康状态变化在遥测参数上的表象较弱，则难以准确获得评估结果。在实际工程中，常会遇到在航天器系统发生故障之前，系统的遥测数据均在正常范围内变化，而当系统发生故障时，遥测数据瞬时跃过正常值范围内，使得地面难以及时做出评估。2)判读参数相对独立航天器系统属于典型的多学科耦合的复杂系统，由多个分系统组成，每个分系统涉及的学科领域也均不相同。在判读系统运行健康状态上，不同领域的专家仅局限于所属分系统的相关参数，判读的数据相对独立，无法建立起多领域不同分系统间数据的关联性。由于航天器系统各个分系统存在相互作用关系，例如GNC分系统控制整器姿态情况将影响到能源分系统的电量产生，能源分系统为所有用电设备提供所需电能等。忽略了各分系统间的耦合作用，则难以把握系统的总体特性。通过挖掘不同分系统遥测参数的关联性，可以从中反映出系统更为深层次的总体状态。3)判读效率低不同领域的专家借助自身的工程经验建立起专家知识库，用以判读相关分系统的遥测数据，但是人工处理数据的效率低，且结果易受主观因素影响。采用数据驱动的参数判读方法，可以使得处理的数据量大、处理速度更快。已有的专家知识库可以用来指导数据驱动参数判读方法的建立，从而融入已有的宝贵工程经验。
技术实现思路
本专利技术的目的在于解决上述问题，提供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。为实现上述专利技术目的，本专利技术提供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。根据本专利技术的一个方面，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，形成数据集。根据本专利技术的一个方面，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。根据本专利技术的一个方面，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；可以通过调节时间窗口，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，将时间窗口选为航天器运行的轨道周期；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。根据本专利技术的一个方面，在所述c步骤中，对具有正相关关联性的数据集Tpositivecorr，以及具有负相关关联性的数据集Tnegativecorr分别进行聚类挖掘，并且采用以下步骤进行聚类挖掘处理：1)量化样本数据空间，形成多维度网格；2)使用小波变换处理样本数据；3)在变换后的特征空间中寻找密集区域，完成聚类挖掘分析。根据本专利技术的一个方面，在所述d步骤中，以航天器运行的轨道周期为判读窗口，针对当前时间窗口内数据的聚类结果，选择其统计量作为该时间窗口的特征量。根据本专利技术的一个方面，选择当前时间窗口内数据的均值、均方差作为两项特征值，以及选用信息熵来表征当前时间窗口数据的信息量程度，作为第三项特征值，信息熵如以下公式表示：其中pi代表聚类结果中Modei的数据，N为Modei的数据集大小。根据本专利技术的一个方面，在所述e步骤中，在获取每个时间窗口的三项特征值后，建立特征值随时间变化的曲线。根据本专利技术的一个方面，使用距离函数度量特征值间的变化程度，采用特征向量间相似性度量的余弦距离，公式如下：其中，fi为聚类出的第i项结果。根据本专利技术的一个方面，通过积累各时间窗口计算出的距离值，分析出当前时刻状态与不同历史时刻状态的偏离程度，通过建立健康状态基准，以偏离健康状态基准的程度来评估航天器系统当前时刻的健康状态。根据本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，因为对于在轨运行的航天器复杂系统，下行的遥测数据是判断系统运行状态是否健康的唯一依据，因此本专利技术充分利用航天器下行遥测参数多、数据量大的特点，充分考虑到复杂系统中多学科领域的分系统相互作用因素，使得评估结果更能反映出整个航天器系统的总体状态。根据本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，还具有以下有益效果：1)判读时间窗口本专利技术选用了航天器运行轨道周期为时间窗口长度，是以航天器完成一次阳照区及阴影区交替、能源系统(以典型的光伏系统为例)完成一次充放电、环境温度完成一次冷热循环为依据，这样可以使评估的结果更符合航天器系统的特性。将判读时间窗口延长，建立起遥测数据的发展趋势，则有可能在航天器系统故障发生前识别出数据的异常走势，为决策制定赢得宝贵时间。2)对专家依赖度低本专利技术采用数据驱动的思想建立评估系统健康状态方法，这样可以降低对专家的依赖，使得评估结果更加客观，且数据处理的效率更高。3)挖掘更深层数据信息本专利技术的核心思想在于本文档来自技高网...

【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