一种基于Holt-Winters模型的单机性能退化预测方法技术

本发明专利技术实施例公开了一种基于Holt‑Winters模型的单机性能退化预测方法，涉及卫星系统，所述方法包括：对卫星中单机采集的遥测参数数据进行去野，得到去野后的遥测参数数据；利用Lowess算法，对去野后的遥测参数数据进行平滑处理，得到平滑后的遥测参数数据；将平滑后的遥测参数数据输入至已训练的Holt‑Winters模型，对卫星在轨运行的季节性特征的单机性能退化趋势进行预测。本发明专利技术实施例采用Holt‑Winters模型，在考虑卫星在轨运行的季节性特征的情况下进行单机性能退化预测，能够很好的满足预测要求。

【技术实现步骤摘要】
一种基于Holt-Winters模型的单机性能退化预测方法
本专利技术涉及卫星系统，特别涉及一种基于Holt-Winters模型的单机性能退化预测方法。
技术介绍
卫星系统长期在真空辐射环境中运行，通常承担导航，通信，测量，授时等功能，以满足地面和近地空间各类用户的全天候、全天时、高精度的需求，为保证系统在轨稳定、可靠运行，做好在轨管理工作具有非常重要的意义。导航卫星在轨运行管理期间，按一定时间顺序存储在数据库的遥测数据中蕴含着大量可以用于卫星故障诊断和趋势预测的客观规律和知识，挖掘卫星各遥测参数的特征信息，有效地认识、掌握和利用其规律无疑对卫星在轨长期安全可靠地运行具有重要的。因此，分析在轨卫星的遥测数据变化规律，在此基础上对遥测数据进行趋势预测，并依据预测数据对卫星状态和性能进行提前预警，可以在早期及时发现卫星状态参数的异常变化，以便及时有效地进行处理，避免可能发生的重大故障，降低卫星在轨运行的风险。另外，通过在轨遥测数据趋势预测系统，可对卫星在轨历史遥测数据进行深入挖掘和分析，发现和总结卫星遥测数据的发展变化规律，对于保障在轨卫星的安全稳定运行、开展卫星性能研究、进行系统和产品的设计改进等具有重要意义。趋势预测方法大致可以分为以下3类：基于遥测数据的趋势预测技术、基于物理模型的趋势预测技术和基于知识的趋势预测技术。3种趋势预测方法各有优缺点，基于物理模型的趋势预测技术需要建立较精确的数学模型，基于知识的趋势预测技术受专家知识获取不完备性的限制，这两种方法在航天工程实际中应用极少。随着航天技术的发展，系统和产品的尺寸不断减小，但其功能、内部结构日益复杂，难以精确获得系统模型，基于遥测数据的趋势预测方法受到越来越多的关注和研究。抛开研究对象的物理模型，以采集的数据为基础，通过各种数据分析处理方法挖掘其中的隐含信息进行趋势预测，是今后预测研究方法的主要方向之一。目前比较常用的基于遥测数据的趋势预测方法主要包括多项式曲线拟合法，SumSin模型，ARMA模型，支持向量机。多项式曲线拟合法应用最小二乘法或其他数学方法，拟合出与实测数据最相符合的曲线，通过曲线推的方法进行趋势预测，适用于对恒定不变或是单一变化的遥测信息进行预测；此算法较为简单，适用于具有稳态特征会衰减特性的遥测参数，但是准确度还有待提高。SumSin模型用一系列Sin函数和的形式拟合出与实测数据最相符合的曲线，确定Sin函数的各参数并进行趋势预测。在拟合过程中，由于选取的数据样本特性，需要多次迭代才能得到较为精确的拟合结果，整个算法效率较低，特别是当阶数较高时，经常会出现多次迭代后仍然难以收敛的情况。ARMA模型将被预测对象随时间推移而形成的数据序列视为一个随机时问序列，认为该序列中第n个时刻的观察值不仅与前(n-1)个观察值有依存关系，而且与前(n-1)个时刻进入系统的扰动有依存关系，建立预测模型预测未来值，适合处理复杂的具有各种模式的时间序列，可包含循环波动和随机波动等因素的综合影响。支持向量机通过事先选择的非线性映射将输入向量映射到高维特征空间，在这个高维特征空间中构造最优决策函数并通过特定方法求出参数最优解。该算法通用性较好，可用于工程实践。在这些趋势预测的方法中，虽然ARMA模型与支持向量机模型可以包含周期因素，但有一类卫星遥测参数如蓄电池压力、蓄电池电压、放电电流等除了具有周期性特性外，还与光照条件也就是季节相关，所以需要考虑卫星的季节性因素。
技术实现思路
本专利技术实施例提供一种基于Holt-winters模型的单机性能退化预测方法，解决已有的卫星趋势预测方法中没有考虑卫星在轨运行的季节性因素的问题。根据本专利技术实施例提供的一种基于Holt-Winters模型的单机性能退化预测方法，所述方法包括：对卫星中单机采集的遥测参数数据进行去野，得到去野后的遥测参数数据；利用Lowess算法，对去野后的遥测参数数据进行平滑处理，得到平滑后的遥测参数数据；将平滑后的遥测参数数据输入至已训练的Holt-Winters模型，对卫星在轨运行的季节性特征的单机性能退化趋势进行预测。优选地，所述对卫星中单机采集的遥测参数数据进行去野包括：利用3σ方法，对卫星中单机采集的遥测参数数据进行一次去野。优选地，所述对卫星中单机采集的遥测参数数据进行去野还包括：利用置均值法，对一次去野后的遥测参数数据进行二次去野。优选地，所述方法还包括：在得到去野后的遥测参数数据后，对去野后的遥测参数数据进行特征提取，得到特征提取后的遥测参数数据，以便将特征提取后的遥测参数数据用于平滑处理。优选地，所述对去野后的遥测参数数据进行特征提取，得到特征提取后的遥测参数数据包括：确定去野后的遥测参数数据的日均值，并将所述日均值作为当日的遥测参数数据。优选地，所述利用Lowess算法，对去野后的遥测参数数据进行平滑处理，得到平滑后的遥测参数数据包括：将去野后的每个遥测参数数据及对应的采集时间分别作为一个数据点的纵坐标值和横坐标值；对于每个数据点，为该数据点选取一个包含若干邻近数据点的平滑区间，并利用所述平滑区间内的若干邻近数据点，对该数据点进行局部平滑处理，得到平滑后的数据点。优选地，所述利用所述平滑区间内的若干邻近数据点，对该数据点进行局部平滑处理，得到平滑后的数据点包括：利用所述平滑区间内的若干邻近数据点，对该数据点的纵坐标值进行估计，得到该数据点的估计纵坐标值；根据该数据点的横坐标值和估计纵坐标值，得到平滑后数据点。优选地，所述已训练的Holt-Winters模型的平滑参数α、β、γ分别是Holt-Winters模型的水平项参数、趋势项参数和季节项参数，参数值均是利用所述单机的历史遥测参数数据对Holt-Winters模型训练而确定。本专利技术实施例采用Holt-Winters模型，在考虑卫星在轨运行的季节性特征的情况下进行单机性能退化预测，能够很好的满足预测要求。附图说明图1是本专利技术实施例提供的一种基于Holt-winters模型的单机性能退化预测方法的流程示意图；图2是本专利技术另一实施例提供的一种基于Holt-winters模型的单机性能退化预测方法的具体流程图；图3是TMR016原始数据示意图；图4是野值剃除结果示意图；图5是数据特征提取示意图；图6是局部加权光滑处理结果示意图；图7是TMR016趋势预测结果示意图。具体实施方式以下结合附图对本专利技术的实施例进行详细说明，应当理解，以下所说明的实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。本专利技术针对传统的卫星的趋势预测方法中没有考虑到季节性因素的问题，提出了一种基于Holt-Winters模型的单机性能退化预测方法，在预测模型中加入的季节性特征，对卫星的重要部件的参数进行预测。首先获取卫星的遥测参数数据，然后对遥测参数数据进行具体的分析，由于信号传输以及电磁干扰等原因，原始数据中往往有较本文档来自技高网...

【技术保护点】
1.一种基于Holt-Winters模型的单机性能退化预测方法，其特征在于，所述方法包括：/n对卫星中单机采集的遥测参数数据进行去野，得到去野后的遥测参数数据；/n利用Lowess算法，对去野后的遥测参数数据进行平滑处理，得到平滑后的遥测参数数据；/n将平滑后的遥测参数数据输入至已训练的Holt-Winters模型，对卫星在轨运行的季节性特征的单机性能退化趋势进行预测。/n

【技术特征摘要】
1.一种基于Holt-Winters模型的单机性能退化预测方法，其特征在于，所述方法包括：
对卫星中单机采集的遥测参数数据进行去野，得到去野后的遥测参数数据；
利用Lowess算法，对去野后的遥测参数数据进行平滑处理，得到平滑后的遥测参数数据；
将平滑后的遥测参数数据输入至已训练的Holt-Winters模型，对卫星在轨运行的季节性特征的单机性能退化趋势进行预测。


2.根据权利要求1所述的方法，其特征在于，所述对卫星中单机采集的遥测参数数据进行去野包括：
利用3σ方法，对卫星中单机采集的遥测参数数据进行一次去野。


3.根据权利要求2所述的方法，其特征在于，所述对卫星中单机采集的遥测参数数据进行去野还包括：
利用置均值法，对一次去野后的遥测参数数据进行二次去野。


4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在得到去野后的遥测参数数据后，对去野后的遥测参数数据进行特征提取，得到特征提取后的遥测参数数据，以便将特征提取后的遥测参数数据用于平滑处理。


5.根据权利要求4所述的方法，其特征在于，所述对去野后的遥测参数数据进行特征提取，得到特征提取后的遥测参数数据...

【专利技术属性】
技术研发人员：吕琛，王超，张统，陶来发，王自力，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11