【技术实现步骤摘要】
一种基于时空动态特征融合的卫星故障检测方法
[0001]本专利技术涉及卫星故障检测
,尤其涉及一种基于时空动态特征融合的卫星故障检测方法。
技术介绍
[0002]目前,卫星故障检测方法包括参数阈值方法、专家系统方法和数据驱动的方法,并且均有了较为广泛的研究和应用。虽然国内外学者在卫星故障检测方面取得了相关成果,但由于卫星参数众多、时空关系复杂、专业性强等特点,现有卫星故障检测方法仍存在不足,需研究新的卫星故障检测方法。
[0003]在卫星故障检测领域工程应用最广泛的是参数阈值上下限判断、专家系统,前者通过判断遥测参数是否超出设定的上下限范围进行故障检测,后者利用专家经验总结典型故障模式并利用规则匹配进行故障检测,这两种方法规则明确、解释性强,但严重依赖专家知识,无法检测先验知识之外的异常事件。此外,卫星数据中包括温度、压力等多个维度参数,不同维度参数间在故障时刻也存在明显变化,仅靠专家系统和阈值方法难以建模参数间联系。所以,基于数据驱动的故障检测方法逐渐受到重视,利用卫星产生的大量数据从中检测故障,可以有效克服阈值上下限、专家系统方法依赖专家先验知识的不足。对数据驱动方法而言,如何有效挖掘卫星数据变化规律是决定其故障检测性能的关键。但由于卫星故障工况较为罕见,导致数据中正负样本数量极度不平衡。此外,由于卫星机理的专业性和复杂性,而且难以覆盖所有类型的故障样本,导致训练数据缺乏标签。所以,现有数据驱动方法由于依赖故障标签,难以有效挖掘卫星数据规律,进而无法有效实现卫星故障检测。而PCA、聚类等无监督方法面 ...
【技术保护点】
【技术特征摘要】
1.一种基于时空动态特征融合的卫星故障检测方法,其特征在于,包括以下步骤:S1.设计基于双向LSTM算法的自编码器神经网络,记为TSAD
TFN
,从输入的卫星数据中提取数据的时间动态特征变量,记为Latent
TFN
;S2.设计基于卷积自编码器的自编码器神经网络,记为TSAD
SFN
,从输入的卫星数据中提取数据的空间动态特征变量,记为Latent
SFN
;S3.根据步骤S1和步骤S2产生的时间动态特征变量和空间动态特征变量,融合得到卫星数据的时空动态特征变量,记为Latent
TSFN
;S4.设计基于Transformer的神经网络,记为TSAD
Predict
,TSAD
Predict
根据步骤(3)产生的时空动态特征变量,预测遥测参数在P帧后的值;S5.利用卫星在正常工况产生的遥测数据对步骤S1
‑
S4组成的神经网络模型进行端到端训练,得到训练好的模型,记为TSAD;S6.将训练数据集中所有样本输入步骤(5)训练产生的模型,计算训练集上所有样本的故障得分;S7.根据步骤(6)在训练数据集上产生的故障得分集合,利用POT方法计算卫星故障检测阈值;S8.将测试集数据输入模型TSAD,依次经历步骤S1
‑
S7,得到所有测试集样本的检测结果,计算算法在测试集上的性能指标P、R、F1,并重复进行步骤S1至S8调优方法性能;S9.将待检测卫星数据样本作为模型输入,从步骤(1)
‑
(4)中产生最终的预测残差,根据步骤S7产生的阈值,得到最终检测结果。2.根据权利要求1所述的一种基于时空动态特征融合的卫星故障检测方法,其特征在于,所述步骤S1提取卫星数据时间动态特征的方法具体包括以下步骤:S11.利用滑动窗口处理原始遥测数据,得到M维连续K帧的单个输入样本,公式如下:S11.利用滑动窗口处理原始遥测数据,得到M维连续K帧的单个输入样本,公式如下:式中:S
input
表示单个输入样本;X
i
,1≤i≤K表示第i帧的M维度数据;S12.设计基于双向LSTM的自编码器神经网络TSAD
TFN
,包括编码器网络和解码器网络两部分,分别记为TFN
Encoder
和TFN
decoder
;S13.编码器网络TFN
Encoder
从步骤(1.1)的输出S
input
中提取时间特征编码,公式如下:Latent
TFN
=TFN
encoder
(S
input
)式中:S
input
表示单个输入样本;Latent
TFN
表示时间特征编码;S14.解码器网络对步骤(1.3)提取的时间特征编码进行解码,公式如下:O
TFN
=TFN
decoder
(Latent
TFN
)式中:O
TFN
表示解码器网络输出的数据;S15.计算自编码器神经网络TSAD
TFN
的输入S
input
与输出O
TFN
的重建误差,在步骤(5)中作为损失函数的一部分,完成模型的训练,公式如下:3.根据权利要求1所述的一种基于时空动态特征融合的卫星故障检测方法,其特征在
于,所述步骤S2提取卫星数据空间动态特征的方法具体包括以下步骤:S21.设计基于卷积的自编码器网络TSAD
SFN
,包括编码器网络和解码器网络两部分,分别记为SFN
Encoder
和SFN
decoder
;S22.编码器网络SFN
Encoder
从步骤S11的输出S
input
中提取空间特征编码,公式如下:Latent
SFN
=SFN
encoder
(S
input
)式中:Latent
SFN
表示空间特征编码;S23.解码器网络对步骤S23提取的空间特征编码进行解码,公式如下:O
SFN
=SFN
decoder
(Latent
SFN
)式中:O
SFN
表示解码器网络输出的数据;S24.计算自编码器网络TSAD
SFN
的输入S
input
与输出O<...
【专利技术属性】
技术研发人员:杨凯飞,徐楠,吕原草,王亚坤,王超,安卫钰,郭兵勇,
申请(专利权)人:中国空间技术研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。