卫星状态异常检测方法、系统、计算机设备及存储介质技术方案

本发明专利技术提供了一种卫星状态异常检测方法、系统、计算机设备及存储介质，用于根据卫星遥测数据检测卫星状态，所述方法包括：对卫星遥测数据进行预处理；采用UMOEAsII_BIRCH算法对预处理后数据进行聚类分析，为卫星状态异常检测提供数据支持。所述UMOEAsII_BIRCH算法利用UMOEAs

【技术实现步骤摘要】
卫星状态异常检测方法、系统、计算机设备及存储介质


[0001]本专利技术属于卫星状态异常检测领域，具体涉及一种卫星状态异常检测方法、系统、计算机设备及存储介质。

技术介绍

[0002]随着硬件设施的发展和工程制造水平的提升，航天器仪器部件日益灵敏精细。同时，为满足更高目标任务的实施要求，航天器组成结构也日益复杂。人造卫星是精密航天器中的一种，在国防、经济、生态、社会发展和国民生活的方方面面都发挥了重要作用，占据着举足轻重的地位。
[0003]然而，由于外太空环境复杂，卫星长期在极端温度、空间大气、太阳风暴、强电磁辐射的恶劣环境中运行；加之，卫星由成千上万个元器件组成，元器件性能随时间推移逐渐退化，卫星在轨期间难免会发生状态异常。倘若异常不能及时处理，轻则导致卫星某部分功能无法正常执行，重则造成卫星整体功能丧失，将带来巨大的经济损失，影响人们的日常生活，甚至产生更加严重的后果。
[0004]若能在卫星状态有异常倾向，但尚未发生严重故障时就检测出来，并采取有效干预措施进行修正，及时止损，将有利于保障卫星稳定、安全、可靠运行，延长卫星寿命，最大化任务收益。因此，异常检测是卫星故障诊断排查和实时健康监控的重要途径。
[0005]遥测数据是地面运管人员检测卫星状态的主要依据。由于卫星由多个分系统组成，遥测参数维度高、数据量巨大，且参数间常常关联变化，依靠人工分析是十分困难、不切实际的。数据挖掘是探索、挖掘大数据中隐藏规律、模式的一种技术方法，能从海量数据中自动提取出具有潜在价值、所期望获取的有效信息。<br/>[0006]基于数据挖掘检测卫星状态，是近年来航天领域广为关注的研究热点。聚类分析是数据挖掘的方法之一，许多研究人员都曾将聚类分析用于车辆驾驶行为、电力大数据、核电站、航空器飞行轨迹等的工程异常检测问题中，并取得了不错的效果。
[0007]然而，每种聚类算法都有各自的优缺点，常见的不足包括易受初始质心的影响，效果对参数敏感、在缺乏先验知识的情况下参数难以确定，可能陷入局部最优等。例如，BIRCH(Balanced Iterative Reducing and Clustering using Hierarchies)算法中聚类质量对分支因子、阈值等超参数高度敏感，参数的微小差异就可能导致全然不同的结果，不同数据集也对应不同的最佳参数。目前还没有简便的参数设置方法，在缺乏先验知识的情况下，要得到合理的参数取值极为困难。实际应用中，常常需要通过“类似遍历”网格搜索的方式，测试各种参数组合，选择聚类效果最优的参数。显然，这个过程是耗时耗力的。

技术实现思路

[0008]本专利技术的目的在于克服使用聚类算法进行卫星状态异常检测时参数确定困难的缺陷。
[0009]为了实现上述目的，本专利技术提出了一种卫星状态异常检测方法，用于根据卫星遥
测数据检测卫星状态，所述方法包括：
[0010]对卫星遥测数据进行预处理；
[0011]采用UMOEAsII_BIRCH算法对预处理后数据进行聚类分析，为卫星状态异常检测提供数据支持。
[0012]所述UMOEAsII_BIRCH算法利用UMOEAs
‑
II算法得到BIRCH算法所需参数值，采用BIRCH算法对预处理后的数据进行聚类分析。
[0013]作为上述方法的一种改进，所述对卫星遥测数据进行预处理包括：特征选择、数据标准化和主成分分析。
[0014]作为上述方法的一种改进，所述特征选择具体包括：
[0015]删除遥测数据中反映模式、标志的状态量，以及不具有实际意义的保留字段；
[0016]利用皮尔森相关系数、斯皮尔曼相关系数或肯德尔相关系数进行特征选择。
[0017]作为上述方法的一种改进，所述数据标准化采用Z
‑
Score标准化、Min
‑
Max标准化、小数定标标准化、向量归一化或指数转换方法。
[0018]作为上述方法的一种改进，所述采用UMOEAsII_BIRCH算法对预处理后数据进行聚类分析，为卫星状态异常检测提供数据支持具体为：
[0019]选取效果评价指标F1
‑
score，把1/F1
‑
score作为目标函数的值；利用UMOEAs
‑
II算法搜索使得目标函数值最小的解向量，得到BIRCH算法的近似最优参数；
[0020]利用BIRCH算法对预处理后的数据进行聚类分析。
[0021]作为上述方法的一种改进，所述目标函数的输入为BIRCH算法的超参数阈值和分支因子的取值组合，输出为1/F1
‑
score。
[0022]作为上述方法的一种改进，所述UMOEAs
‑
II算法，输入为BIRCH算法的超参数阈值和分支因子的取值范围，输出为使得目标函数值最小的超参数取值和此时的目标函数值。
[0023]本专利技术还提供一种卫星状态异常检测系统，其特征在于，所述系统包括：
[0024]数据预处理模块，用于对卫星遥测数据进行预处理；
[0025]数据分析模块，用于采用UMOEAsII_BIRCH算法对预处理后数据进行聚类分析，为卫星状态异常检测提供数据支持。
[0026]所述UMOEAsII_BIRCH算法利用UMOEAs
‑
II算法得到BIRCH算法所需参数值，采用BIRCH算法对预处理后的数据进行聚类分析。
[0027]本专利技术还提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项所述的方法。
[0028]本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如上述任一项所述的方法。
[0029]与现有技术相比，本专利技术的优势在于：
[0030]与通过网格搜索的原始BIRCH算法相比，改进的UMOEAsII_BIRCH算法在决策空间内搜寻，克服了“近似遍历”网格搜索方式中搜索精细程度与效率之间的矛盾平衡问题，能够发现更加优异的解。此外，改进的UMOEAsII_BIRCH算法需要较少的人工干预，不受先验知识的限制，实现了最优聚类参数的自适应选择，达到了改进的预期效果，能够应用于卫星异常状态检测，保障卫星安全稳定运行。
附图说明
[0031]图1所示为卫星状态异常检测方法流程图；
[0032]图2所示由上到下为UMOEAs
‑
II方法找到的最优解的3次运行算法演化过程曲线图；左侧图横坐标是评价次数，纵坐标是适应度值；右侧图横坐标是评价次数，纵坐标是F1
‑
score；
[0033]图3所示为以柱形图形式展示的实验结果。
具体实施方式
[0034]为了实现聚类参数的高效自动选择，本专利技术将聚类超参数的选择转化为了单目标优化问题，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种卫星状态异常检测方法，用于根据卫星遥测数据检测卫星状态，所述方法包括：对卫星遥测数据进行预处理；采用UMOEAsII_BIRCH算法对预处理后数据进行聚类分析，为卫星状态异常检测提供数据支持；所述UMOEAsII_BIRCH算法利用UMOEAs
‑
II算法得到BIRCH算法所需参数值，采用BIRCH算法对预处理后的数据进行聚类分析。2.根据权利要求1所述的卫星状态异常检测方法，其特征在于，所述对卫星遥测数据进行预处理包括：特征选择、数据标准化和主成分分析。3.根据权利要求2所述的卫星状态异常检测方法，其特征在于，所述特征选择具体包括：删除遥测数据中反映模式、标志的状态量，以及不具有实际意义的保留字段；利用皮尔森相关系数、斯皮尔曼相关系数或肯德尔相关系数进行特征选择。4.根据权利要求2所述的卫星状态异常检测方法，其特征在于，所述数据标准化采用Z
‑
Score标准化、Min
‑
Max标准化、小数定标标准化、向量归一化或指数转换方法。5.根据权利要求1所述的卫星状态异常检测方法，其特征在于，所述采用UMOEAsII_BIRCH算法对预处理后数据进行聚类分析，为卫星状态异常检测提供数据支持具体为：选取效果评价指标F1
‑
score，把1/F1
‑
score作为目标函数的值；利用UMOEAs
‑
...

【专利技术属性】
技术研发人员：赵玉炜，苏举，
申请(专利权)人：中国科学院国家空间科学中心，
类型：发明
国别省市：