一种基于经验模态分解的卫星部件健康状态评估方法技术

本发明专利技术涉及一种基于经验模态分解的卫星部件健康状态评估方法，包括如下步骤：步骤一、基于卫星部件产品特征参数集建立统计参数数据集：利用产品特征参数的遥测数据进行时域统计分析，分别得到用于对产品进行健康状态评估的各个统计参数数据集；步骤二、提取基于经验模态分解EMD分解的信号序列主成分：对统计参数数据样本集进行主要成分的提取与重构；步骤三、评估基于统计参数主要成分的健康状态。本方法实现了基于数据驱动的卫星健康状态定量评估技术，在不需要产品组成、结构关系的前提下，通过构建基于历史遥测数据的健康状态评分体系，可对卫星部件产品的健康状态同时给出定量和定性的评估结果，本发明专利技术提出的健康评估准确率可达到90％。确率可达到90％。确率可达到90％。

【技术实现步骤摘要】
一种基于经验模态分解的卫星部件健康状态评估方法


[0001]本专利技术属于航天器检测
，具体涉及一种基于经验模态分解的卫星部件健康状态评估方法。

技术介绍

[0002]卫星的健康状态评估是航天器在轨运行管理的重要内容。卫星系统结构复杂，冗余度高，具有可重构性、非线性等特点，如何针对这些特点对卫星进行有效的状态评估是比较棘手的难点。目前随着我国不同平台、不同系列卫星的数量逐渐增多，地面站和运控中心积累了大量在轨实测数据，也积累了卫星在轨异常和故障的大量信息。但现有的健康状态评估方法多数是从系统结构层级的角度进行定性评估，往往需要详细的系统结构设计资料作为支撑，且评估结果往往是不精确的，同时目前对航天器部件级、产品级的健康评估研究较少。此外，基于系统结构层级的健康评估方法是一种利用结构关系和故障传递逻辑的评估手段，对遥测数据的利用率非常低，尤其是针对部件级产品这类层次结构难以界定的评估对象，其评估能力是十分有限的，因此需要专利技术一种可以充分利用历史遥测数据和基于数据驱动的卫星产品健康状态定量评估方法，为卫星乃至空间站等大型复杂航天设备的在轨本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于经验模态分解的卫星部件健康状态评估方法，其特征在于，包括如下步骤：步骤一、基于卫星部件产品原始遥测数据参数集建立统计参数数据集：首先从卫星部件产品的原始遥测数据中筛选具有实际物理意义的参数构建特征参数集，然后对特征参数集进行数据预处理和重组排列以构建卫星产品特征参数数据样本集，最后利用时域分析方法提取特征参数数据样本集的统计参数，分别得到用于进行产品健康状态评估的各个统计参数数据集；步骤二、基于经验模态分解EMD和多尺度排列熵MPE提取统计参数序列主成分：利用经验模态分解将信号分解成若干个本征模函数IMF，然后利用多尺度排列熵MPE来衡量本征模函数IMF的复杂程度，最后根据多尺度排列熵MPE的阈值区分主要成分和次要成分，完成信号序列主要成分的重构提取；步骤三、基于统计参数主要成分评估产品健康状态：利用统计参数的主要成分和欧氏距离的方法建立起不同健康状态的阈值范围，实现对卫星部件产品的健康状态评估。2.根据权利要求1所述的基于经验模态分解的卫星部件健康状态评估方法，其特征在于，步骤一中，产品特征参数数据样本集的构建利用产品原始遥测数据，首先从原始遥测数据中筛选具有实际物理意义的参数构建特征参数集，然后对产品各特征参数的遥测数据进行数据预处理，最后再将其按顺序进行重组排列，构建产品特征参数数据样本集。3.根据权利要求2所述的基于经验模态分解的卫星部件健康状态评估方法，其特征在于，步骤一中，对预处理后的各个特征参数，按时间顺序，无重叠地依次以连续N个数据点采样，得到M个样本；每个样本再根据时间顺序依次按列排布，从而得到新的数据样本集；即对于原来的一维数据集合，经重组排列后得到了一个N
×
M的二维矩阵；对于该矩阵，每一列代表一个独立的样本。4.根据权利要求3所述的基于经验模态分解的卫星部件健康状态评估方法，其特征在于，步骤一中，统计参数集的构建方法为：利用产品特征参数的遥测数据进行时域统计分析，对于序列X＝{x
i
},i＝1,2,
…
,N，提取K个时域统计参数；基于获得的二维样本数据集，对于每一个样本，利用时域统计分析的方法都可以分别得到K个时域统计参数，然后再将每一个样本的K个时域统计参数按行进行排列，便得到该样本的统计参数集；即每个样本由原来包含原始数据的序列，经时域统计分析后，变成包含该序列K个统计参数的新序列，每一个统计参数序列又依次按列排布，得到大小为K
×
M的基于特征参数遥测数据样本集的统计参数数据样本集C。5.根据权利要求1所述的基于经验模态分解的卫星部件健康状态评估方法，其特征在于，步骤二中，经验模态分解EMD的过程如下：(1)求极值点：首先获取信号序列的全部极大值和极小值；(2)拟合包络曲线：通过信号序列的极大值和极小值组，经过三次样条插值法获得两条光滑的波峰/波谷拟合曲线，即信号的上包络线与下包络线；(3)均值包络线：将两条极值曲线平均获得平均包络线；(4)中间信号：原始信号减均值包络线，得到中间信号；(5)判断本征模函数IMF：IMF需要符合两个条件：1)在整个数据段内，极值点的个数和过零点的个数必须相等或相差最多不能超过一个；2)在任意时刻，由局部极大值点形成的上包络线和由局部极小值点形成的下包络线的平均值为零，即上、下包络线相对于时间轴
局部对称；(6)由原数据减去包络平均后的新数据，若还存在负的局部极大值和正的局部极小值，说明这还不是一个本征模函数，需要重复过程(1)
‑
(5)；获得的第一个满足IMF条件的中间信号即为原始信号的第一个本征模函数分量IMF1；(7)使用上述方法得到第一个IMF后，用原始信号减IMF1，作为新的原始信号，再重复所述过程(1)
‑
(6)，可以得到IMF2，以此类推，完成EMD分解；对于一个信号序列，进行EMD分解后，便得到若干个本征模函数。6.根据权利要求5所述的基于经验模态分解的卫星部件健康状态评估方法，其特征在于，步骤二中，基于多尺度排列熵MPE的主要成分与次要成分的区分及MPE阈值确定的方法如下，根据特征指标本征模函数IMF的MPE大小来区分特征指标的主要成分和次要部分：计算信号序列多尺度排列熵的过程如下：(1)将时间序列粗粒化处理：对长度为M的时间序列P＝{p
i
},i＝1,2,
…
,M进行粗粒化处理得到粗粒化序列其表达式为：其中，s为尺度因子，s≤M；[M/s]表示对M/s向下取整，当s＝1时，粗粒化序列即为原始序列；(2)对每个粗粒化序列相空间重构；(3)重构分量按升序排列，...

【专利技术属性】
技术研发人员：李玉庆，王晶燕，程瑶，吴浩龙，雷明佳，王日新，徐敏强，
申请(专利权)人：北京空间飞行器总体设计部，
类型：发明
国别省市：