[發明專利]一種基于遙測大數據的在軌運行衛星局部性能退化分析方法

有效

• 申請號: 201410211811.6
• 申請日: 2014-05-19
• 公開（公告）號: CN103995966B
• 公開（公告）日: 2017-06-27
• 發明（設計）人: 皮德常;周楓
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 南京經緯專利商標代理有限公司32200
• 代理人: 吳樹山

技術領域

本發明屬于航天工程與信息科學的交叉技術領域，特別是涉及一種基于遙測大數據的在軌運行衛星局部性能退化分析方法。

背景技術

隨著國際航天技術的蓬勃發展，近年來在軌運行的衛星數量逐年增多。衛星的控制精度高、工作模式多、復雜度高等特點給地面在軌管理工作帶來了極大的挑戰。為適應未來全球星座長期測控管理的發展需求，提高全球星座測控管理的智能化水平，亟需豐富的衛星知識作為支撐。由于新技術、新材料的應用，對于衛星而言，突發性的失效不是其主要的失效模式，大多數的失效都是因為其性能的退化所造成。航天器性能退化分析是區別于故障模式識別一種新的研究思路，它側重于航天器整體性能的研究，淡化故障模式的區分，是從理念和方法上對現有的故障診斷技術的全新拓展。

對衛星進行性能退化分析時，使用傳統方法將面臨試驗難度大、成本高等許多問題。衛星在軌運行以及在軌監測過程中，將產生海量的遙測數據，包括測控計算結果信息、異常信息、空間環境信息等等。這些數據反映了衛星有效載荷的狀態和衛星的運行情況，具有數據量大，多數參數變化緩慢的特點，可以作為衛星性能分析的信息源。因此提出合適的方法對衛星遙測大數據進行性能退化分析，對衛星工程設計、在軌管理等都具有重要意義。

在性能退化分析方面，國外的重視度較高，研究起步也較早。2001年，在美國國家自然科學基金資助下，威斯康辛大學和密歇根大學聯合工業界近40家企業成立了智能維護系統研究中心，此后相繼提出了一批性能退化評估方法，如基于小腦模型的神經網絡、自組織特征圖神經網絡、隱馬爾可夫模型等方法。然而，這些方法都還存在以下不足：如小腦模型神經網絡方法的評估結果受設定參數的影響較大，自組織特征圖神經網絡和隱馬爾可夫模型方法的評估結果不能直觀反映退化程度等。近年來，雖然基于性能退化分析理論已從僅局限于單退化過程、單退化變量的可靠性實時評估朝著更加多元化、實用化的方向發展。但目前針對活動部件可靠性評估的方法，還都是從特定的領域出發，且主要針對數據量較小的退化數據或壽命數據，不適合長周期、大數據環境下航天器性能的退化分析。如何克服現有技術的不足已成為當今航天工程與信息科學交叉技術領域中亟待解決的重大難題之一。

發明內容

本發明的目的是為克服現有技術的不足而提供一種基于遙測大數據的在軌運行衛星局部性能退化分析方法，本發明基于衛星遙測大數據，可透視衛星性能的整體變化，從而解決大數據情況下的遙測數據量大、信息復雜和分析難度高等一系列問題。

根據本發明提出的一種基于遙測大數據的在軌運行衛星局部性能退化分析方法，其特征在于它包括以下具體步驟：

1.1按照遙測大數據的在軌運行衛星局部性能退化分析過程的需要，對原數據預處理，確定關鍵參數；

1.2對每個遙測關鍵參數序列按時間提取狀態特征序列，并將每個關鍵參數狀態特征序列值規約到區間[0，1]中，最終組成局部狀態特征向量集；

1.3選取在軌運行衛星健康情況下狀態特征向量集并對其建模，得到在軌運行衛星局部健康的狀態模型；

1.4從步驟1.2結果中選取待測狀態特征向量集；再利用上述步驟1.3的狀態模型，計算出在軌運行衛星局部性能退化度。

本發明與現有技術相比其顯著優點在于：一是本發明從大數據分析的角度出發，針對衛星遙測數據本身進行衛星性能退化分析的需要，有效地解決了大數據環境下在軌運行衛星數據信息量大、信息復雜、分析難度高的問題；二是本發明運用較少的航天領域知識，即能夠得到遙測大數據中其它分析方法無法獲得的性能退化信息；三是本發明經擴展后，還可應用于在軌衛星全壽命分析。

附圖說明

圖1是本發明提出的一種基于遙測大數據的在軌運行衛星局部性能退化分析方法的流程方框示意圖。

圖2是基于遙測大數據的衛星局部性能退化分析應用示意圖。

具體實施方式

下面結合附圖對本發明的具體實施方式做進一步的詳細說明。

結合圖1和圖2，一種基于遙測大數據的在軌運行衛星局部性能退化分析方法，它包括以下具體步驟：

1.1按照遙測大數據的在軌運行衛星局部性能退化分析過程的需要，對原數據預處理，確定關鍵參數；

1.2對每個遙測關鍵參數序列按時間提取狀態特征序列，并將每個關鍵參數狀態特征序列值規約到區間[0，1]中，最終組成局部狀態特征向量集；

1.3選取在軌運行衛星健康情況下狀態特征向量集并對其建模，得到在軌運行衛星局部健康的狀態模型；