[發(fā)明專利]基于機(jī)器學(xué)習(xí)的高軌道衛(wèi)星光壓模型辨識(shí)方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010057017.6
• 申請日: 2020-01-16
• 公開（公告）號: CN111259604A
• 公開（公告）日: 2020-06-09
• 發(fā)明（設(shè)計(jì)）人: 張皓;王文彬;石恒
• 申請（專利權(quán)）人: 中國科學(xué)院空間應(yīng)用工程與技術(shù)中心
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N20/00;G06F119/14
• 代理公司: 北京輕創(chuàng)知識(shí)產(chǎn)權(quán)代理有限公司 11212
• 代理人: 馮瑛琪

1.一種基于機(jī)器學(xué)習(xí)的高軌道衛(wèi)星光壓模型辨識(shí)方法，其特征在于，包括：

確定n個(gè)用于評價(jià)高軌道衛(wèi)星光壓的原始特征，n≥2；

通過預(yù)設(shè)的非參數(shù)化的特征選擇方法，對全部所述原始特征進(jìn)行主特征分析，得到用于建模的m個(gè)主特征，m≤n；

根據(jù)m個(gè)所述主特征構(gòu)建學(xué)習(xí)集合，通過所述學(xué)習(xí)集合對預(yù)設(shè)的機(jī)器學(xué)習(xí)算法進(jìn)行學(xué)習(xí)，得到高軌道衛(wèi)星光壓模型；

通過預(yù)設(shè)的優(yōu)化方法對所述高軌道衛(wèi)星光壓模型的超參數(shù)進(jìn)行優(yōu)化；

根據(jù)優(yōu)化后的所述高軌道衛(wèi)星光壓模型計(jì)算高軌道衛(wèi)星的光壓信息。

2.根據(jù)權(quán)利要求1所述的基于機(jī)器學(xué)習(xí)的高軌道衛(wèi)星光壓模型辨識(shí)方法，其特征在于，通過預(yù)設(shè)的非參數(shù)化的特征選擇方法，對全部所述原始特征進(jìn)行主特征分析，得到用于建模的m個(gè)主特征，具體包括：

通過領(lǐng)域成分分析法對全部所述原始特征的所述高軌道衛(wèi)星光壓影響的權(quán)重進(jìn)行分析，得到每個(gè)所述原始特征在預(yù)設(shè)方向上的光壓攝動(dòng)加速度的權(quán)重；

根據(jù)每個(gè)所述原始特征在預(yù)設(shè)方向上的權(quán)重的大小確定用于建模的m個(gè)主特征。

3.根據(jù)權(quán)利要求2所述的基于機(jī)器學(xué)習(xí)的高軌道衛(wèi)星光壓模型辨識(shí)方法，其特征在于，根據(jù)每個(gè)所述原始特征在預(yù)設(shè)方向上的權(quán)重的大小確定用于建模的m個(gè)主特征，具體包括：

對全部所述原始特征在預(yù)設(shè)方向上的權(quán)重進(jìn)行歸一化處理；

分別將每個(gè)所述原始特征在第i個(gè)預(yù)設(shè)方向上的權(quán)重與第i個(gè)預(yù)設(shè)閾值進(jìn)行比較；

將每個(gè)預(yù)設(shè)方向上的權(quán)重均小于對應(yīng)預(yù)設(shè)閾值的原始特征作為主特征。

4.根據(jù)權(quán)利要求1至3中任一項(xiàng)所述的基于機(jī)器學(xué)習(xí)的高軌道衛(wèi)星光壓模型辨識(shí)方法，其特征在于，根據(jù)m個(gè)所述主特征構(gòu)建學(xué)習(xí)集合，通過所述學(xué)習(xí)集合對預(yù)設(shè)的機(jī)器學(xué)習(xí)算法進(jìn)行學(xué)習(xí)，得到高軌道衛(wèi)星光壓模型，具體包括：

將m個(gè)所述主特征作為輸入，將光壓加速度信息作為輸出，獲取預(yù)設(shè)數(shù)量的學(xué)習(xí)數(shù)據(jù)，將所述學(xué)習(xí)數(shù)據(jù)劃分為訓(xùn)練集和驗(yàn)證集，得到學(xué)習(xí)集合，其中，所述學(xué)習(xí)數(shù)據(jù)包含所述主特征和所述光壓加速度信息；

通過所述訓(xùn)練集對支持向量機(jī)進(jìn)行訓(xùn)練，得到高軌道衛(wèi)星光壓模型，并通過所述驗(yàn)證集進(jìn)行驗(yàn)證。

5.根據(jù)權(quán)利要求1至3中任一項(xiàng)所述的基于機(jī)器學(xué)習(xí)的高軌道衛(wèi)星光壓模型辨識(shí)方法，其特征在于，通過預(yù)設(shè)的優(yōu)化方法對所述高軌道衛(wèi)星光壓模型的超參數(shù)進(jìn)行優(yōu)化，具體包括：

確定k組超參數(shù)，根據(jù)基于高斯過程回歸的貝葉斯優(yōu)化方法得到每組超參數(shù)對應(yīng)的備選高軌道衛(wèi)星光壓模型，k≥2；

對得到的全部備選高軌道衛(wèi)星光壓模型進(jìn)行交叉驗(yàn)證，評價(jià)每個(gè)所述備選高軌道衛(wèi)星光壓模型的性能；

將性能符合預(yù)設(shè)條件的備選高軌道衛(wèi)星光壓模型作為超參數(shù)優(yōu)化后的高軌道衛(wèi)星光壓模型。

6.一種基于機(jī)器學(xué)習(xí)的高軌道衛(wèi)星光壓模型辨識(shí)系統(tǒng)，其特征在于，包括：

獲取單元，用于獲取確定的n個(gè)用于評價(jià)高軌道衛(wèi)星光壓的原始特征，n≥2；

降維單元，用于通過預(yù)設(shè)的非參數(shù)化的特征選擇方法，對全部所述原始特征進(jìn)行主特征分析，得到用于建模的m個(gè)主特征，m≤n；

建模單元，用于根據(jù)m個(gè)所述主特征構(gòu)建學(xué)習(xí)集合，通過所述學(xué)習(xí)集合對預(yù)設(shè)的機(jī)器學(xué)習(xí)算法進(jìn)行學(xué)習(xí)，得到高軌道衛(wèi)星光壓模型；

優(yōu)化單元，用于通過預(yù)設(shè)的優(yōu)化方法對所述高軌道衛(wèi)星光壓模型的超參數(shù)進(jìn)行優(yōu)化；

計(jì)算單元，用于根據(jù)優(yōu)化后的所述高軌道衛(wèi)星光壓模型計(jì)算高軌道衛(wèi)星的光壓信息。

7.根據(jù)權(quán)利要求6所述的基于機(jī)器學(xué)習(xí)的高軌道衛(wèi)星光壓模型辨識(shí)系統(tǒng)，其特征在于，所述降維單元具體用于通過領(lǐng)域成分分析法對全部所述原始特征的所述高軌道衛(wèi)星光壓影響的權(quán)重進(jìn)行分析，得到每個(gè)所述原始特征在預(yù)設(shè)方向上的光壓攝動(dòng)加速度的權(quán)重；根據(jù)每個(gè)所述原始特征在預(yù)設(shè)方向上的權(quán)重的大小確定用于建模的m個(gè)主特征。