[發明專利]一種衛星遙測參數長周期數據的趨勢分析方法

有效

• 申請號: 202011404799.2
• 申請日: 2020-12-03
• 公開（公告）號: CN112507455B
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 陶來發;宋登巍;王超;程玉杰;呂琛
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F30/15
• 分類號: G06F30/15;B64G1/10
• 代理公司: 北京京萬通知識產權代理有限公司 11440
• 代理人: 萬學堂;齊曉靜

1.一種衛星遙測參數長周期數據的趨勢分析方法，其包括：

第一步，多工況關聯性健康基線配置；

第二步，遙測參數獲取；

第三步，工況切割；根據工況敏感參數和配置的工況判別邏輯表達式，在遙測參數中識別切割出屬于目標工況段的部分；

第四步，日關聯性計算；根據關聯性健康基線配置，利用獲取的每日遙測參數，計算得到因變量遙測參數關聯值、關聯閾值下限序列和關聯閾值上限序列；

第五步，日監測結果判定；根據判異準則，判斷當日因變量遙測參數實際值與關聯閾值下限序列、關聯閾值上限序列的關系，判斷每日關聯關系正?；虍惓?，

分別計算完整工況因變量遙測值序列中每個值與關聯閾值下限和關聯閾值上限之間的關系；對于每個遙測點，計算產生一個超限標志位；所有超限標志位構成整個遙測參數序列的超限標志位序列；計算整個序列超限點總數占序列總長度的比例；將整個序列超限點總數占序列總長度的比例與配置中確定的超限比例判異閾值進行比較：若該比例大于該閾值，則判定結果為異常；若該比例小于等于該閾值，則判定結果為正常；

第六步，長周期多尺度特征提取；分別從單關聯關系條目尺度、單日關聯性計算結果尺度和長周期關聯性趨勢尺度，提取不同特征；

第七步，結果分析與決策；對提取的長周期多尺度特征進行分析，掌握衛星長周期運行狀態及趨勢。

2.如權利要求1所述的衛星遙測參數長周期數據的趨勢分析方法，其特征在于：

在第一步中，對關聯性計算所需的必要信息進行配置；配置項包括：關聯計算遙測參數、工況敏感參數、工況判別邏輯表達式、關聯性健康基線解析函數模型、關聯性健康基線閾值、日監測判定異常點比例閾值。

3.如權利要求2所述的衛星遙測參數長周期數據的趨勢分析方法，其特征在于：

在第二步中，在遙測參數與工況敏感參數獲取中，根據配置中指定的關聯計算遙測參數名稱，在遙測參數數據庫中進行檢索和查詢；并根據配置中指定的關聯性計算時間范圍，在數據庫中抽取出參與關聯性計算的遙測參數滿足關聯性計算時間范圍的遙測參數值，得到關聯計算遙測參數序列，分別記作自變量遙測參數序列和因變量遙測參數序列；

根據配置中指定的工況敏感參數名稱，在遙測參數數據庫中進行檢索和查詢；并根據配置中指定的關聯性計算時間范圍，在數據庫中抽取出用于工況判斷與識別的遙測參數滿足關聯性計算時間范圍的遙測參數值，記作多個工況敏感遙測參數序列。

4.如權利要求3所述的衛星遙測參數長周期數據的趨勢分析方法，其特征在于：

在第三步中，將工況敏感遙測參數序列的時間軸中每一個時間點對應的工況敏感遙測參數值輸入工況判別邏輯表達式中，獲得布爾量序列；

在布爾量序列中，識別連續兩個及兩個以上值為真的子序列；每個子序列對應一個目標工況時刻區間；

在每個目標工況時刻區間對關聯計算遙測參數序列進行切割，若關聯計算遙測參數序列該目標工況時刻區間內有值，則關聯計算遙測參數序列在該目標工況時刻區間內存在目標工況子序列；

將所有目標工況子序列按順序排列，組成滿足目標工況時刻的關聯計算遙測參數序列。

5.如權利要求4所述的衛星遙測參數長周期數據的趨勢分析方法，其特征在于：

在第四步中，根據配置的關聯性健康基線解析方程、關聯性健康基線閾值下限和關聯性健康基線閾值上限，分別計算每個目標工況子序列中，對應于自變量遙測參數值的因變量遙測參數關聯值、關聯閾值下限和關聯閾值上限；

將全部目標工況子序列計算得到的關聯值、關聯閾值下限、關聯閾值上限序列，按照子序列下標從小到大的順序依次排列并首尾相接；并將各序列中的所有數值點按當前順序進行重新標號，組成最終得到的完整關聯值、關聯閾值下限、關聯閾值上限序列；將因變量遙測參數的全部目標工況子序列的遙測值進行拼接、重新標號，組成最終得到的完整工況因變量遙測值序列。

6.如權利要求1所述的衛星遙測參數長周期數據的趨勢分析方法，其特征在于：

在第六步中，針對長周期趨勢計算與分析，分別從不同的尺度，對日關聯性監測的輸出結果進行特征提取，分別是單關聯關系條目特征提取、單日關聯性計算結果特征提取和長周期關聯性趨勢特征提取。