[發明專利]利用多元多步預測技術的航天器姿態系統異常檢測方法

有效

• 申請號: 202110702313.1
• 申請日: 2021-06-22
• 公開（公告）號: CN113391622B
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 劉亞杰;沈凱麗;張濤;余京;黃生俊;雷洪濤;王銳;史志超
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G05B23/02
• 分類號: G05B23/02;G06N3/04
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 邱軼

1.利用多元多步預測技術的航天器姿態系統異常檢測方法，其特征在于，包括：

獲取航天器姿態系統多個參數的樣本數據，所述樣本數據為參數一段時間內以時間為順序連續排列的多個數據；

對各所述樣本數據進行平穩性分析以及相關性分析選取多個平穩狀態參數以及與各所述平穩狀態參數相關的輔助參數，并根據所述平穩狀態參數和輔助參數對應的樣本數據構建訓練數據集；

對所述訓練數據集進行標準化處理，得到標準數據集；

基于注意力機制以及長短期記憶神經網絡構建多元多步預測神經網絡，并將所述標準數據集輸入多元多步預測神經網絡進行訓練，得到已訓練的多元多步預測神經網絡，所述已訓練的多元多步預測神經網絡具有根據參數前一時間段的數據預測該參數后一時間段數據的能力；其中，將所述標準數據集輸入多元多步預測神經網絡進行訓練，得到已訓練的多元多步預測神經網絡包括：所述長短期記憶神經網絡包括多個依次連接的處理層，各所述處理層接收不同時刻樣本數據作為輸入數據，并進行相應處理后輸出該處理層對應的輸出數據；根據所述處理層各時間步的輸出數據以及對應的真實數據基于注意力機制匹配得到所述處理層各時間步輸出的向量權重；將所述處理層各時間步輸出的向量權重與所述處理層各時間步輸出數據進行加權計算后，融入所述多元多步預測神經網絡的最終預測計算中；

根據各平穩狀態參數的預測數據以及真實數據采用3西格瑪法則，計算得到各平穩狀態參數的誤差閾值；

獲取航天器姿態系統中多個待檢測參數歷史時間的實際數據，并對所述實際數據進行標準化處理得到標準化的實際數據；

將所述標準化的實際數據輸入已訓練的多元多步預測神經網絡，得到下一時間段各所述待檢測參數的實時預測數據；

獲取各所述待檢測參數的實時真實數據，并分別計算各所述待檢測參數的實時真實數據與對應時刻的實時預測數據之間的誤差，再通過對比所述誤差與對應參數的誤差閾值以檢測當前航天器姿態系統是否異常。

2.根據權利要求1所述的航天器姿態系統異常檢測方法，其特征在于，對各所述樣本數據進行平穩性分析以及相關性分析選取多個平穩狀態參數以及與各平穩狀態參數相關的輔助參數包括：

對各所述樣本數據進行平穩性分析，在所述多個參數中選取具有平穩狀態的參數作為所述多個平穩狀態參數；

根據各所述樣本數據以及多個平穩狀態參數進行相關性分析，在所述多個參數中選取與各所述平穩狀態參數相關的參數作為所述輔助參數。

3.根據權利要求1所述的航天器姿態系統異常檢測方法，其特征在于，所述多元多步預測神經網絡進行訓練之前還包括：

對所述多元多步預測神經網絡輸入的樣本數據的時間序列長度進行預設，以及對所述多元多步預測神經網絡輸出的預設數據的時間序列長度進行預設。

4.根據權利要求1所述的航天器姿態系統異常檢測方法，其特征在于，在將所述標準化的實際數據輸入已訓練的多元多步預測神經網絡之前包括：

對所述多元多步預測神經網絡輸入的實際數據的時間序列長度進行預設，以及對所述多元多步預測神經網絡輸出的實際預設數據的時間序列長度進行預設。

5.根據權利要求1所述的航天器姿態系統異常檢測方法，其特征在于，根據各平穩狀態參數的預測數據以及真實數據采用3西格瑪法則，計算得到各平穩狀態參數的誤差閾值包括：

根據各所述平穩狀態參數預測數據以及真實數據計算一段時間內各平穩狀態參數的誤差時間序列；

根據各所述誤差時間序列的均值和方差采用3西格瑪法則計算得到與各所述平穩狀態參數的誤差閾值。