-
公开(公告)号：CN114881160B
公开(公告)日：2024-03-22
申请号：CN202210545840.0
申请日：2022-05-18
Applicant: 中国西安卫星测控中心
IPC: G06F18/2433 , G06F18/15 , G06F18/214 , G06F123/02
Abstract: 本公开提供一种基于改进DTW距离的航天器异常子模式检测方法及装置，涉及在轨航天器遥测数据异常检测与故障诊断领域，能够解决航天器在轨遥测数据微小异常变化难以通过现有诊断知识及时发现的问题。具体技术方案为：获取卫星遥测数据的周期并进行子模式提取，获得标准子模式，获取所有训练子模式与标准子模式之间的T‑DTW距离的最大值，获取判别阈值；用标准子模式中被匹配的点数与其总点数之比作为支持度，如果支持度小于阈值，则认为待检测序列的数据量不足，无法进行异常检测，否则，计算待检测序列与标准子模式之间的时间基准DTW距离，如果距离大于判别阈值则认为该待检测序列为异常模式，否则为正常模式。
-
公开(公告)号：CN113220960A
公开(公告)日：2021-08-06
申请号：CN202110515698.0
申请日：2021-05-12
Applicant: 西安理工大学 , 中国西安卫星测控中心
IPC: G06F16/906 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于自主学习的不平衡时间序列数据分类方法，具体包括如下步骤：步骤1，对不平衡时间序列数据进行处理，构造新样本；步骤2，对步骤1构造的新样本依次进行尺度变换及数据分段；步骤3，基于步骤2所得结果构建深度卷积神经网络模型；步骤4，对步骤3构建的神经网络模型进行训练，根据训练结果建立最优的时间序列数据分类模型进行时间序列分类。该方法解决了一般学习器绝对偏向多数类，从而造成少数类检测精度严重下降的问题，显著提高了不平衡时间序列数据集的分类精度。
-
公开(公告)号：CN111612048A
公开(公告)日：2020-09-01
申请号：CN202010361681.X
申请日：2020-04-30
Applicant: 中国西安卫星测控中心
IPC: G06K9/62 , G06F16/2458
Abstract: 本公开提供一种无监督聚类异常检测的方法，涉及航天器异常检测方法，能够解决目前航天器运行的精确物理解析模型，过多依赖于航天器系统的先验知识，在实际应用中模型难以建立、知识难以获取等的问题。具体技术方案为：利用已积累的航天器大量正常状态数据，从样本数据中时标对齐、等间隔采样，生成样本数据，基于归纳学习的思想，通过无监督聚类分析建立航天器正常状态数据模型。利用聚类结果计算样本数据的最小距离，统计分析样本数据的最小距离集，利用高斯分布建立遥测数据异常检测的门限阈值。在此基础上，通过判断航天器实时观测数据与正常状态数据模型之间的偏离程度，实现异常数据检测。本发明用于航天器遥测数据进行处理和分析。
-
公开(公告)号：CN117493817A
公开(公告)日：2024-02-02
申请号：CN202311848423.4
申请日：2023-12-29
Applicant: 中国西安卫星测控中心
Inventor： 张雷 , 卞燕山 , 林海晨 , 郭文明 , 王小乐 , 韩星 , 王超 , 张闪 , 李国政 , 蔡立锋 , 冯冰清 , 周轩 , 袁线 , 赵岩 , 刘培杰 , 魏小莹 , 杨钊 , 孙雅琳
Abstract: 本发明实施例是关于一种对处理卫星异常的效益进行评估的方法、系统及装置。所述方法包括：基于相同类型的成本指标和收益指标确定待评估的对卫星异常进行处理的业务；获取所述业务的成本数据和收益数据；将所述成本数据作为输入，将所述收益数据作为输出，建立数据包络分析模型，并基于所述数据包络分析模型确定所述业务的有效性和效益数据；对有效的所述数据包络分析模型的所述效益数据，依据评级进行聚类。本发明实施例通过数据包络分析的方法将卫星异常处理的业务进行效益的评估，并通过聚类的方式将评估结果以更加直观的方式呈现。
-
公开(公告)号：CN112731165B
公开(公告)日：2023-10-24
申请号：CN202011455648.X
申请日：2020-12-10
Applicant: 中国西安卫星测控中心
IPC: G01R31/378 , G01R31/385
Abstract: 本公开是关于卫星蓄电池电流数据异常类型识别方法及装置。该方法包括：获取卫星蓄电池电流数据，卫星蓄电池电流数据包括多个采样点的电流值以及每个采样点的采样时间；根据卫星蓄电池电流数据确定至少一种电流值变化规律；获取至少一种电流值变化规律中每种电流值变化规律对应的权重，并根据每种电流值变化规律对应的权重获取每种电流值变化规律在其对应的正常电流值变化规律中的权重百分比；根据权重百分比确定卫星蓄电池电流数据的数据异常类型。该技术方案在无需人工处理的前提下，自动确定卫星蓄电池电流数据的数据异常类型，降低了确定卫星蓄电池电流数据的数据异常类型的难度，提高了根据卫星蓄电池电流数据对卫星的管理的可靠性，改善了用户体验。
-
Patent Agency Ranking
公开(公告)号：CN111612050A
公开(公告)日：2020-09-01
申请号：CN202010362540.X
申请日：2020-04-30
Applicant: 中国西安卫星测控中心
IPC: G06K9/62 , G06F16/2458
Abstract: 本公开提供一种遥测数据异常检测的方法，涉及航天器遥测数据的处理和分析，能够解决工程中对遥测数据中异常值的检测常采用固定的遥测参数上下限，检测门限不随时间变化，无法反应出遥测参数的动态趋势，难以捕捉遥测参数动态变化过程中的出现的异常的问题。具体技术方案为：对非等间隔时间序列数据进行时标对齐与矢量化拆分，获得了由输入向量与输出值组成的样本集，通过贝叶斯分类器模型，实现对输入向量的输出值的预测。基于拉格朗日插值算法建立了预测值的插值函数，利用插值结果与实际值的差异程度进行数据的动态化异常检测，从而建立了遥测数据动态门限的生成方法，实现了对遥测数据中异常值的诊断。本发明用于航天器遥测数据进行处理和分析。
-
公开(公告)号：CN112637903B
公开(公告)日：2024-02-09
申请号：CN202011455671.9
申请日：2020-12-10
Applicant: 中国西安卫星测控中心
Abstract: 本公开是关于卫星下行数据压缩方法及装置。该方法包括：获取卫星下行数据，卫星下行数据包括多个数据行，数据行包括下行参数以及下行参数的采集时间，多个数据行根据采集时间排列；当卫星下行数据中连续三个数据行的下行参数相同时，将连续三个数据行中第二个数据行从卫星下行数据中移除；根据移除后的卫星下行数据生成卫星下行压缩数据。该技术方案在确保卫星下行压缩数据的数据量较少的前提下，无需对卫星下行压缩数据进行解压缩就可以根据该卫星下行压缩数据直接确定卫星下行数据中下行参数的变化规律与变化趋势，从而提高了根据压缩后的卫星下行数据进行数据处理的效率，改善了用户体验。
-
公开(公告)号：CN111612050B
公开(公告)日：2023-09-15
申请号：CN202010362540.X
申请日：2020-04-30
Applicant: 中国西安卫星测控中心
IPC: G06F18/2415 , G06F18/214 , G06F16/2458
Abstract: 本公开提供一种遥测数据异常检测的方法，涉及航天器遥测数据的处理和分析，能够解决工程中对遥测数据中异常值的检测常采用固定的遥测参数上下限，检测门限不随时间变化，无法反应出遥测参数的动态趋势，难以捕捉遥测参数动态变化过程中的出现的异常的问题。具体技术方案为：对非等间隔时间序列数据进行时标对齐与矢量化拆分，获得了由输入向量与输出值组成的样本集，通过贝叶斯分类器模型，实现对输入向量的输出值的预测。基于拉格朗日插值算法建立了预测值的插值函数，利用插值结果与实际值的差异程度进行数据的动态化异常检测，从而建立了遥测数据动态门限的生成方法，实现了对遥测数据中异常值的诊断。本发明用于航天器遥测数据进行处理和分析。
-
公开(公告)号：CN111611294B
公开(公告)日：2023-06-09
申请号：CN202010361728.2
申请日：2020-04-30
Applicant: 中国西安卫星测控中心
IPC: G06F16/2458 , G06F18/214 , G06N20/00
Abstract: 本公开提供一种星敏感器数据异常检测方法，涉及异常数据检测方法，能够解决星敏感器工作异常影响卫星姿态和运行轨道，使卫星姿态偏离控制范围甚至翻转，带来重大损失的问题，常出现较多虚警和漏警问题，本公开技术方案能够减小了虚警和漏警，提高了异常检测和故障发现能力。具体技术方案为：选取遥测样本数据进行预处理获得目标遥测数据；选取检测量经过置信度分析获得目标遥测数据检测量的置信区间；在线检测所述目标遥测数据超出所述置信区间为异常数据。本发明用于高轨卫星星敏感器数据异常检测管理。
-
公开(公告)号：CN111612048B
公开(公告)日：2023-03-10
申请号：CN202010361681.X
申请日：2020-04-30
Applicant: 中国西安卫星测控中心
IPC: G06F18/23 , G06F16/2458
Abstract: 本公开提供一种无监督聚类异常检测的方法，涉及航天器异常检测方法，能够解决目前航天器运行的精确物理解析模型，过多依赖于航天器系统的先验知识，在实际应用中模型难以建立、知识难以获取等的问题。具体技术方案为：利用已积累的航天器大量正常状态数据，从样本数据中时标对齐、等间隔采样，生成样本数据，基于归纳学习的思想，通过无监督聚类分析建立航天器正常状态数据模型。利用聚类结果计算样本数据的最小距离，统计分析样本数据的最小距离集，利用高斯分布建立遥测数据异常检测的门限阈值。在此基础上，通过判断航天器实时观测数据与正常状态数据模型之间的偏离程度，实现异常数据检测。本发明用于航天器遥测数据进行处理和分析。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.039 seconds)
