-
公开(公告)号：CN112637903A
公开(公告)日：2021-04-09
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。
-
Patent Agency Ranking
公开(公告)号：CN118070003B
公开(公告)日：2024-07-23
申请号：CN202410474467.3
申请日：2024-04-19
Applicant: 中国西安卫星测控中心
IPC: G06F18/15 , G06N3/084 , G06N3/0499
Abstract: 本申请是关于一种基于神经网络的航天器遥测数据插值方法，包括：获取航天器遥测数据中的高采样帧率参数集，并预测航天器遥测数据中的低采样帧率参数集；根据模糊机理关系，建立高采样帧率参数集和低采样帧率参数集之间的映射关系；确定神经网络，基于映射关系，将高采样帧率参数集作为神经网络的输入，将低采样帧率参数集作为神经网络的输出，对神经网络进行迭代优化，得到优化神经网络；利用待检测输入数据集和真实输出数据集，对优化神经网络进行评估；若评估结果达到优化神经网络的预期效果，则利用优化神经网络对航天器遥测数据进行插值，并对插值精度进行验证。本申请能够提高航天器遥测数据插值结果的精度。
-
公开(公告)号：CN115563571B
公开(公告)日：2023-04-07
申请号：CN202211562458.7
申请日：2022-12-07
Applicant: 中国西安卫星测控中心
IPC: G06F18/2433 , G06N3/0464 , G06N3/084 , G06F17/18 , G01C21/20 , G01C21/24
Abstract: 本公开实施例是关于一种基于深度神经网络的定姿回归模型的构建方法。该方法包括：根据航天器的定姿模式和姿控单机数据，确定初始定姿回归模型的输入参数和输出参数并对其进行预处理，得到训练数据、验证数据和测试数据；构建初始定姿回归模型，利用训练数据对初始定姿回归模型进行训练、验证，得到第一损失函数和待定定姿回归模型；若第一损失函数的值小于第一预设阈值，则利用测试数据对待定定姿回归模型进行测试，并得到第二损失函数和定姿回归模型；若第二损失函数的值小于第二预设阈值，则输出定姿回归模型。本公开实施例通过数据模型拟合复杂的机理模型，方法具有通用性，检测准确度高，可以为航天器定姿异常检测提供技术支持。
-
公开(公告)号：CN118070003A
公开(公告)日：2024-05-24
申请号：CN202410474467.3
申请日：2024-04-19
Applicant: 中国西安卫星测控中心
IPC: G06F18/15 , G06N3/084 , G06N3/0499
Abstract: 本申请是关于一种基于神经网络的航天器遥测数据插值方法，包括：获取航天器遥测数据中的高采样帧率参数集，并预测航天器遥测数据中的低采样帧率参数集；根据模糊机理关系，建立高采样帧率参数集和低采样帧率参数集之间的映射关系；确定神经网络，基于映射关系，将高采样帧率参数集作为神经网络的输入，将低采样帧率参数集作为神经网络的输出，对神经网络进行迭代优化，得到优化神经网络；利用待检测输入数据集和真实输出数据集，对优化神经网络进行评估；若评估结果达到优化神经网络的预期效果，则利用优化神经网络对航天器遥测数据进行插值，并对插值精度进行验证。本申请能够提高航天器遥测数据插值结果的精度。
-
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：CN115563571A
公开(公告)日：2023-01-03
申请号：CN202211562458.7
申请日：2022-12-07
Applicant: 中国西安卫星测控中心
IPC: G06F18/2433 , G06F18/241 , G06F18/27 , G06N3/04 , G06N3/084 , G06F17/18 , G01C21/20 , G01C21/24
Abstract: 本公开实施例是关于一种基于深度神经网络的定姿回归模型的构建方法。该方法包括：根据航天器的定姿模式和姿控单机数据，确定初始定姿回归模型的输入参数和输出参数并对其进行预处理，得到训练数据、验证数据和测试数据；构建初始定姿回归模型，利用训练数据对初始定姿回归模型进行训练、验证，得到第一损失函数和待定定姿回归模型；若第一损失函数的值小于第一预设阈值，则利用测试数据对待定定姿回归模型进行测试，并得到第二损失函数和定姿回归模型；若第二损失函数的值小于第二预设阈值，则输出定姿回归模型。本公开实施例通过数据模型拟合复杂的机理模型，方法具有通用性，检测准确度高，可以为航天器定姿异常检测提供技术支持。
-
-
-
-
-
Search Results
6
records
(took 0.038 seconds)
