-
公开(公告)号:CN119691635A
公开(公告)日:2025-03-25
申请号:CN202411567019.4
申请日:2024-11-05
Applicant: 哈尔滨工业大学
IPC: G06F18/2433 , G06F18/25 , G06F18/15 , G06F18/213 , G06F18/27 , G06N3/0464
Abstract: 本发明提出一种基于时空关联的航天器遥测数据异常检测方法,属于航天器遥测数据异常检测技术领域,解决了航天器遥测数据异常检测结果存在准确率偏低且虚警率偏高的问题,包括:步骤1:获取航天器遥测数据;步骤2:对航天器遥测数据进行预处理;步骤3:构建特征提取模型并对特征提取模型进行训练,基于训练后的特征提取模型对预处理后的航天器遥测数据进行特征提取;步骤4:对特征提取结果进行关联融合,得到t时间步的航天器遥测数据预测结果;步骤5:基于特征提取模型的训练数据获取异常阈值,计算时间步t的航天器遥测数据的异常得分,若时间步t的异常得分偏离异常阈值,则为异常数据,完成航天器遥测数据异常检测。
-
公开(公告)号:CN118734043A
公开(公告)日:2024-10-01
申请号:CN202411008646.4
申请日:2024-07-26
Applicant: 哈尔滨工业大学
IPC: G06F18/213 , G06N3/0442 , G06N3/08
Abstract: 本发明提出一种自适应多任务平衡并行的卫星星座遥测数据监测方法,包括:步骤1:获取卫星星座遥测时间序列数据;步骤2:对卫星星座遥测时间序列数据进行预处理;步骤3:构建卫星星座遥测数据预测模型;步骤4:基于预处理后的卫星星座遥测时间序列数据对卫星星座遥测数据预测模型进行训练;步骤5:基于训练后的卫星星座遥测数据预测模型获取每个遥测通道的预测值,并对卫星星座遥测数据进行实时监测。本发明采用共享特征提取结合针对卫星星座中不同型号卫星的各个遥测通道并行预测的方法融合多维参数信息,使得各个遥测通道的模型在训练过程中互相补充和增强,提升整体的数据监测效果。
-
公开(公告)号:CN118916811A
公开(公告)日:2024-11-08
申请号:CN202411027883.5
申请日:2024-07-30
Applicant: 哈尔滨工业大学
IPC: G06F18/2433 , G06F18/20 , G06N3/0455 , G06N3/08 , G06F123/02
Abstract: 本发明提出一种基于长时序列特征的卫星遥测数据集合异常检测方法,包括:步骤1:构建卫星遥测数据预测模型;步骤2:对历史卫星遥测数据进行预处理;步骤3:基于预处理后的历史卫星遥测数据对卫星遥测数据预测模型进行训练;步骤4:使用无异常数据输入到模型中,提取三种异常检测阈值;步骤5:使用测试数据输入,对单次卫星遥测数据预测结果进行异常值检测,确定下一次迭代检测的输入数据;步骤6:重复步骤5,实现卫星遥测数据的长时序预测前提下的异常检测。本发明利用长时间尺度特性建模优化的集合异常检测方法,建立模型接收更长的时序输入,学习长时间尺度特性序列的内在关联,捕捉数据片段的长期变化规律,提升了预测的准确性。
-
-