CN103679378B - 基于遥测数据评估航天器健康状态的方法及装置 - Google Patents
基于遥测数据评估航天器健康状态的方法及装置 Download PDFInfo
- Publication number
- CN103679378B CN103679378B CN201310711371.6A CN201310711371A CN103679378B CN 103679378 B CN103679378 B CN 103679378B CN 201310711371 A CN201310711371 A CN 201310711371A CN 103679378 B CN103679378 B CN 103679378B
- Authority
- CN
- China
- Prior art keywords
- distribution
- cycle
- parameter
- telemetry
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于遥测数据评估航天器健康状态的方法及装置,通过分析历史遥测参数数据的周期性,根据其周期性分别建立历史遥测参数数据各个周期内的分布,对各个周期的多个不同的分布进行检验,确定各个周期的分布,并计算分布的参数值,将待测的遥测参数数据代入各个周期的分布,计算得到相应的参数值,利用KL散度计算待测的遥测参数数据各个周期的分布的参数值与相应的历史遥测参数数据各个周期的分布的参数值差异,确定该待测的遥测参数数据各个周期的健康等级,将多遥测数据的健康等级向量以加权融合方法给出该航天器健康等级。该方法可以将实时遥测数据是否异常、故障定性描述转变为定量的健康指数,提供运管人员对系统的掌控能力。
Description
技术领域
本发明涉及机械技术领域,尤其涉及一种基于遥测数据评估航天器健康状态的方法及装置。
背景技术
随着航天器系统复杂性的提高,对航天器安全、稳定运行提出了更高的要求。目前,主要通过对航天器的异常、故障进行判断,为告知在轨运管人员系统的状态是否可用,这样造成了异常、故障发生后可干预、控制能力弱,部分异常故障发生可能导致整星的失效。因此,如何实现航天器故障预报成为现在亟待需要解决的问题。
发明内容
鉴于上述的分析,本发明旨在提供一种基于遥测数据评估航天器健康状态的方法及装置,能够评价航天器健康水平,从而实现更为精细化的管理手段,并通过系统健康指数的变化趋势,提前判断系统可能发生异常、故障的隐患。
本发明主要是通过以下技术方案实现的:
一种基于遥测数据评估航天器健康状态的方法,包括:
分析历史遥测参数数据的周期性,并根据其周期性分别建立所述历史遥测参数数据各个周期内的分布;
对各个周期的多个不同的分布进行检验,确定各个周期的分布,并计算分布的参数值;
将待测的遥测参数数据代入各个周期的分布,计算得到相应的参数值;
利用KL散度计算待测的遥测参数数据各个周期的分布的参数值与相应的历史遥测参数数据各个周期的分布的参数值差异,确定该待测的遥测参数数据各个周期的健康等级;
将多遥测数据的健康等级向量以加权融合方法给出该航天器健康等级。
优选地,所述遥测参数数据包括:温度和电流中的一种或两种。
优选地,分析所述遥测参数数据的周期性的步骤具体包括:
根据所述遥测参数数据的周期性将其划分为基准分布周期、退化分布周期和异常分布周期。
优选地,计算分布的参数值的步骤具体包括:
分别将所述历史遥测参数数据代入确定后的各个周期的分布,计算相应的分布的参数值。
优选地,利用KL散度计算待测的遥测参数数据各个周期的分布的参数值与相应的历史遥测参数数据各个周期的分布的参数值差异,确定该待测的遥测参数数据各个周期的健康等级的步骤具体包括:
将基准分布周期的参数值设定为优级,将异常分布周期的参数值设定为差级,根据计算得到的各个周期对应的待测的遥测参数数据的参数值通过KL散度计算得到各个参数值的差异,根据该差异确定该待测的遥测参数数据各个周期的健康等级。
本发明还提供了一种基于遥测数据评估航天器健康状态的装置,该装置包括:
分析单元,用于分析历史遥测参数数据的周期性,并根据其周期性分别建立所述历史遥测参数数据各个周期内的分布;
检验单元,用于对各个周期的多个不同的分布进行检验,确定各个周期的分布,并计算分布的参数值;
计算单元,用于将待测的遥测参数数据代入各个周期的分布,计算得到相应的参数值;
处理单元,用于利用KL散度计算待测的遥测参数数据各个周期的分布的参数值与相应的历史遥测参数数据各个周期的分布的参数值差异,确定该待测的遥测参数数据各个周期的健康等级,将多遥测数据的健康等级向量以加权融合方法给出该航天器健康等级。
优选地,所述遥测参数数据包括:温度和电流中的一种或两种。
优选地,分析单元具体用于,分析历史遥测参数数据的周期性,根据所述遥测参数数据的周期性将其划分为基准分布周期、退化分布周期和异常分布周期,并分别建立所述历史遥测参数数据各个周期内的分布。
优选地,计算单元具体用于,分别将所述历史遥测参数数据代入确定后的各个周期的分布,计算相应的分布的参数值。
优选地,计算单元具体用于,将基准分布周期的参数值设定为优级,将异常分布周期的参数值设定为差级,根据计算得到的各个周期对应的待测的遥测参数数据的参数值通过KL散度计算得到各个参数值的差异,根据该差异确定该待测的遥测参数数据各个周期的健康等级,将多遥测数据的健康等级向量以加权融合方法给出该航天器健康等级。
本发明提供的一种基于遥测数据评估航天器健康状态的方法及装置,利用统计特性进行健康状态评估的方法,采用该方法可以将实时遥测数据是否异常、故障定性描述转变为定量的健康指数,提供运管人员对系统的掌控能力。
本发明的其他特征和优点将在随后的说明书中阐述,并且部分的从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本发明的一种基于遥测数据评估航天器健康状态的方法的流程图;
图2为本发明的另一种基于遥测数据评估航天器健康状态的方法的流程图;
图3为本发明的某卫星某年供配电分系统分流电流检测示意图;
图4为本发明的某卫星2001年供配电分系统分流电流检测直方图示意图;
图5为本发明某卫星2001年供配电分系统分流电流正态分布示意图;
图6为本发明某卫星供配电分系统分流电流2001年5月与2009年5月分布示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理。为了清楚和简化目的,当其可能使本发明的主题模糊不清时,将省略本文所描述的器件中已知功能和结构的详细具体说明。
本发明实施例设计了一种基于遥测数据评估航天器健康状态的方法,参见图1,该方法包括:
S101、分析历史遥测参数数据的周期性,并根据其周期性分别建立所述历史遥测参数数据各个周期内的分布;
本发明实施例的所述遥测参数数据包括:温度和电流中的一种或两种,或者是其他具有周期变化特点的遥测参数数据,即本领域的技术人员也可利用本发明所述的方法将其他具有周期变化特点的遥测参数数据进行计算。
该步骤具体包括:分析历史遥测参数数据的周期性,根据所述遥测参数数据的周期性将其划分为基准分布周期(寿命初期)、退化分布周期(寿命中期)和异常分布周期(寿命下降期),然后根据其周期性分别建立所述历史遥测参数数据各个周期内的分布。
例如,太阳电池阵温度随着轨道所处阴影、所处光照、所处四季时节确定相应评估周期,而负载电流将一次任务周期时间确定为该参数评估周期。
S102、对各个周期的多个不同的分布进行检验,确定各个周期的分布,并计算分布的参数值;
本发明实施例通过提取该参数历史数据,提取相应航天器在轨历史遥测数据,并根据影响参数周期进行分段,并通过对各个周期的分布进行检验,从而确定每一个周期的分布,然后再确定各个分布的参数值。
具体的,本发明利用各段参数为输入,对该参数进行分布检验,包括了指数分布、正态分布、威布尔分布等,并估计分布的参数值。
本发明实施例还可根据专家经验分析判断,确定航天器所属健康水平最高的数据,将该周期数据分布及相关参数作为该参数的最佳分布;
S103、将待测的遥测参数数据代入各个周期的分布,计算得到相应的参数值;
S104、利用KL散度计算待测的遥测参数数据各个周期的分布的参数值与相应的历史遥测参数数据各个周期的分布的参数值差异,确定该待测的遥测参数数据各个周期的健康等级;
S105、将多遥测数据的健康等级向量以加权融合方法给出该航天器健康等级。
具体的,本发明实施例建立待评估周期内的该参数分布,计算相应分布的参数,得出分布概率密度函数,并将待评估数据分布与历史最佳分布进行KL散度计算,最后经归一化给出该参数相应时间段内健康指数。
本发明实施例通过分析航天器遥测数据波动频繁的特点,设计了一种基于遥测数据评估航天器健康状态的方法及装置。通过加载指定时间段内的历史遥测参数数据,提取寿命初期、寿命中期及发生异常周期内遥测数据,分别建立相应周期内的分布;将寿命初期分布定为基准分布,将寿命中期分布定为退化分布,将异常(含故障、寿命非正常下降)分布定为危险分布,建立全寿命周期遥测数据健康分布集;利用KL散度计算基准分布与退化分布、基准分布的差异;将当前某遥测数据的分布分别与基准分布、退化分布以及危险分布比较,根据在轨FMEA设计(规定不同故障、性能退化程度、寿命退化程度对应的严酷度等级)建立该遥测数据健康等级向量;将多遥测数据的健康等级向量以加权融合方法给出该航天器健康等级。本发明克服了航天器系统在轨期间遥测数据维度高、变化复杂、难以统一量化进行健康评估的问题,对提高航天器在轨管理水平具有较为重要的意义。
下面一个具体的例子以对本发明实施例进行详细的说明:
如图2所示,本发明实施例的方法包括以下步骤:
(1)评估参数项选取,以某卫星供配电分系统分流电流为例,该参数由于受在轨负载开关机,使得数据呈现了周期性变化特点,符合本专利针对的数据类型,如图3所示为该参数在某年某月的数据检测值;
(2)分析参数周期特性,根据业务类型,分流器电流根据负载业务划分,参数周期符合按月变化周期。因此,在本专利用按月周期选取该参数历史数据。
(3)提取该参数历史数据,提取某卫星2001年5月份,分流电流作为基准数据,并选取2009年5月份分流器电流,如图4所示为该参数在2001年5月份分流器电流检测值直方图;
(4)分布检验:利用选取的历史数据,分别利用极大似然法、核密度估计法,估计参数所属分布类型及概率密度函数参数,获取该参数在2001年数据服从的正态分布,如图5所示;
(5)健康分布确定:根据专家经验分析判断,确定某航天器供配电分流电流服从正态分布;
(6)统计评估:利用该航天器2001年统计分布为基准分布,将2009年5月分布与2001年分布计算KL散度,并将2007年5月分布与2001年分布最大值2.0001为最大KL散度,计算得出2009年该航天器分流电流健康评估结果如下。其中,图6为2001年分布与2009年分布图。
上述方法中,第(4)步骤中,需要采用到极大似然法、核密度估计法,对遥测数据分布进行检验,以确定参数所属分布类型、分布核函数参数。其中,极大似然法主要是针对分布较为标准的参数,建立参数的分布检验与参数估计;核密度估计主要是针对分布不标准(可能由两种分布叠加形成),建立参数的分布检验与参数估计。
极大似然估计:给定一个概率分布D,假定其概率密度函数(连续分布)或概率聚集函数(离散分布)为FD,以及一个分布参数θ,抽取n个采样数据x1,x2,...,xn,通过利用FD,计算出其概率:
Ρ(x1,x2,...,xn)=FD(x1,x2,...,xn|θ)
最大似然估计会寻找关于θ的最可能的值(即,在所有可能的θ取值中,寻找一个值使这个采样的“可能性”最大化。首先要定义似然函数:
like(θ)=FD(x1,x2,...,xn|θ)
在θ的所有取值上,使这个函数最大化。这个使可能性最大的值即被称为θ的最大似然估计。
核密度估计:将把一个核函数(平滑的峰值突出的函数)放在每一个数据点的位置上。然后,将所有核函数的作用效果叠加起来,获得一条光滑的曲线,X轴方向上任意点的效果的叠加都可以算出来。由核密度估计产生的曲线并非完全取决于核函数的选择,因此,可以随意使用任一可用的核函数。
构建一个核密度需要两个步骤。首先,适当地移动核函数,把它移到每个点所在的位置。例如,函数K(x-xi)在点xi处有它的峰值。然后,选择核函数带宽,控制核函数函数的蔓延。为了确保曲线下的面积保持不变,调整带宽值,使曲线更高(或者更矮)。本方法与正态、指数等标准分布相比,基于核密度估计的方法可将形状不标准(可能由多种分布叠加而成)的进行计算,并求出概率密度曲线,但其由于缺少相应分布参数,导致部分具有统计意义的参数缺失。
分布优度检验:在建立航天器遥测参数的分布后,需要对各参数分布的优度进行检验,以验证建立分布是否合理、准确。首先将其中一个参数的多种分布表示为d1,d2,...,dm。提出原假设H0:总体X的分布函数为F(x),卡方拟合优度检验按以下步骤进行:
将总体X取值范围分成k个互不重叠的区间,A1,A2,...,Ak;
将落在第i个区间Ai样本值记作fi,称为实测频数。所有实测频数之和为f1+f2+...+fk等于样本容量n;
根据假设,计算总体X落入每个Ai的概率pi,因此npi为落入Ai的样本值的理论频数;
引入经验分布与理论分布之间差异若有r个未知参数需用相应的估计量代替,自由度就减少r个。此时统计量χ2渐近(k-r-1)个自由度χ2分布。
对给定显著性水平α,查χ2分布表可得临界值使得并得拒绝域为
如果根据所给的样本值X1,X2,...,Xn算得统计量χ2落入拒绝域,则拒绝原假设,否则认为差异不显著而接受原假设。对于同样的数据,可能存在几个假设同时通过卡方检验,需要进一步假设似然比检验。通过卡方拟合优度检验和似然比检验,最终可以得到具体某一个参数在历年同一时间数据所服从的分布及分布参数,并选取最优分布。
上述方法中,第(6)步骤中,需要针对历史遥测数据分布与当前遥测数据分布进行比较,计算KL散度,给出当前评估参数的健康指数。采用KL散度(Kullback Leiblerdivergence,简称KLD)度量两个概率分布P和Q差别的非对称性的度量。对于离散随机变量,其概率分布P和Q的KL散度可按下式定义为:
Dsi tan ce(p,q)=[KL(p,q)+KL(q,p)]/2
完成同一参数在不同时间的KL散度计算后,需要将当前KL散度与历史最大KL散度进行计算,并进行归一化给出该参数当前健康指数,具体计算公式如下。
其中:
HE(Health Exponential):参数当前健康指数;
KL:参数当前KL散度;
KLmax:参数历史KL散度最大值。
本发明提供的一种基于遥测数据评估航天器健康状态的方法及装置,利用统计特性进行健康状态评估的方法,采用该方法可以将实时遥测数据是否异常、故障定性描述转变为定量的健康指数,提供运管人员对系统的掌控能力。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (8)
1.一种基于遥测数据评估航天器健康状态的方法,其特征在于,包括:
分析历史遥测参数数据的周期性,并根据其周期性分别建立所述历史遥测参数数据各个周期内的分布;
对各个周期的多个不同的分布进行检验,确定各个周期的分布,并计算分布的参数值;
将待测的遥测参数数据代入各个周期的分布,计算得到相应的参数值;
利用KL散度计算待测的遥测参数数据各个周期的分布的参数值与相应的历史遥测参数数据各个周期的分布的参数值差异,确定该待测的遥测参数数据各个周期的健康等级;
将多遥测数据的健康等级向量以加权融合方法给出航天器健康等级;
所述分析所述遥测参数数据的周期性的步骤具体包括:根据所述遥测参数数据的周期性将其划分为基准分布周期、退化分布周期和异常分布周期;
所述利用KL散度计算待测的遥测参数数据各个周期的分布的参数值与相应的历史遥测参数数据各个周期的分布的参数值差异,确定该待测的遥测参数数据各个周期的健康等级具体包括:将历史遥测数据分布与当前遥测数据分布进行比较,计算KL散度,给出当前评估参数的健康指数,通过KL散度度量两个概率分布P和Q差别的非对称性,对于离散随机变量,其概率分布P和Q的KL散度为:Dsitance(P,Q)=[KL(P,Q)+KL(Q,P)]/2;完成同一参数在不同时间的KL散度计算后,将当前KL散度与历史最大KL散度进行计算,并进行归一化给出该参数当前健康指数,具体计算公式为:其中:HE为参数当前健康指数,KL为参数当前KL散度,KLmax为参数历史KL散度最大值。
2.根据权利要求1所述的方法,其特征在于,所述遥测参数数据包括:温度和电流中的一种或两种。
3.根据权利要求2所述的方法,其特征在于,计算分布的参数值的步骤具体包括:
分别将所述历史遥测参数数据代入确定后的各个周期的分布,计算相应的分布的参数值。
4.根据权利要求2或3所述的方法,其特征在于,利用KL散度计算待测的遥测参数数据各个周期的分布的参数值与相应的历史遥测参数数据各个周期的分布的参数值差异,确定该待测的遥测参数数据各个周期的健康等级的步骤具体包括:
将基准分布周期的参数值设定为优级,将异常分布周期的参数值设定为差级,根据计算得到的各个周期对应的待测的遥测参数数据的参数值通过KL散度计算得到各个参数值的差异,根据该差异确定该待测的遥测参数数据各个周期的健康等级。
5.一种基于遥测数据评估航天器健康状态的装置,其特征在于,包括:
分析单元,用于分析历史遥测参数数据的周期性,并根据其周期性分别建立所述历史遥测参数数据各个周期内的分布;
检验单元,用于对各个周期的多个不同的分布进行检验,确定各个周期的分布,并计算分布的参数值;
计算单元,用于将待测的遥测参数数据代入各个周期的分布,计算得到相应的参数值;
处理单元,用于利用KL散度计算待测的遥测参数数据各个周期的分布的参数值与相应的历史遥测参数数据各个周期的分布的参数值差异,确定该待测的遥测参数数据各个周期的健康等级,将多遥测数据的健康等级向量以加权融合方法给出航天器健康等级;
所述分析单元还用于,分析历史遥测参数数据的周期性,根据所述遥测参数数据的周期性将其划分为基准分布周期、退化分布周期和异常分布周期,并分别建立所述历史遥测参数数据各个周期内的分布;
所述处理单元还用于,将历史遥测数据分布与当前遥测数据分布进行比较,计算KL散度,给出当前评估参数的健康指数,通过KL散度度量两个概率分布P和Q差别的非对称性,对于离散随机变量,其概率分布P和Q的KL散度为:Dsitance(P,Q)=[KL(P,Q)+KL(Q,P)]/2;完成同一参数在不同时间的KL散度计算后,将当前KL散度与历史最大KL散度进行计算,并进行归一化给出该参数当前健康指数,具体计算公式为:其中:HE为参数当前健康指数,KL为参数当前KL散度,KLmax为参数历史KL散度最大值。
6.根据权利要求5所述的装置,其特征在于,所述遥测参数数据包括:温度和电流中的一种或两种。
7.根据权利要求5所述的装置,其特征在于,
计算单元具体用于,分别将所述历史遥测参数数据代入确定后的各个周期的分布,计算相应的分布的参数值。
8.根据权利要求6或7所述的装置,其特征在于,
计算单元具体用于,将基准分布周期的参数值设定为优级,将异常分布周期的参数值设定为差级,根据计算得到的各个周期对应的待测的遥测参数数据的参数值通过KL散度计算得到各个参数值的差异,根据该差异确定该待测的遥测参数数据各个周期的健康等级,将多遥测数据的健康等级向量以加权融合方法给出航天器健康等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310711371.6A CN103679378B (zh) | 2013-12-20 | 2013-12-20 | 基于遥测数据评估航天器健康状态的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310711371.6A CN103679378B (zh) | 2013-12-20 | 2013-12-20 | 基于遥测数据评估航天器健康状态的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103679378A CN103679378A (zh) | 2014-03-26 |
CN103679378B true CN103679378B (zh) | 2016-08-31 |
Family
ID=50316855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310711371.6A Active CN103679378B (zh) | 2013-12-20 | 2013-12-20 | 基于遥测数据评估航天器健康状态的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103679378B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104765964B (zh) * | 2015-04-15 | 2017-12-08 | 北京空间飞行器总体设计部 | 一种空间环境敏感参数筛选方法 |
CN106647695A (zh) * | 2016-12-05 | 2017-05-10 | 航天恒星科技有限公司 | 在轨航天器运行状态监测方法及系统 |
CN107204193B (zh) * | 2017-06-12 | 2020-05-29 | 山东师范大学 | 基于直方图统计和池化算法的音频场景识别方法及装置 |
CN108181105B (zh) * | 2017-11-28 | 2020-08-07 | 杭州安脉盛智能技术有限公司 | 基于逻辑回归和j散度的滚动轴承故障预诊方法及系统 |
CN108791954A (zh) * | 2018-05-30 | 2018-11-13 | 兰州空间技术物理研究所 | 一种基于航天器在轨内带电效应动态库表的故障预警方法 |
CN109934337B (zh) * | 2019-03-14 | 2020-12-25 | 哈尔滨工业大学 | 一种基于集成lstm的航天器遥测数据异常的检测方法 |
CN110795510B (zh) * | 2019-10-22 | 2023-05-23 | 北京空间技术研制试验中心 | 基于高维数据关联挖掘的航天器系统健康状态评估方法 |
CN111193474B (zh) * | 2020-01-14 | 2020-11-20 | 北京空间飞行器总体设计部 | 一种卫星太阳翼输出电流的高精度自主诊断方法 |
CN112464146B (zh) * | 2020-12-03 | 2022-06-07 | 北京航空航天大学 | 一种基于历史遥测数据的关键分系统及单机关联性健康基线构建方法 |
CN112882889A (zh) * | 2021-01-22 | 2021-06-01 | 北京奇艺世纪科技有限公司 | 异常监控方法、系统、电子设备和存储介质 |
CN114254482B (zh) * | 2021-11-23 | 2024-04-12 | 中国西安卫星测控中心 | 一种力矩控制模式下的航天器飞轮退化评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218515A (zh) * | 2013-03-21 | 2013-07-24 | 西北工业大学 | 基于变权分层评分的卫星健康状态评估方法 |
CN103425874A (zh) * | 2013-07-23 | 2013-12-04 | 北京航空航天大学 | 一种基于率模可靠性理论的航天器健康评估方法 |
-
2013
- 2013-12-20 CN CN201310711371.6A patent/CN103679378B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218515A (zh) * | 2013-03-21 | 2013-07-24 | 西北工业大学 | 基于变权分层评分的卫星健康状态评估方法 |
CN103425874A (zh) * | 2013-07-23 | 2013-12-04 | 北京航空航天大学 | 一种基于率模可靠性理论的航天器健康评估方法 |
Non-Patent Citations (3)
Title |
---|
The Study of Spacecraft Telemetry Data Prediction Based-on SERTS Model;Fang Hong-Zheng et al.;《Prognostics & System Health Management Conference》;20111231;全文 * |
一种基于遥测温度的航天器在轨故障分析方法;李国强等;《航天器工程》;20120430;第21卷(第2期);全文 * |
基于遥测数据的航天器长期性能预示方法研究;房红征等;《计算机测量与控制》;20130731;第21卷(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103679378A (zh) | 2014-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103679378B (zh) | 基于遥测数据评估航天器健康状态的方法及装置 | |
US9460478B2 (en) | System and method for wind generation forecasting | |
CN103678766B (zh) | 一种基于pso算法的异常用电客户检测方法 | |
CN106154180B (zh) | 储能电池充/放电异常行为检测方法及检测系统 | |
EP2866190A1 (en) | Systems and methods for detecting, correcting, and validating bad data in data streams | |
CN110458230A (zh) | 一种基于多判据融合的配变用采数据异常甄别方法 | |
CN107681691A (zh) | 计及不确定性因素的风电并网系统运行可靠性评估方法 | |
Dyreson et al. | Modeling solar irradiance smoothing for large PV power plants using a 45-sensor network and the Wavelet Variability Model | |
CN106712713A (zh) | 一种光伏电站的监测系统以及监测和异常定位方法 | |
CN107329088A (zh) | 电池的健康状态诊断装置和方法 | |
CN110535159B (zh) | 一种规模化储能电站运行单元故障预警的方法及系统 | |
EP3101616A1 (en) | Fault detection in energy generation arrangments | |
US10691085B2 (en) | Defect detection in power distribution system | |
CN106358212B (zh) | 室内分布系统的检测方法和装置 | |
CN103675354B (zh) | 一种风速仪故障检测的方法和系统 | |
CN110348150A (zh) | 一种基于相关概率模型的故障检测方法 | |
CN108802535A (zh) | 筛选方法、主干扰源识别方法及装置、服务器及存储介质 | |
CN106569138A (zh) | 一种基于性能退化的卫星小子样镉镍蓄电池寿命预测方法 | |
CN108287327A (zh) | 基于贝叶斯分类的计量自动化终端故障诊断方法 | |
Cui et al. | An optimized swinging door algorithm for wind power ramp event detection | |
Tang et al. | Enhancement of distribution load modeling using statistical hybrid regression | |
CN103675357B (zh) | 风速仪故障预警的方法和系统 | |
Serrano-Luján et al. | Case of study: Photovoltaic faults recognition method based on data mining techniques | |
CN115758151A (zh) | 联合诊断模型建立方法、光伏组件故障诊断方法 | |
CN111080484A (zh) | 一种配电网异常数据监测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |