CN107525686A - 一种航天器多遥测参数分析窗口划分方法 - Google Patents

Abstract

本发明提供了一种航天器多遥测参数分析窗口划分方法，通过多遥测参数关联周期分析，选取基准参数获得划分特征，实现多参数分析窗口的时间尺度上对齐的准确划分。本发明通过遥测参数的基准划分特征进行分析窗口的划分，而不是采用固定或滑动的窗口进行划分，避免了由于空间环境或信道传输等因素造成的窗口偏移，实现了遥测参数分析窗口的准确划分，提高了后续特征提取和诊断检测的准确性。本发明通过基准参数对多个遥测参数进行同步划分，实现了时间尺度上的窗口对齐，增强了遥测数据的可分析性，更有利于分析挖掘多参数间的关联关系。

Description

一种航天器多遥测参数分析窗口划分方法

技术领域

本发明属于航天器遥测数据分析领域，具体涉及一种航天器多遥测参数分析窗口划分方法。

背景技术

随着信息技术的发展，在航天器遥测数据分析领域，故障特征提取及诊断技术得到了更大的发展。其中，确定特征分析窗口是进行航天器遥测数据分析的基础性问题，直接决定了特征提取和诊断检测的准确性和可靠性。

目前，航天器多遥测数据分析大多采用固定窗口或滑动窗口依次对每个参数划分为多个分析子序列。这种划分方法存在两方面的问题：第一，由于航天器的机动特性和所处空间环境的复杂性，采用固定周期值划分窗口，难以准确分割遥测参数的各个周期，从而形成偏移对特征提取造成影响；第二，由于航天器结构的复杂性，单个参数独立划分，缺少从整体角度对航天器运行状态的综合考虑，难以将多关联参数的划分窗口从时间尺度上对齐。

发明内容

为了克服现有技术的不足，本发明提供一种航天器多遥测参数分析窗口划分方法，通过多遥测参数关联周期分析，选取基准参数获得划分特征，实现多参数分析窗口的时间尺度上对齐的准确划分。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1，对于航天器遥测数据分析中的n个遥测参数p₁、p₂、….、p_n，取得每个遥测参数p_i的采样周期s_i，1≤i≤n，然后针对遥测参数p_i使用时间间隔s_i通过均值或中位数方式进行等时间间隔采样，获得采样后遥测参数序列S_i＝S(p_i)＝[d_1i，d_2i…，d_mi]，m为采样后遥测参数序列长度；

步骤2，对每个S_i进行快速傅里叶变换，得到变化结果F_i＝FFT(S_i)＝[f₀，f₁，…，f_m-1]，将零频直流分量f₀设置为0，然后计算F_i中的最大值max(F_i)，得到遥测参数p_i的近似周期t_i＝(m*s_i)/max(F_i)；循环计算得到所有参数的周期集合[t₁，t₂，…，t_n]；

步骤3，统计[t₁，t₂，…，t_n]中相同长度周期出现的次数，找到出现次数最多的周期t_max，将[t₁，t₂，…，t_n]中所有长度等于t_max的参数列为备选参数集[p₁，p₂，…，p_v]，v≤n；

步骤4，对[p₁，p₂，…，p_v]中的每一个参数p_j，利用时间周期t_max对采样序列S_j进行预划分，得到子序列集合[sub₁，sub₂，…，sub_c]；对子序列集合中每个序列sub_k，1≤k≤c，取得前两个采样周期的采样点对(s_d1，s_d2)_k；利用采样序列S_j的最大值和最小值进行等间隔分箱处理，得到采样点对(s_d1，s_d2)_k对应的分箱值对(e₁，e₂)_k；所有子序列集合计算得到分箱值对集合[(e₁，e₂)₁，(e₁，e₂)₂，…，(e₁，e₂)_c]；

步骤5，在[(e₁，e₂)₁，(e₁，e₂)₂，…，(e₁，e₂)_c]中得到出现次数最多的分箱值对(e₁，e₂)_q，1≤q≤c，将其作为遥测参数p_j的窗口划分特征；利用该窗口划分特征对采样序列S_j重新进行划分，得到新的划分子序列集合[sub_n1，sub_n2，…，sub_nc]；依此在新的子序列集合中计算后一项与前一项的卷积，即corr_ii＝corr(sub_ii*sub_ii-1)，其中2≤ii≤nc，得到[corr₁，corr₂，…，corr_nc-1]，计算该集合的标准差std_j，该值为遥测参数p_j重新划分窗口后得到的标准差，所有备选参数都计算划分窗口后的标准差，得到[std₁，std₂，…，std_v]；

步骤6，在备选参数标准差集[std₁，std₂，…，std_v]中求得具有最小标准差值的参数p_sel作为基准参数，将基准参数p_sel的划分特征(e₁，e₂)作为基准划分特征；

步骤7，设置最小保护时间间隔t_safe，确保每个划分窗口不小于t_safe；使用最小保护时间间隔t_safe和基准划分特征(e₁，e₂)对基准参数p_sel的采样序列S_sel＝[d_1sel，d_2sel…，d_msel]进行时间窗口的划分，将划分出的每个窗口使用窗口开始时间和窗口结束时间进行表示，得到基准划分窗口集为[(ws₁,we₁)，(ws₂,we₂)，…，(ws_h,we_h)]；

步骤8，依次选取待分析的n个遥测参数中的p_i，从1至h顺序从基准划分窗口集[(ws₁,we₁)，(ws₂,we₂)，…，(ws_h,we_h)]中取出划分时间窗口对(ws_jj,we_jj)，1≤jj≤h，将遥测参数p_i中开始时间≥ws_jj，结束时间≤we_jj的遥测值序列作为该窗口对应的划分结果。

本发明的有益效果是：

1)通过遥测参数的基准划分特征进行分析窗口的划分，而不是采用固定或滑动的窗口进行划分，避免了由于空间环境或信道传输等因素造成的窗口偏移，实现了遥测参数分析窗口的准确划分，提高了后续特征提取和诊断检测的准确性。

2)通过基准参数对多个遥测参数进行同步划分，实现了时间尺度上的窗口对齐，增强了遥测数据的可分析性，更有利于分析挖掘多参数间的关联关系。

附图说明

图1是本发明的多遥测参数分析窗口划分流程图；

图2是多遥测参数分析窗口划分结果图。

具体实施方式

下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。

本发明提供的一种航天器多遥测参数分析窗口划分方法，具体包括如下步骤：

第一步：多参数周期关联性分析；

第二步：生成基准参数的划分特征；

第三步：利用基准参数完成多参数的窗口划分。

如上所述的第一步具体包括如下步骤：

步骤1.1：航天器遥测数据分析中共包括n个遥测参数，标记为p₁、p₂、….、p_n。对每个遥测参数p_i(1≤i≤n)进行等间隔预处理，同时由于不同的参数采用的采样周期差异较大，根据参数说明文件取得每个遥测参数p_i的采样周期s_i，然后针对遥测参数p_i使用时间间隔s_i通过均值或中位数方式进行等时间间隔采样，获得采样后遥测参数序列S_i＝S(p_i)＝[d_1i，d_2i…，d_mi]，m为采样后遥测参数序列长度。

步骤1.2：对每个遥测参数p_i预处理后的等间隔序列S_i进行快速傅里叶变换，得到变化结果F_i＝FFT(S_i)＝[f₀，f₁，…，f_m-1]，将零频直流分量f₀设置为0，然后计算F_i中的最大值max(F_i)，得到遥测参数p_i的近似周期t_i＝(m*s_i)/max(F_i)。循环计算得到所有参数的周期[t₁，t₂，…，t_n]。

步骤1.3：对所有遥测参数计算得到的周期集合[t₁，t₂，…，t_n]中统计相同长度周期出现的次数，找到出现次数最多的周期t_max，将[t₁，t₂，…，t_n]中所有等于t_max的参数列为备选参数集[p₁，p₂，…，p_v]，v≤n，对于其中的每一个参数p_j(1≤i≤k)，其对应的周期t_j＝t_max。

如上所述的第二步包括如下步骤：

从上一步计算得到的备选参数集中确定基准参数，并获得基准参数的划分特征。具体步骤如下：

步骤2.1：对备选参数集[p₁，p₂，…，p_v]中的每一个参数p_j，利用时间周期t_max对采样序列S_j进行预划分，得到子序列集合[sub₁，sub₂，…，sub_c]。对子序列集合中每个序列sub_k(1≤k≤c)，取得前两个采样周期的采样点对(s_d1，s_d2)_k。利用采样序列S_j的最大值和最小值进行等间隔分箱处理，得到采样点对(s_d1，s_d2)_k对应的分箱值对(e₁，e₂)_k。所有子序列集合计算得到的分箱值对集合为[(e₁，e₂)₁，(e₁，e₂)₂，…，(e₁，e₂)_c]。

步骤2.2：在分箱值对集合[(e₁，e₂)₁，(e₁，e₂)₂，…，(e₁，e₂)_c]中得到出现次数最多的分箱值对(e₁，e₂)_q，其中1≤q≤c，将其作为遥测参数p_j的窗口划分特征。利用该特征对采样序列S_j重新进行划分，得到新的划分子序列集合[sub_n1，sub_n2，…，sub_nc]。依此在新的子序列集合中计算后一项与前一项的卷积，即corr_ii＝corr(sub_ii*sub_ii-1)，其中2≤ii≤nc，得到[corr₁，corr₂，…，corr_nc-1]，计算该集合的标准差std_j，该值为遥测参数p_j重新划分窗口后得到的标准差，所有备选参数都计算划分窗口后的标准差，得到[std₁，std₂，…，std_v]。

步骤2.3：在备选参数标准差集[std₁，std₂，…，std_v]中求得具有最小标准差值的参数p_sel作为基准参数，将基准参数p_sel的划分特征(e₁，e₂)作为基准划分特征。

如上所述的第三步包括如下步骤：

利用上一步计算出的基准参数和基准划分特征对所有参数进行同步分割，具体步骤如下：

步骤3.1：设置最小保护时间间隔t_safe，是确保每个划分窗口不小于t_safe的值，避免窗口划分中受到野值的影响。t_safe一般取为航天器轨道周期时长。使用最小保护时间间隔t_safe和基准划分特征(e₁，e₂)对基准参数p_sel的采样序列S_sel＝[d_1sel，d_2sel…，d_msel]进行时间窗口的划分，将划分出的每个窗口使用窗口开始时间和窗口结束时间进行表示，得到基准划分窗口集为[(ws₁,we₁)，(ws₂,we₂)，…，(ws_h,we_h)]。

步骤3.2：依次选取待分析的n个遥测参数中的p_i，利用基准划分窗口集[(ws₁,we₁)，(ws₂,we₂)，…，(ws_h,we_h)]对该遥测参数的数据进行划分。划分方法为从1至h顺序从基准划分窗口集[(ws₁,we₁)，(ws₂,we₂)，…，(ws_h,we_h)]中取出划分时间窗口对(ws_jj,we_jj)，1≤jj≤h，将遥测参数p_i中开始时间≥ws_jj，结束时间≤we_jj的遥测值序列作为该窗口对应的划分结果。

本发明的实施例包括以下步骤：

参照图1，其为本发明的分析窗口划分流程图，共分为三个主要步骤：

1)多参数周期关联性分析；

2)生成基准参数的划分特征；

3)利用基准参数完成多参数的窗口划分。

步骤1-1，首先读入待分析的n个遥测参数的时间和值组成的时间序列，然后分别对这n个遥测参数进行预处理。预处理过程主要包括剔除野值和等间隔处理两步：剔除野值是为了避免空间环境或链路异常对整个时间序列的影响，剔野方法可采用3σ剔野法，同时在剔野过程中为了防止剔去遥测参数出现的异常状态，在异常值连续多次出现时该值不剔除；等间隔处理主要是因为待分析的遥测参数时间序列是不同采样间隔数据的排序组合，不便于后续算法处理，同时在等间隔处理的过程中，由于不同参数一般使用不同的采样间隔，所以不能采用固定值对所有参数进行统一的采样处理，需要计算得到每个参数的采样间隔，然后每个参数按照本参数的采样间隔进行等间隔处理。步骤1-2，对n个遥测参数都进行快速傅里叶变化，求得各个参数的大概周期，次周期并不是准确值，而只是为了将所有参数进行周期的关联分析，将周期近似相同的参数归为一类。步骤1-3，将所有参数归类后，选择占比最大的类中的所有参数作为备选参数集。

步骤2-1，对备选参数集中的每个参数按照计算出的周期进行划分，得到该参数的划分子序列集合。对子序列集合中每个序列取前两个采样周期的采样点作为特征点对，然后通过计算遥测参数时间序列的最大值和最小值，将特征点对转换为分箱值对，计算所有子序列的分箱值对，取其中出现次数最多的分箱值对作为该参数序列的划分特征。步骤2-2，备选参数集中的每个遥测参数按照划分特征对该参数的时间序列重新划分，将得到的子序列之间计算后一项与前一项的卷积，然后计算所有卷积结果的标准差。步骤2-3，在所有备选参数的标准差中取具有最小标准差值的遥测参数作为基准参数，将该基准参数的划分特征作为基准划分特征。

步骤3-1，设置最小保护时间间隔，确保每个划分窗口都大于最小保护时间间隔的值，使用基准划分特征对基准参数的时间序列进行窗口划分，得到每个子窗口的开始时间和结束时间，得到所有划分子窗口的基准时间区间集合。步骤3-2，对所有待分析的n个遥测参数，利用基准划分窗口集对每个遥测参数的时间序列进行划分，划分方法为依次从基准划分窗口集中选取划分时间窗口对，然后选取时间序列中在开始时间和结束时间之间的序列作为一个划分子窗口的结果。

图2为多遥测参数分析窗口划分结果，以参数1为基准参数实现对其余参数2，参数3和参数4的分析窗口划分，虚线标记处为划分窗口。

综上所述，本发明提供了一种通过多遥测参数关联周期分析，选取基准参数获得划分特征，实现多参数分析窗口的时间尺度上对齐的准确划分方法。解决了现有航天器多遥测参数分析中难以准确划分子分析窗口且难于对多关联参数窗口在时间尺度上对齐的技术问题。

Claims (1)

1.一种航天器多遥测参数分析窗口划分方法，其特征在于包括下述步骤：

步骤1，对于航天器遥测数据分析中的n个遥测参数p₁、p₂、….、p_n，取得每个遥测参数p_i的采样周期s_i，1≤i≤n，然后针对遥测参数p_i使用时间间隔s_i通过均值或中位数方式进行等时间间隔采样，获得采样后遥测参数序列S_i＝S(p_i)＝[d_1i，d_2i…，d_mi]，m为采样后遥测参数序列长度；

步骤2，对每个S_i进行快速傅里叶变换，得到变化结果F_i＝FFT(S_i)＝[f₀，f₁，…，f_m-1]，将零频直流分量f₀设置为0，然后计算F_i中的最大值max(F_i)，得到遥测参数p_i的近似周期t_i＝(m*s_i)/max(F_i)；循环计算得到所有参数的周期集合[t₁，t₂，…，t_n]；

步骤3，统计[t₁，t₂，…，t_n]中相同长度周期出现的次数，找到出现次数最多的周期t_max，将[t₁，t₂，…，t_n]中所有长度等于t_max的参数列为备选参数集[p₁，p₂，…，p_v]，v≤n；

步骤4，对[p₁，p₂，…，p_v]中的每一个参数p_j，利用时间周期t_max对采样序列S_j进行预划分，得到子序列集合[sub₁，sub₂，…，sub_c]；对子序列集合中每个序列sub_k，1≤k≤c，取得前两个采样周期的采样点对(s_d1，s_d2)_k；利用采样序列S_j的最大值和最小值进行等间隔分箱处理，得到采样点对(s_d1，s_d2)_k对应的分箱值对(e₁，e₂)_k；所有子序列集合计算得到分箱值对集合[(e₁，e₂)₁，(e₁，e₂)₂，…，(e₁，e₂)_c]；

步骤5，在[(e₁，e₂)₁，(e₁，e₂)₂，…，(e₁，e₂)_c]中得到出现次数最多的分箱值对(e₁，e₂)_q，1≤q≤c，将其作为遥测参数p_j的窗口划分特征；利用该窗口划分特征对采样序列S_j重新进行划分，得到新的划分子序列集合[sub_n1，sub_n2，…，sub_nc]；依此在新的子序列集合中计算后一项与前一项的卷积，即corr_ii＝corr(sub_ii*sub_ii-1)，其中2≤ii≤nc，得到[corr₁，corr₂，…，corr_nc-1]，计算该集合的标准差std_j，该值为遥测参数p_j重新划分窗口后得到的标准差，所有备选参数都计算划分窗口后的标准差，得到[std₁，std₂，…，std_v]；

步骤6，在备选参数标准差集[std₁，std₂，…，std_v]中求得具有最小标准差值的参数p_sel作为基准参数，将基准参数p_sel的划分特征(e₁，e₂)作为基准划分特征；

步骤7，设置最小保护时间间隔t_safe，确保每个划分窗口不小于t_safe；使用最小保护时间间隔t_safe和基准划分特征(e₁，e₂)对基准参数p_sel的采样序列S_sel＝[d_1sel，d_2sel…，d_msel]进行时间窗口的划分，将划分出的每个窗口使用窗口开始时间和窗口结束时间进行表示，得到基准划分窗口集为[(ws₁,we₁)，(ws₂,we₂)，…，(ws_h,we_h)]；

步骤8，依次选取待分析的n个遥测参数中的p_i，从1至h顺序从基准划分窗口集[(ws₁,we₁)，(ws₂,we₂)，…，(ws_h,we_h)]中取出划分时间窗口对(ws_jj,we_jj)，1≤jj≤h，将遥测参数p_i中开始时间≥ws_jj，结束时间≤we_jj的遥测值序列作为该窗口对应的划分结果。