CN107525686B - 一种航天器多遥测参数分析窗口划分方法 - Google Patents
一种航天器多遥测参数分析窗口划分方法 Download PDFInfo
- Publication number
- CN107525686B CN107525686B CN201710716596.9A CN201710716596A CN107525686B CN 107525686 B CN107525686 B CN 107525686B CN 201710716596 A CN201710716596 A CN 201710716596A CN 107525686 B CN107525686 B CN 107525686B
- Authority
- CN
- China
- Prior art keywords
- parameter
- window
- telemetry
- division
- sub
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Selective Calling Equipment (AREA)
- Navigation (AREA)
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
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、….、pn，取得每个遥测参数pi的采样周期si，1≤i≤n，然后针对遥测参数pi使用时间间隔si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Si＝S(pi)＝[d1i，d2i…，dmi]，m为采样后遥测参数序列长度；
步骤2，对每个Si进行快速傅里叶变换，得到变化结果Fi＝FFT(Si)＝[f0，f1，…，fm-1]，将零频直流分量f0设置为0，然后计算Fi中的最大值max(Fi)，得到遥测参数pi的近似周期ti＝(m*si)/max(Fi)；循环计算得到所有参数的周期集合[t1，t2，…，tn]；
步骤3，统计[t1，t2，…，tn]中相同长度周期出现的次数，找到出现次数最多的周期tmax，将[t1，t2，…，tn]中所有长度等于tmax的参数列为备选参数集[p1，p2，…，pv]，v≤n；
步骤4，对[p1，p2，…，pv]中的每一个参数pj，利用时间周期tmax对采样序列Sj进行预划分，得到子序列集合[sub1，sub2，…，subc]；对子序列集合中每个序列subk，1≤k≤c，取得前两个采样周期的采样点对(sd1，sd2)k；利用采样序列Sj的最大值和最小值进行等间隔分箱处理，得到采样点对(sd1，sd2)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pj的窗口划分特征；利用该窗口划分特征对采样序列Sj重新进行划分，得到新的划分子序列集合[subn1，subn2，…，subnc]；依此在新的子序列集合中计算后一项与前一项的卷积，即corrii＝corr(subii*subii-1)，其中2≤ii≤nc，得到[corr1，corr2，…，corrnc-1]，计算该集合的标准差stdj，该值为遥测参数pj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，…，stdv]；
步骤6，在备选参数标准差集[std1，std2，…，stdv]中求得具有最小标准差值的参数psel作为基准参数，将基准参数psel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tsafe，确保每个划分窗口不小于tsafe；使用最小保护时间间隔tsafe和基准划分特征(e1，e2)对基准参数psel的采样序列Ssel＝[d1sel，d2sel…，dmsel]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)，…，(wsh,weh)]；
步骤8，依次选取待分析的n个遥测参数中的pi，从1至h顺序从基准划分窗口集[(ws1,we1)，(ws2,we2)，…，(wsh,weh)]中取出划分时间窗口对(wsjj,wejj)，1≤jj≤h，将遥测参数pi中开始时间≥wsjj，结束时间≤wejj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、….、pn。对每个遥测参数pi(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pi的采样周期si，然后针对遥测参数pi使用时间间隔si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Si＝S(pi)＝[d1i，d2i…，dmi]，m为采样后遥测参数序列长度。
步骤1.2：对每个遥测参数pi预处理后的等间隔序列Si进行快速傅里叶变换，得到变化结果Fi＝FFT(Si)＝[f0，f1，…，fm-1]，将零频直流分量f0设置为0，然后计算Fi中的最大值max(Fi)，得到遥测参数pi的近似周期ti＝(m*si)/max(Fi)。循环计算得到所有参数的周期[t1，t2，…，tn]。
步骤1.3：对所有遥测参数计算得到的周期集合[t1，t2，…，tn]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tmax，将[t1，t2，…，tn]中所有等于tmax的参数列为备选参数集[p1，p2，…，pv]，v≤n，对于其中的每一个参数pj(1≤i≤k)，其对应的周期tj＝tmax。
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，…，pv]中的每一个参数pj，利用时间周期tmax对采样序列Sj进行预划分，得到子序列集合[sub1，sub2，…，subc]。对子序列集合中每个序列subk(1≤k≤c)，取得前两个采样周期的采样点对(sd1，sd2)k。利用采样序列Sj的最大值和最小值进行等间隔分箱处理，得到采样点对(sd1，sd2)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pj的窗口划分特征。利用该特征对采样序列Sj重新进行划分，得到新的划分子序列集合[subn1，subn2，…，subnc]。依此在新的子序列集合中计算后一项与前一项的卷积，即corrii＝corr(subii*subii-1)，其中2≤ii≤nc，得到[corr1，corr2，…，corrnc-1]，计算该集合的标准差stdj，该值为遥测参数pj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，…，stdv]。
步骤2.3：在备选参数标准差集[std1，std2，…，stdv]中求得具有最小标准差值的参数psel作为基准参数，将基准参数psel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tsafe，是确保每个划分窗口不小于tsafe的值，避免窗口划分中受到野值的影响。tsafe一般取为航天器轨道周期时长。使用最小保护时间间隔tsafe和基准划分特征(e1，e2)对基准参数psel的采样序列Ssel＝[d1sel，d2sel…，dmsel]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)，…，(wsh,weh)]。
步骤3.2：依次选取待分析的n个遥测参数中的pi，利用基准划分窗口集[(ws1,we1)，(ws2,we2)，…，(wsh,weh)]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)，…，(wsh,weh)]中取出划分时间窗口对(wsjj,wejj)，1≤jj≤h，将遥测参数pi中开始时间≥wsjj，结束时间≤wejj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、….、pn，取得每个遥测参数pi的采样周期si，1≤i≤n，然后针对遥测参数pi使用时间间隔si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Si＝S(pi)＝[d1i，d2i…，dmi]，m为采样后遥测参数序列长度；
步骤2，对每个Si进行快速傅里叶变换，得到变化结果Fi＝FFT(Si)＝[f0，f1，…，fm-1]，将零频直流分量f0设置为0，然后计算Fi中的最大值max(Fi)，得到遥测参数pi的近似周期ti＝(m*si)/max(Fi)；循环计算得到所有参数的周期集合[t1，t2，…，tn]；
步骤3，统计[t1，t2，…，tn]中相同长度周期出现的次数，找到出现次数最多的周期tmax，将[t1，t2，…，tn]中所有长度等于tmax的参数列为备选参数集[p1，p2，…，pv]，v≤n；
步骤4，对[p1，p2，…，pv]中的每一个参数pj，利用时间周期tmax对采样后备选参数序列Sj进行预划分，得到子序列集合[sub1，sub2，…，subc]；对子序列集合中每个序列subk，1≤k≤c，取得前两个采样周期的采样点对(sd1，sd2)k；利用采样后备选参数序列Sj的最大值和最小值进行等间隔分箱处理，得到采样点对(sd1，sd2)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，将其作为备选参数pj的窗口划分特征；利用该窗口划分特征对采样后备选参数序列Sj重新进行划分，得到新的划分子序列集合[subn1，subn2，…，subnc]；依此在新的子序列集合中计算后一项与前一项的卷积，即corrii＝corr(subii*subii-1)，其中2≤ii≤nc，得到[corr1，corr2，…，corrnc-1]，计算该集合的标准差stdj，该值为备选参数pj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，…，stdv]；
步骤6，在备选参数标准差集[std1，std2，…，stdv]中求得具有最小标准差值的参数psel作为基准参数，将基准参数psel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tsafe，确保每个划分窗口不小于tsafe；使用最小保护时间间隔tsafe和基准划分特征(e1，e2)对基准参数psel的采样序列Ssel＝[d1sel，d2sel…，dmsel]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)，…，(wsh,weh)]；
步骤8，依次选取待分析的n个遥测参数中的pi，从1至h顺序从基准划分窗口集[(ws1,we1)，(ws2,we2)，…，(wsh,weh)]中取出划分时间窗口对(wsjj,wejj)，1≤jj≤h，将遥测参数pi中开始时间≥wsjj，结束时间≤wejj的遥测值序列作为该窗口对应的划分结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710716596.9A CN107525686B (zh) | 2017-08-21 | 2017-08-21 | 一种航天器多遥测参数分析窗口划分方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710716596.9A CN107525686B (zh) | 2017-08-21 | 2017-08-21 | 一种航天器多遥测参数分析窗口划分方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107525686A CN107525686A (zh) | 2017-12-29 |
| CN107525686B true CN107525686B (zh) | 2019-03-15 |
Family
ID=60681724
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710716596.9A Expired - Fee Related CN107525686B (zh) | 2017-08-21 | 2017-08-21 | 一种航天器多遥测参数分析窗口划分方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107525686B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109558590B (zh) * | 2018-11-23 | 2022-11-15 | 中国人民解放军63789部队 | 一种基于航天器遥测参数分词的关键故障器件定位方法 |
| CN109634699B (zh) * | 2018-11-23 | 2022-04-05 | 中国人民解放军63789部队 | 一种基于桑基图的航天器异常信息聚类可视化及交互方法 |
| CN111125632B (zh) * | 2019-11-13 | 2023-03-24 | 中国西安卫星测控中心 | 一种包含多个航天器遥测参数的变量序列计算方法 |
| CN112541162A (zh) * | 2020-12-03 | 2021-03-23 | 北京航空航天大学 | 一种面向多遥测参数联合分析的时间轴自规整方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105242534B (zh) * | 2015-09-11 | 2017-11-21 | 中国人民解放军国防科学技术大学 | 基于遥测参数且关联于对卫星控制行为的卫星状态监测方法 |
| CN105205288B (zh) * | 2015-10-28 | 2018-08-14 | 中国人民解放军国防科学技术大学 | 基于模式演化的卫星长期在轨运行状态的预测方法 |
| CN105933083B (zh) * | 2015-11-04 | 2018-05-01 | 中国卫星海上测控部 | 基于动态窗口的虚拟信道通用调度算法 |
| FR3045170B1 (fr) * | 2015-12-09 | 2018-01-26 | Centre National D'etudes Spatiales (Cnes) | Procede de detection d'un comportement atypique de parametres de telemesure, produit programme d'ordinateur et dispositif associes |
| CN106053978B (zh) * | 2016-05-23 | 2018-12-21 | 航天东方红卫星有限公司 | 一种基于窗口的卫星非周期性遥测模拟量判读方法 |
-
2017
- 2017-08-21 CN CN201710716596.9A patent/CN107525686B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN107525686A (zh) | 2017-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107525686B (zh) | 一种航天器多遥测参数分析窗口划分方法 | |
| CN107192411A (zh) | 一种航天器多遥测参数分析窗口划分方法 | |
| CN106253902B (zh) | 具有多器件同步复位识别校正功能的多通道并行采集系统 | |
| CN105212954B (zh) | 一种脉冲堆积事件实时处理方法与系统 | |
| Tetrault et al. | Real time coincidence detection engine for high count rate timestamp based PET | |
| CN106406174B (zh) | 一种多模块多通道采集同步系统及工作方法 | |
| CN105426602B (zh) | 一种基于多核dsp实现脉内调制特性分析的装置及方法 | |
| CN102680860A (zh) | 一种高压电力线路行波测距用故障点自动定位方法 | |
| CN110988834B (zh) | 一种基于自适应阈值双门限的脉冲到达时间测量方法 | |
| CN105259410B (zh) | 一种强噪声干扰下的欠采样波形的频率估计方法及其装置 | |
| CN107545213B (zh) | 基于飞行时间质谱的信号处理方法、系统及电子设备 | |
| CN106934324A (zh) | 基于简化多假设算法的雷达数据关联方法 | |
| CN104459734B (zh) | 基于nh码元跳变检测的北斗卫星导航信号捕获方法 | |
| CN106556780A (zh) | 一种局部放电类型确定方法及系统 | |
| Shaw et al. | A Kalman-filter spectral envelope preprocessor | |
| CN105630725B (zh) | 一种用于分布式采集系统的数据同步方法 | |
| CN103529453A (zh) | 远距离脉冲激光测距系统 | |
| Madiraju et al. | FPGA Implementation of ECG feature extraction using Time domain analysis | |
| CN101916439A (zh) | 基于希尔伯特-黄变换的空间碎片高光谱序列探测方法 | |
| CN108491439B (zh) | 一种基于历史数据统计特性的遥测缓变参数自动判读方法 | |
| CN104977978B (zh) | 一种用于系统时钟不同步信号的采集及处理方法 | |
| CN110502554B (zh) | 一种基于皮尔逊系数的航天器相关遥测参数查找方法 | |
| CN107367640B (zh) | 基于相位信息的非均匀包络未知脉冲边沿估计方法及设备 | |
| CN102129083B (zh) | 相干能量谱获取方法 | |
| CN110032758B (zh) | 计算电信号的能量的方法、装置和计算机存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190315 Termination date: 20210821 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |