CN111680399A - 基于恒星年时序匹配的太阳同步轨道卫星一致性分析方法 - Google Patents
基于恒星年时序匹配的太阳同步轨道卫星一致性分析方法 Download PDFInfo
- Publication number
- CN111680399A CN111680399A CN202010374693.6A CN202010374693A CN111680399A CN 111680399 A CN111680399 A CN 111680399A CN 202010374693 A CN202010374693 A CN 202010374693A CN 111680399 A CN111680399 A CN 111680399A
- Authority
- CN
- China
- Prior art keywords
- data
- time domain
- detected
- normal
- telemetering
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Selective Calling Equipment (AREA)
Abstract
本发明公开了一种基于恒星年时序匹配的太阳同步轨道卫星一致性分析方法,涉及卫星在轨运行期间的异常状态检测技术,所述方法包括:根据太阳同步轨道卫星的一个恒星年周期的与日历日期相关的历史遥测数据,构建太阳同步轨道卫星的一个恒星年周期内的正常遥测数据集;根据太阳同步轨道卫星的待检测遥测数据的日历日期,从所述正常遥测数据集中获取所述日历日期对应的正常遥测数据;根据所述待检测遥测数据和所述正常遥测数据,确定两组数据的DTW距离和时域特征偏差;根据所述DTW距离和所述时域特征偏差,确定所述待检测遥测数据是否为一致性异常数据。
Description
技术领域
本发明涉及卫星在轨运行期间的异常状态检测技术领域,特别涉及基于恒星年时序匹配的太阳同步轨道卫星一致性分析方法。
背景技术
太阳同步轨道卫星,轨道倾角大于90°且在两极附近通过,其轨道面与太阳的取向一致,每天向东移动0.9856°。由于其轨道面与太阳取向一致,卫星总是在位于相同地点时经过同一位置,卫星在每个恒星年相同地点时所处的光照等卫星运行环境是相同的。卫星的大量遥测与卫星的运行环境密切相关,相同运行环境下的相同遥测具有高度相似性,这为进行卫星的一致性分析提供了基础。
卫星一致性分析的目的是对这些具有相似性的遥测数据进行相似性的定量度量,从而实现对遥测数据是否异常进行判断,进而在卫星发生故障前及时进行维修等操作,延长卫星的剩余使用寿命。
现有的一致性检测方法多从数据形态和数值大小上进行相似性度量从而实现一致性分析判别。常见的方法有根据欧氏距离、皮尔逊距离等范数距离来判断卫星遥测是否异常。
但以上方法所考虑的时间尺度都较小,太阳同步轨道卫星的运行周期是以恒星年进行计算的,一个恒星年内的卫星运行环境和状态时刻发生着变化,不同恒星年之间相同地方时之间的卫星运行环境和状态才具有较高的相似性,以上方法在小尺度时间维度上较难识别由于时间周期引起的卫星遥测变化,对一个周期内不同工作状态的卫星遥测识别能力较弱甚至没有,因此,需要一种从大尺度时间维度出发的卫星遥测一致性分析方法。
发明内容
本发明实施例提供的基于恒星年时序匹配的太阳同步轨道卫星一致性分析方法,解决在小尺度时间维度上较难识别由于时间周期引起的卫星遥测异常的问题。
本发明实施例提供的基于恒星年时序匹配的太阳同步轨道卫星一致性分析方法包括:
根据太阳同步轨道卫星的一个恒星年周期的与日历日期相关的历史遥测数据,构建太阳同步轨道卫星的一个恒星年周期内的正常遥测数据集;
根据太阳同步轨道卫星的待检测遥测数据的日历日期,从所述正常遥测数据集中获取所述日历日期对应的正常遥测数据;
根据所述待检测遥测数据和所述正常遥测数据,确定两组数据的DTW(DynamicTime Warping,动态时间归整)距离和时域特征偏差;
根据所述DTW距离和所述时域特征偏差,确定所述待检测遥测数据是否为一致性异常数据。
优选地,所述根据所述待检测遥测数据和所述正常遥测数据,确定两组数据的DTW距离和时域特征偏差包括:
对于每个日历日期,对所述待检测遥测数据和所述正常遥测数据进行相似性度量,得到两组数据的DTW距离;
根据所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征,得到两组数据的所述时域特征偏差。
优选地,所述对所述待检测遥测数据和所述正常遥测数据进行相似性度量,得到两组数据的DTW距离通过以下公式实现:
D(i,j)=Dist(i,j)+min{D(i-1,j),D(i,j-1),D(i-1,j-1)}
其中,Dist(i,j)表示所述待检测遥测数据中第i个采样点数据与所述正常遥测数据中第j个采样点数据之间的距离;D(i,j)衡量所述待检测遥测数据中前i个采样点数据与所述正常遥测数据中前j个采样点的相似性作为两组数据的DTW距离。
优选地,所述根据所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征,得到两组数据的所述时域特征偏差通过以下公式实现:
其中,error为所述时域特征偏差;ft是所述待检测遥测数据的时域特征的数值;fn是所述正常遥测数据的时域特征的数值。
优选地,所述时域特征包括均值、最大值、散度中的至少一个,在所述根据所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征,得到两组数据的所述时域特征偏差之前,还包括获取所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征。
优选地,所述获取所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征包括:
确定所述待检测遥测数据中所有采样点数据的平均值,记作所述待检测遥测数据的均值;
确定所述正常遥测数据中所有采样点数据的平均值,记作所述正常遥测数据的均值。
优选地,所述获取所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征包括:
确定所述待检测遥测数据的标准差与所述待检测遥测数据的均值的比值,记作所述待检测遥测数据的散度;
确定所述正常遥测数据的标准差与所述正常遥测数据的均值的比值,记作所述正常遥测数据的散度。
优选地,所述获取所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征包括:
确定所述待检测遥测数据中所有采样点数据的最大值,记作所述待检测遥测数据的最大值;
确定所述正常遥测数据中所有采样点数据的最大值,记作所述正常遥测数据的最大值。
优选地,所述根据所述DTW距离和所述时域特征偏差,确定所述待检测遥测数据是否为一致性异常数据包括:
获取多个日历日期的DTW距离和时域特征偏差;
比较多个日历日期的DTW距离;
比较多个日历日期的时域特征偏差;
若某一的日历日期的DTW距离发生突变且该日历日期的至少一个时域特征偏差发生突变,则将该日历日期的待检测遥测数据确定为一致性异常数据。
优选地,所述根据所述DTW距离和所述时域特征偏差,确定所述待检测遥测数据是否为一致性异常数据还包括:
若某一的日历日期的DTW距离发生突变或该日历日期的至少一个时域特征偏差发生突变,则将该日历日期的待检测遥测数据确定为非一致性异常数据。
本发明实施例实现了目前欠缺的大尺度卫星遥测一致性分析方法,能够对由于大尺度时间周期引起的卫星遥测变化进行监测和分析,适用于包络平稳型、范围内随机、范围内单调等类型的卫星遥测数据的一致性检测。
附图说明
图1是本发明实施例提供的基于恒星年时序匹配的太阳同步轨道卫星一致性分析方法的示意性流程图;
图2是本发明另一实施例提供的基于恒星年时序匹配的太阳同步轨道卫星一致性分析方法的工作流程图;
图3是2014-1-15日待检测遥测数据(充电阵电流)以及该日期对应的正常数据的示意图;
图4是2014-1-16日待检测遥测数据(充电阵电流)以及该日期对应的正常数据的示意图;
图5是2014-1-25日待检测遥测数据(充电阵电流)以及该日期对应的正常数据的示意图;
图6是2014-1-26日待检测遥测数据(充电阵电流)以及该日期对应的正常数据的示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,应当理解,以下所说明的实施例仅用于说明和解释本发明,并不用于限定本发明。
对卫星遥测数据进行一致性分析是进行异常检测的重要手段,而卫星遥测数据具有其自身的特点,比如存在随机性误码点,异常可能表现在累积时间维度而非某一时刻的数据幅值上等,这些特点使现在应用的时间序列相似性度量方法,如欧氏距离、皮尔逊距离等难以实现较为精准的一致性检测。本发明采用大尺度时序匹配的多指标综合分析方法,能够精准地进行卫星的一致性分析。
图1是本发明实施例提供的基于恒星年时序匹配的太阳同步轨道卫星一致性分析方法的示意性流程图,如图1所示,所述方法可以包括:
步骤S101:根据太阳同步轨道卫星的一个恒星年周期的与日历日期相关的历史遥测数据,构建太阳同步轨道卫星的一个恒星年周期内的正常遥测数据集。
例如,根据专家知识,从太阳同步轨道卫星的一个恒星年周期的与日历日期相关的历史遥测数据中删除异常数据,形成包括一个恒星年周期的与日历日期相关的正常遥测数据的正常遥测数据集。
步骤S102:根据太阳同步轨道卫星的待检测遥测数据的日历日期,从所述正常遥测数据集中获取所述日历日期对应的正常遥测数据。
例如,利用2013年的遥测数据建立正常遥测数据集后,若待检遥测数据是2014年1月5日的遥测数据,则从所述正常遥测数据集中获取第5天的正常遥测数据。
步骤S103:根据所述待检测遥测数据和所述正常遥测数据,确定两组数据的DTW距离和时域特征偏差。
所述步骤S103可以包括:对于每个日历日期,对所述待检测遥测数据和所述正常遥测数据进行相似性度量,得到两组数据的DTW距离,并根据所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征,得到两组数据的所述时域特征偏差。
进一步说,所述对所述待检测遥测数据和所述正常遥测数据进行相似性度量,得到两组数据的DTW距离通过以下公式实现:
D(i,j)=Dist(i,j)+min{D(i-1,j),D(i,j-1),D(i-1,j-1)}
其中,Dist(i,j)表示所述待检测遥测数据中第i个采样点数据与所述正常遥测数据中第j个采样点数据之间的距离;D(i,j)衡量所述待检测遥测数据中前i个采样点数据与所述正常遥测数据中前j个采样点的相似性作为两组数据的DTW距离。
进一步说,所述根据所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征,得到两组数据的所述时域特征偏差通过以下公式实现:
其中,error为所述时域特征偏差;ft是所述待检测遥测数据的时域特征的数值;fn是所述正常遥测数据的时域特征的数值,abs()为取绝对值。
需要说明的是,所述时域特征包括均值、最大值、散度中的至少一个。
在根据所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征,得到两组数据的所述时域特征偏差之前,还包括获取所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征。
其中,所述获取所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征的步骤包括以下至少之一:
(1)确定所述待检测遥测数据中所有采样点数据的平均值,记作所述待检测遥测数据的均值,以及确定所述正常遥测数据中所有采样点数据的平均值,记作所述正常遥测数据的均值。
(2)确定所述待检测遥测数据的标准差与所述待检测遥测数据的均值的比值,记作所述待检测遥测数据的散度,以及确定所述正常遥测数据的标准差与所述正常遥测数据的均值的比值,记作所述正常遥测数据的散度。
(3)确定所述待检测遥测数据中所有采样点数据的最大值,记作所述待检测遥测数据的最大值,以及确定所述正常遥测数据中所有采样点数据的最大值,记作所述正常遥测数据的最大值。
步骤S104:根据所述DTW距离和所述时域特征偏差,确定所述待检测遥测数据是否为一致性异常数据。
所述步骤S104可以包括:获取多个日历日期的DTW距离和时域特征偏差;比较多个日历日期的DTW距离;比较多个日历日期的时域特征偏差;若某一的日历日期的DTW距离发生突变且该日历日期的至少一个时域特征偏差发生突变,则将该日历日期的待检测遥测数据确定为一致性异常数据。
所述步骤S104还可以包括:若某一的日历日期的DTW距离发生突变或该日历日期的至少一个时域特征偏差发生突变,则将该日历日期的待检测遥测数据确定为非一致性异常数据。
本发明实施例从大时间尺度的维度出发,提出一种基于恒星年时序匹配的太阳同步轨道卫星一致性分析方法,实现更加准确地卫星遥参的一致性分析。
图2是本发明另一实施例提供的基于恒星年时序匹配的太阳同步轨道卫星一致性分析方法的工作流程图,如图2所示,
步骤一:收集卫星一个恒星年周期内的和日历时间高度相关的关键遥测数据,结合专家知识,剔除数据采集过程产生的系统误差,如变轨等引起的数据跳变,构建正常周期数据集X(即卫星的一个恒星年周期内的正常遥测数据集)。
步骤二:选取待检测的遥测数据,根据遥测数据的日历日期,获取正常周期数据集中对应日期的遥测数据xnd(n表示正常数据,d表示恒星年内的第d天)。
步骤三:将待检测的遥测数据xtd,与xnd进行相似性度量,计算两组数据之间的DTW距离。
其中,DTW距离的计算方式如下:
D(i,j)=Dist(i,j)+min{D(i-1,j),D(i,j-1),D(i-1,j-1)}
其中,Dist(i,j)表示xtd第i个点与xnd第j个点之间的距离(用来表征两个点的相似性);D(i,j)衡量的是xtd前i个点与xnd前j个点的相似性。
步骤四:分别计算遥测数据xtd与xnd时域特征之间的偏差。
其中,时域特征为散度、最大值和均值。
均值μ的计算公式如下:
其中,n表示当前遥测数据总采样点个数,xi为第i个采样点。
最大值dm的计算公式如下:
dm=max(xi)
散度cv的计算公式如下:
其中,σ是数据的标准差。
时域特征之间的偏差计算公式如下:
其中,error为所述时域特征偏差;ft是所述待检测遥测数据的时域特征的数值;fn是所述正常遥测数据的时域特征的数值。
步骤五:观察计算得到的DTW距离和时域特征偏差,将DTW距离过大和时域特征一个及以上偏差过大(对比未发生异常的数据和正常数据之间的各指标,过大指相比其他日期检测数据发生突变;)的遥测数据标记为一致性异常数据。
需要说明的是,待检测的遥测数据具有以下特征:正常遥测数据服从相同的统计分布;异常遥测数据和正常遥测数据之间有较为明显的统计分布上的差异。
应用案例
以某型太阳同步轨道充电阵电流数据为例,使用提出的一致性分析方法进行一致性检测。
正常周期数据集构建采用2013年的遥测数据,结合专家知识,获得充电阵电流正常周期数据集。选取2014年1月份4天的遥测数据作为测试数据,通过计算与正常周期数据集之间的DTW距离及时域特征偏差,判断该遥测是否发生异常。
每天的测试数据和对应的正常数据如图3-6所示。
每天的测试数据和对应正常数据之间的DTW距离及时域特征偏差如下表所示:
由表中可以看出,1月15日的数据散度偏差,1月25日数据的散度偏差、最大值偏差、DTW距离均表现异常,由综合判定条件可避免对1月15日的数据进行误判,判定1月25日遥测数据发生异常。
本发明综合考虑了太阳同步轨道卫星的周期性和相关遥测变化的周期性,根据太阳同步轨道卫星的运行周期,将卫星在一个恒星年周期内的正常遥测保留下来,首先,根据专家知识,剔除数据采集中产生的系统误差,获得一个周期的正常遥测数据;然后,采用散度等数据时域特征、DTW等时序数据相似性计算方法等对被测遥测和正常遥测之间的相似性进行度量分析,最终获得卫星的一致性检测结果。
尽管上文对本发明进行了详细说明,但是本发明不限于此,本技术领域技术人员可以根据本发明的原理进行各种修改。因此,凡按照本发明原理所作的修改,都应当理解为落入本发明的保护范围。
Claims (10)
1.基于恒星年时序匹配的太阳同步轨道卫星一致性分析方法,其特征在于,所述方法包括:
根据太阳同步轨道卫星的一个恒星年周期的与日历日期相关的历史遥测数据,构建太阳同步轨道卫星的一个恒星年周期内的正常遥测数据集;
根据太阳同步轨道卫星的待检测遥测数据的日历日期,从所述正常遥测数据集中获取所述日历日期对应的正常遥测数据;
根据所述待检测遥测数据和所述正常遥测数据,确定两组数据的DTW距离和时域特征偏差;
根据所述DTW距离和所述时域特征偏差,确定所述待检测遥测数据是否为一致性异常数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待检测遥测数据和所述正常遥测数据,确定两组数据的DTW距离和时域特征偏差包括:
对于每个日历日期,对所述待检测遥测数据和所述正常遥测数据进行相似性度量,得到两组数据的DTW距离;
根据所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征,得到两组数据的所述时域特征偏差。
3.根据权利要求2所述的方法,其特征在于,所述对所述待检测遥测数据和所述正常遥测数据进行相似性度量,得到两组数据的DTW距离通过以下公式实现:
D(i,j)=Dist(i,j)+min{D(i-1,j),D(i,j-1),D(i-1,j-1)}
其中,Dist(i,j)表示所述待检测遥测数据中第i个采样点数据与所述正常遥测数据中第j个采样点数据之间的距离;D(i,j)衡量所述待检测遥测数据中前i个采样点数据与所述正常遥测数据中前j个采样点的相似性作为两组数据的DTW距离。
5.根据权利要求4所述的方法,其特征在于,所述时域特征包括均值、最大值、散度中的至少一个,在所述根据所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征,得到两组数据的所述时域特征偏差之前,还包括获取所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征。
6.根据权利要求5所述的方法,其特征在于,所述获取所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征包括:
确定所述待检测遥测数据中所有采样点数据的平均值,记作所述待检测遥测数据的均值;
确定所述正常遥测数据中所有采样点数据的平均值,记作所述正常遥测数据的均值。
7.根据权利要求5所述的方法,其特征在于,所述获取所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征包括:
确定所述待检测遥测数据的标准差与所述待检测遥测数据的均值的比值,记作所述待检测遥测数据的散度;
确定所述正常遥测数据的标准差与所述正常遥测数据的均值的比值,记作所述正常遥测数据的散度。
8.根据权利要求5所述的方法,其特征在于,所述获取所述待检测遥测数据的时域特征和所述正常遥测数据的时域特征包括:
确定所述待检测遥测数据中所有采样点数据的最大值,记作所述待检测遥测数据的最大值;
确定所述正常遥测数据中所有采样点数据的最大值,记作所述正常遥测数据的最大值。
9.根据权利要求1-8任意一项所述的方法,其特征在于,所述根据所述DTW距离和所述时域特征偏差,确定所述待检测遥测数据是否为一致性异常数据包括:
获取多个日历日期的DTW距离和时域特征偏差;
比较多个日历日期的DTW距离;
比较多个日历日期的时域特征偏差;
若某一的日历日期的DTW距离发生突变且该日历日期的至少一个时域特征偏差发生突变,则将该日历日期的待检测遥测数据确定为一致性异常数据。
10.根据权利要求9所述的方法,其特征在于,所述根据所述DTW距离和所述时域特征偏差,确定所述待检测遥测数据是否为一致性异常数据还包括:
若某一的日历日期的DTW距离发生突变或该日历日期的至少一个时域特征偏差发生突变,则将该日历日期的待检测遥测数据确定为非一致性异常数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010374693.6A CN111680399B (zh) | 2020-05-06 | 2020-05-06 | 基于恒星年时序匹配的太阳同步轨道卫星一致性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010374693.6A CN111680399B (zh) | 2020-05-06 | 2020-05-06 | 基于恒星年时序匹配的太阳同步轨道卫星一致性分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111680399A true CN111680399A (zh) | 2020-09-18 |
CN111680399B CN111680399B (zh) | 2023-01-13 |
Family
ID=72433430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010374693.6A Active CN111680399B (zh) | 2020-05-06 | 2020-05-06 | 基于恒星年时序匹配的太阳同步轨道卫星一致性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111680399B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487363A (zh) * | 2020-12-03 | 2021-03-12 | 上海卫星工程研究所 | 一种基于mmd分析的卫星遥测一致性检测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6289268B1 (en) * | 2000-03-02 | 2001-09-11 | Hughes Electronics Corp. | Attitude determination system and method |
WO2013010569A1 (en) * | 2011-07-15 | 2013-01-24 | European Space Agency | Method and apparatus for monitoring an operational state of a system on the basis of telemetry data |
CN103646167A (zh) * | 2013-11-22 | 2014-03-19 | 北京空间飞行器总体设计部 | 一种基于遥测数据的卫星异常状态检测系统 |
CN104915568A (zh) * | 2015-06-24 | 2015-09-16 | 哈尔滨工业大学 | 基于dtw的卫星遥测数据异常检测方法 |
CN107644148A (zh) * | 2017-09-19 | 2018-01-30 | 中国人民解放军国防科技大学 | 一种基于多参数关联的在轨卫星异常状态监测方法及系统 |
-
2020
- 2020-05-06 CN CN202010374693.6A patent/CN111680399B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6289268B1 (en) * | 2000-03-02 | 2001-09-11 | Hughes Electronics Corp. | Attitude determination system and method |
WO2013010569A1 (en) * | 2011-07-15 | 2013-01-24 | European Space Agency | Method and apparatus for monitoring an operational state of a system on the basis of telemetry data |
CN103646167A (zh) * | 2013-11-22 | 2014-03-19 | 北京空间飞行器总体设计部 | 一种基于遥测数据的卫星异常状态检测系统 |
CN104915568A (zh) * | 2015-06-24 | 2015-09-16 | 哈尔滨工业大学 | 基于dtw的卫星遥测数据异常检测方法 |
CN107644148A (zh) * | 2017-09-19 | 2018-01-30 | 中国人民解放军国防科技大学 | 一种基于多参数关联的在轨卫星异常状态监测方法及系统 |
Non-Patent Citations (2)
Title |
---|
刘巾杰等: "小波分析在火箭飞行遥测数据判读中的应用", 《遥测遥控》 * |
李维铮等: "基于遥测数据动态特征的卫星异常检测方法", 《空间科学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487363A (zh) * | 2020-12-03 | 2021-03-12 | 上海卫星工程研究所 | 一种基于mmd分析的卫星遥测一致性检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111680399B (zh) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2884363B1 (en) | Anomaly detecting method, and apparatus for the same | |
CN112508105B (zh) | 一种采油机故障检测与检索方法 | |
CN109389145B (zh) | 基于计量大数据聚类模型的电能表生产厂商评价方法 | |
CN111401602A (zh) | 基于神经网络的卫星以及地面降水测量值同化方法 | |
CN111414571A (zh) | 一种大气污染物监测方法 | |
CN110929769A (zh) | 一种基于振动和声音的电抗器机械类故障联合检测模型、方法及装置 | |
CN110738346A (zh) | 一种基于威布尔分布的批次电能表可靠度预测方法 | |
CN111680399B (zh) | 基于恒星年时序匹配的太阳同步轨道卫星一致性分析方法 | |
CN113948159B (zh) | 一种变压器的故障检测方法、装置及设备 | |
CN113283113B (zh) | 太阳电池阵发电电流预测模型训练方法、异常检测方法、设备及介质 | |
CN111860447A (zh) | 一种准确识别随机相移卫星遥测时序数据模式的方法 | |
CN112819373A (zh) | 一种配网电压异常数据检测方法及装置 | |
US20230324234A1 (en) | Method for Locating Abnormal Temperature Event of Distributed Optical Fiber | |
CN109799379B (zh) | 充电检测方法、充电检测装置和插座 | |
CN115659271A (zh) | 传感器异常检测方法、模型训练方法、系统、设备及介质 | |
CN114461476B (zh) | 一种内存条故障检测方法、装置及系统 | |
US20240019468A1 (en) | High-resolution electrical measurement data processing | |
CN114897006A (zh) | 智能电表误差分类方法及系统、设备、存储介质 | |
CN115269568A (zh) | 一种海洋气象锚碇浮标数据集研制方法 | |
Adassuriya et al. | Identifying Variable Stars from Kepler Data Using Machine Learning | |
CN116448062B (zh) | 一种桥梁沉降变形检测方法、装置、计算机及存储介质 | |
Wang et al. | Observed Precipitation Trends Inferred from Canada’s Homogenized Monthly Precipitation Dataset | |
CN112464146B (zh) | 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 | |
CN114077848B (zh) | 一种新型传感器阵列板及其混合气体分析方法 | |
CN116070533B (zh) | 中子能谱的确定方法 |
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 |