CN111898194B - 一种航天器个体在轨空间辐射环境耐受健康度评估及预测方法 - Google Patents

Abstract

本发明提供一种航天器个体在轨空间辐射环境耐受健康度评估及预测方法，过程为：从航天器遥测数据中提取由空间辐射环境引起的异常数据，构建典型轨道上疑似空间辐射环境引起的异常数据集；选取典型轨道的多个航天器共性的异常数据集，将异常数据转换成为异常率数据，并利用时标与对应的空间环境数据构建广义线性相关模型；以异常数据集Y₀为训练数据集，相应的空间环境数据进行归一化处理，对于异常的表征采用Sigmoid函数，通过回归获得对应的参数因子；利用所确定的广义线性相关模型，根据空间环境因素对航天器个体在轨空间辐射环境耐受健康度评估及预测。本发明确保其能够满足在轨航天器异常现象分析及与空间环境风险预报等需求。

Description

一种航天器个体在轨空间辐射环境耐受健康度评估及预测 方法

技术领域

本发明涉及一种航天器个体在轨空间辐射环境耐受健康度评估及预测方法，属于航天器空间环境效应在轨分析及数据处理技术领域。

背景技术

航天器在轨会受到空间环境的影响，空间辐射环境会导致航天器产生静电放电、单粒子、总剂量等效应，影响航天器的在轨工作运行。为了对在轨航天器由于空间辐射引起的异常影响进行识别及预警，就需要利用已有的航天器在轨异常数据结合航天器所处的空间环境开展数据分析，目前主要的数据分析手段主要包括：

(1)通过时标直接对应航天器异常数据前后的空间环境，判别其是否发生异常，此方法较为常用但效果不理想；

(2)仅基于时标对齐并针对航天器异常的二元化表征和空间环境数据构建关联性，此方法相对具有普适性，但评估和预测结果准确率较低；

(3)对个别显著异常事件发生前后的空间环境波动进行详细分析，此方法具有一定的局限性；

虽然目前有一定的数据分析方法，然而实际情况下由于航天器设计上的认知不确定因素的复杂性(包括材料选用、材料特性的均匀性、结构加工、人工操作工艺重复性等)，每个航天器的个体都对同样空间辐射环境有着一定的差异性表现。目前现有的方法无法针对这些航天器个体差异进行分析，难以表征其量化特性，即航天器个体对于空间环境耐受的健康度。

因此，为了确保航天器在轨的空间环境影响分析和长期管理，必须提出更为有效，准确，可表征航天器个体的空间辐射环境耐受的健康评估和预测方法，满足在轨航天器异常现象分析及与空间环境风险预报等需求。

发明内容

本发明的目的在于提出一种航天器个体在轨空间辐射环境耐受健康度评估及预测方法，从而确保其能够满足在轨航天器异常现象分析及与空间环境风险预报等需求。

本发明的技术解决方案是：

一种航天器个体在轨空间辐射环境耐受健康度评估及预测方法，具体过程为：

(1)从航天器遥测数据中提取由空间辐射环境引起的异常数据，构建典型轨道上疑似空间辐射环境引起的异常数据集Y₀；

(2)选取典型轨道的多个航天器共性的异常数据集，将异常数据转换成为异常率数据，并利用时标与对应的空间环境数据构建广义线性相关模型Z＝W^TX+B；其中，X表示空间环境因素，Z表示异常数据，W和B表示参数因子；

(3)以所述异常数据集Y₀为训练数据集，相应的空间环境数据进行归一化处理，对于异常的表征采用Sigmoid函数

Y＝σ(z)＝1/(1+e^-z)

通过回归获得对应的参数因子W和B，以构建环境因素X与预测异常Y的关系性符合给出的在轨异常数据Y₀与环境因素X的实际关键特性；

(4)利用步骤三获得的参数因子W和B所确定的广义线性相关模型，根据空间环境因素对航天器个体在轨空间辐射环境耐受健康度评估及预测。

进一步地，本发明所述步骤(3)的具体过程为：

301构建Sigmoid函数σ(z)＝1/(1+e^-z)，于是dσ(z)/dz＝σ(z)(1-σ(z))，设a为某一组数据通过回归参数计算得出的风险结果，y为其实际风险结果，构建损失函数L(a,y)＝-(yloga+(1-y)log(1-a))；

302设训练数据共有m组，则总成本函数J＝∑L/m；

303计算参数时，定义Z＝W^TX+B，W＝[w₁,w₂,…w_n]^T，B＝[b,b,…b]，Z＝[z⁽¹⁾,z⁽²⁾,…z^(m)]，/>其中W和B初值事先设定，并设置学习率a；

304计算a⁽ⁱ⁾＝σ(z⁽ⁱ⁾)，A＝[a⁽¹⁾,a⁽²⁾,…a^(m)]，又由Y＝[y⁽¹⁾,y⁽²⁾,…y^(m)]，进行梯度下降计算，计算dZ＝dL/dz＝A-Y，计算dW＝XdZ^T/m，db＝∑dZ/m，其中向量

305参数迭代为：W＝W-a·dW、b＝b-a·db，重复计算A及J，当J小于设定的值时，将此时获得的参数W和B作为广义线性相关模型的参数。

有益效果

本方法可以对在轨航天器的环境异常数据特征进行提取和量化，将其转化为航天器个体的环境耐受健康度特征信息，可用于针对性的差异化在轨环境风险预警和航天器在轨异常分析，以及对现有航天器环境防护设计的针对性改进。

附图说明

图1为本发明数据处理方法的流程图；

图2为拟合获得曲线的示意图；

图3位不同卫星参数与均值的比较示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。

由于航天器具有空间环境防护措施，因此原有的“环境引起效应、效应导致异常”的过程将增加一定的概率性，变为“环境在达到一定程度后引起效应、效应在一定概率上引起异常”的情况。

本发明的设计思想为：基于朴素贝叶斯原理，假设各环境因素相对具有独立性，因此可以将异常表征为环境的函数；对于异常，由于其具有概率性的二分化特性，因此将其用Sigmoid函数表征，这样就可以将异常转换为二分化的连续S形函数；最后利用实际异常与环境数据，构建上述模型并找到对应的参数，就可以进行定量化表征，并根据模型进行航天器在轨健康度评估与预测。

一种航天器个体在轨空间辐射环境耐受健康度评估及预测方法，如图1所示，具体过程为：

(1)通过航天器遥测数据的范围判断其是否出现异常，并通过航天器故障模式分析排除设计及其他异常，从航天器遥测数据中提取由空间辐射环境引起的异常数据，构建典型轨道上疑似空间辐射环境引起异常数据集；

(2)选取典型轨道的多个航天器共性的异常数据集，将异常数据转换成为异常率数据，并利用时标与对应的空间辐射环境引起的异常数据集构建广义线性相关模型Z＝W^TX+B，其中，X表示空间环境因素，z表示异常数据，W和B表示参数因子；

(3)以所述异常数据集Y₀为训练数据集，相应的空间环境因素可进行归一化处理，对于异常的表征采用Sigmoid函数

Y＝σ(z)＝1/(1+e-^z)，Z＝W^TX+B；

通过回归获得对应的W和B因子，以构建环境因素X与预测异常Y的关系性符合给出的在轨异常数据Y₀与环境因素X的实际关键特性。具体过程为：

301构建Sigmoid函数σ(z)＝1/(1+e-^z)，于是dσ(z)/dz＝σ(z)(1-σ(z))。a为某一组数据通过回归参数计算得出的风险结果，y为实际风险结果，构建损失函数L(a,y)＝-(yloga+(1-y)log(1-a))；

302按训练数据共有m组，则总成本函数J＝∑L/m；

303计算参数时，定义Z＝W^TX+B，W＝[w₁,w₂,…w_n]^T，B＝[b,b,…b]，Z＝[z⁽¹⁾,z⁽²⁾,…z^(m)]，/>其中W和B的初值预先设定，T为矩阵转置。

304计算a⁽ⁱ⁾＝σ(z⁽ⁱ⁾)，A＝[a⁽¹⁾,a⁽²⁾,…a^(m)]，又由Y＝[y⁽¹⁾,y⁽²⁾,…y^(m)]，进行梯度下降计算，计算dZ＝dL/dz＝A-Y，计算dW＝XdZ^T/m，db＝∑dZ/m，其中向量为

305参数迭代为：设置学习率a，W＝W-a·dW，b＝b-a·db。重复迭代计算A及J(W,B)，将此时获得的参数W和B作为广义线性相关模型的参数。

(4)利用步骤三获得的参数因子W和B所确定的广义线性相关模型，根据空间环境因素对航天器个体在轨空间辐射环境耐受健康度评估及预测。具体包括个体航天器环境异常Sigmoid函数表征，然后利用确定的广义线性相关模型获取航天器健康度信息。

同时，上述步骤(1)-步骤(3)针对典型轨道的多个航天器异常数据叠加、单一航天器异常均可适用。

当针对单一航天器异常时，以单一航天器个体s1的异常数据Y_s1为基础，构建通过回归获得对应的W₁和B₁参数因子，以构建环境因素X与预测异常Y₁的关系性符合给出的在轨异常数据Y_s1与环境因素X的实际关键特性；

当针对多个环境因素(X₁,X₂,…X_n)时，构造模型并进行多元线性回归。当只有1种环境因素时，n＝1，则矩阵X退化为向量，W为仅此1种环境因素对应的系数。

按某一航天器s1的数据构建同一轨道面上多个航天器的平均数据构建Z＝W^TX+b可获得/>和b₁、W＝[w⁽¹⁾,w⁽²⁾,…w⁽ⁿ⁾]和b，令Z＝[z⁽¹⁾,z⁽²⁾,…z⁽ⁿ⁾]，/>其中，z⁽ⁱ⁾表示Z＝W^TX+b在X_i环境因素下的投影，即z⁽ⁱ⁾＝w_iX_i+b，/>同理。随后将/>表征为/>其中：/>其中代表sigmoid函数沿坐标轴的平移，可以代表卫星个体s1对于环境因素X_i的风险阈值，只有达到或超过阈值才可能产生一定的风险，/>在s曲线0-1之间过渡区间的大小，越窄表示超过阈值后越容易发生风险，可以代表卫星个体s1对于环境因素X_i的风险耐受敏感度，用这两组参数就可以建立卫星个体相对于整体典型轨道参量的个体化环境耐受健康度表征参数，可以更清晰的表征某颗卫星相对于标称环境影响耐受性的好/坏。

本方法提取不同航天器的辐射环境耐受健康度指标，可以进行长期迭代评估航天器健康度指标，也可用于外推预测航天器的健康情况变化。

为分析X1～X4共4个GEO轨道典型卫星及4个卫星整体在空间环境对高能电子沉积引起带电的个体化健康度指标，就可以将环境因素X选取为大于2MeV高能电子日通量并进行归一化处理，之后分别回归求解4个卫星及4个卫星整体Sigmoid函数构建模型的W、B值如下：

	W	B
			Y0	0.438158	-3.42385
Y1	0.450579	-4.41634
			Y2	0.591678	-2.58709
Y3	0.442548	-3.02567
			Y4	0.440856	-4.78193

拟合的曲线如图2所示。

因此，就可以求得X1～X4这四个卫星相对其平均值的z和η，从而可以构建相应的四个卫星的空间高能电子通量环境耐受健康度指标，结果如图3。

若针对其他环境因素，可以同样构造模型并进行多元线性回归，此时环境因素X为多个环境因素向量所组成的矩阵，W则为多个环境因素对应的敏感度向量，其针对各个卫星求解的方式与上述一致。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种航天器个体在轨空间辐射环境耐受健康度评估及预测方法，其特征在于，具体过程为：

(1)从航天器遥测数据中提取由空间辐射环境引起的异常数据，构建典型轨道上疑似空间辐射环境引起的异常数据集Y₀；

(2)选取典型轨道的多个航天器共性的异常数据集，将异常数据转换成为异常率数据，并利用时标与对应的空间环境数据构建广义线性相关模型Z＝W^TX+B；其中，X表示空间环境因素，Z表示异常数据，W和B表示参数因子；

(3)以所述异常数据集Y₀为训练数据集，相应的空间环境数据进行归一化处理，对于异常的表征采用Sigmoid函数

Y＝σ(z)＝1/(1+e^-z)

通过回归获得对应的参数因子W和B，以构建环境因素X与预测异常Y的关系性符合给出的在轨异常数据Y₀与环境因素X的实际关键特性；

(4)利用步骤三获得的参数因子W和B所确定的广义线性相关模型，根据空间环境因素对航天器个体在轨空间辐射环境耐受健康度评估及预测。

2.根据权利要求1所述航天器个体在轨空间辐射环境耐受健康度评估及预测方法，其特征在于，所述步骤(3)的具体过程为：

301构建Sigmoid函数σ(z)＝1/(1+e^-z)，于是dσ(z)/dz＝σ(z)(1-σ(z))，设a为某一组数据通过回归参数计算得出的风险结果，y为其实际风险结果，构建损失函数L(a,y)＝-(yloga+(1-y)log(1-a))；

302设训练数据共有m组，则总成本函数J＝∑L/m；

303计算参数时，定义Z＝W^TX+B，W＝[w₁,w₂,…w_n]^T，B＝[b,b,…b]，Z＝[z⁽¹⁾,z⁽²⁾,…z^(m)]，/>其中W和B初值事先设定，并设置学习率a；

304计算a⁽ⁱ⁾＝σ(z⁽ⁱ⁾)，A＝[a⁽¹⁾,a⁽²⁾,…a^(m)]，又由Y＝[y⁽¹⁾,y⁽²⁾,…y^(m)]，进行梯度下降计算，计算dZ＝dL/dz＝A-Y，计算dW＝XdZ^T/m，db＝∑dZ/m，其中向量

305参数迭代为：W＝W-a·dW、b＝b-a·db，重复计算A及J，当J小于设定的值时，将此时获得的参数W和B作为广义线性相关模型的参数。