CN112464170B - 一种基于数据稳定一致性的卫星健康状态评估方法及系统 - Google Patents
一种基于数据稳定一致性的卫星健康状态评估方法及系统 Download PDFInfo
- Publication number
- CN112464170B CN112464170B CN202011397403.6A CN202011397403A CN112464170B CN 112464170 B CN112464170 B CN 112464170B CN 202011397403 A CN202011397403 A CN 202011397403A CN 112464170 B CN112464170 B CN 112464170B
- Authority
- CN
- China
- Prior art keywords
- satellite
- health
- result
- stability
- telemetry
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Pure & Applied Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种基于数据稳定一致性的卫星健康状态评估方法。该方法包括了算法基础配置及数据调取,稳定性一致性评估,用户定制化权重调整,最终实现对在轨卫星单机产品的健康状态评估。此外,本发明还公开了一种基于数据稳定一致性的卫星健康状态评估系统。本发明的特点是完成了对在轨卫星单机的定量化的健康状态评估,充分利用稳定性和一致性检测评估方法和结果,能够排除或减小卫星单机产品对专家知识的依赖,并且能够根据用户进行定制化的稳定权重和一致性权重调整。
Description
技术领域
本发明涉及卫星单机的健康状态评估,尤其涉及一种基于数据稳定一致性的卫星单机产品的健康状态评估方法及系统。
背景技术
卫星系统由许多元部件组成,结构复杂,加之轨道环境可能存在的不确定因素的影响,很难保证在轨运行期间不发生任何故障。卫星系统故障发生的形式多样,而且系统内各组成部分功能相关联,故障传播可能引起链式反应,一旦不能及时干预,将导致严重后果,因此对卫星开展有效的健康管理需求迫切。由于卫星故障模式多样且故障样本缺乏,目前尚未建立起系统完善的卫星故障数据库,导致依赖故障数据的故障诊断难以在实际中推广。尽管异常检测技术具有不依赖故障样本的特点,但其无法从遥参数据中挖掘足够的健康信息,不能对卫星健康状态的动态演化进行有效地表征。对此,健康评估技术具有不依赖故障样本、动态表征系统健康状态的能力,在实际应用条件下具有极大使用价值。
目前,卫星健康评估主要依赖层次分析法,例如:公开号为CN106570337A,公开日为2017年4月19日,名称为“一种航天器综合能力评估方法”的中国专利文献公开了一种航天器综合能力评估方法,在该专利文献所公开的技术方案,其依赖于层次分析法进行评估。
又例如:公开号为CN103218515A,公开日为2013年7月24日,名称为“基于变权分层评分的卫星健康状态评估方法”的中国专利文献公开了一种卫星健康状态评估方法。在该专利文献所公开的技术方案中,其采用了模糊评判法对卫星健康状态进行评估。
需要指出的是,上述的专利文献需要大量的专家知识来进行参数加权融合以及健康等级划分,而对于遥测参数中的历史数据没有进行更进一步的运用,同时由于专家知识自身的局限性,其推广泛化难度较大。
而在历史数据的使用方面,主要进行的是卫星的状态监视,当前的监视手段产品通常是设置单参数的阈值对产品的状态进行报警,但是通过分析历史数据规律,对卫星开展定量化的状态评估很少,科研生产中尚未有定量化的状态评估方法使用。当需要对单机的状态进行评估时,通常是专家对历史数据进行回放,依赖专家知识开展模糊的健康状态评估,给出依据经验的健康状态等级,无法完成定量化的准确的健康度计算。
基于此,需要一种能有效挖掘卫星健康信息,尽可能少依赖专家知识的健康评估技术,来对卫星健康状态进行实时有效地度量。对于卫星而言,由于任务特殊性,其历史数据往往很难表现出明显的衰退特征来进行健康状态退化的表征,但是卫星的历史数据的稳定一致性能够反映卫星当前参数偏移以及健康状态,目前在稳定一致性方面对卫星展开的工作很少,开展基于数据稳定一致性的卫星单机健康状态评估工作具有很大的应用前景。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于数据稳定一致性的卫星健康状态评估方法、系统及计算机介质。
为了实现上述目的,本发明通过以下几个方面实现:
第一方面,本发明提出了一种基于数据稳定一致性的卫星健康状态评估方法,其包括如下步骤:
步骤S1:基于分系统以及单机两级筛选得到遥测参数;
步骤S2:基于步骤S1的遥测参数从系统数据库中调取得到遥测参数的历史数据,基于历史数据分别进行稳定性以及一致性评估,以获得单个遥测参数的稳定性结果以及单个遥测参数的一致性结果;
步骤S3:基于单个遥测参数的权重、单个遥测参数的稳定性结果以及一致性结果,获得单个遥测参数的健康度结果;
基于多个遥测参数间权重以及单个遥测参数的健康度结果计算获得卫星健康度结果;
步骤S4:基于卫星健康度结果获得最终的卫星健康状态评估结果。
优选地,在所述步骤S1中,所述遥测参数包括驱动机构温度、步进电机A绕组驱动电流以及步进电机B绕组驱动电流。
优选地,在所述步骤S2中,计算单个遥测参数的稳定性结果采用K-mean++算法。
优选地,在所述步骤S2中,计算单个遥测参数的稳定性采用MMD算法。
需要说明的是,MMD算法表示最大均值差异算法。
第二方面,本发明提出了一种卫星健康状态评估系统,所述卫星健康状态评估系统包括:
数据采集系统,所述数据采集系统实时采集卫星在入轨稳定后的各项数据;
数据传输系统,所述数据传输系统将所述数据采集系统采集的数据传输至系统数据库;
系统数据库,系统数据库存储来自数据传输系统的数据;
处理系统,所述处理系统包括分系统筛选器、单机筛选器以及处理装置,其执行以下步骤;
步骤S1:基于分系统以及单机两级筛选得到遥测参数;
步骤S2:基于步骤S2的遥测参数从系统数据库中调取得到遥测参数的历史数据,基于历史数据分别进行稳定性以及一致性评估,以获得单个遥测参数的稳定性结果以及单个遥测参数的一致性结果;
步骤S3:基于单个遥测的权重、单个遥测参数的稳定性结果以及一致性结果,获得单个参数的健康度结果;
基于多个遥测参数间权重以及单个参数的健康度结果计算获得卫星健康度结果;
步骤S4:基于卫星健康度结果获得最终的卫星健康状态评估结果。
优选地,所述遥测参数包括驱动机构温度、步进电机A绕组驱动电流以及步进电机B绕组驱动电流。
优选地,在所述步骤S2中,计算单个遥测参数的稳定性结果采用K-mean++算法。
优选地,在所述步骤S2中,计算单个遥测参数的稳定性采用MMD算法。
优选地,当所述遥测参数包括驱动机构温度、步进电机A绕组驱动电流以及步进电机B绕组驱动电流时,其权重分配分别为0.6、0.2以及0.2。
第三方面,本发明还提出了一种计算机可读存储介质,所述计算机可读存储介质上存储有处理程序,所述处理程序被处理器执行时实现上述的卫星健康状态评估方法。
与现有技术相比,本发明所述的基于数据稳定一致性的卫星健康状态评估方法、系统及计算机介质具有如下的有益效果:
1、本发明可以能有效挖掘卫星健康信息,尽可能少依赖专家知识的健康评估技术,来对卫星健康状态进行实时有效地度量。
2、本发明可以实现对于卫星装置,尤其是其驱动机构的健康状态的实时监控,算法简单,结果准确,适应性广。
3、本发明通过算法基础配置及数据调取,稳定性一致性评估以及用户定制化权重调整,最终实现对在轨卫星单机产品的健康状态评估。本发明的特点是完成了对在轨卫星单机的定量化的健康状态评估,充分利用稳定性和一致性检测评估方法和结果,能够排除或减小卫星单机产品对专家知识的依赖,并且能够根据用户进行定制化的稳定权重和一致性权重调整。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明所述的卫星健康状态评估方法在一种实施方式下的流程图;
图2为本发明所述的卫星健康状态评估系统在一种实施方式下的配置图;
图3为本发明所述的卫星健康状态评估系统在一种实施方式下的卫星驱动机构温度参数;
图4为本发明所述的卫星健康状态评估系统在一种实施方式下的卫星步进电机A绕组驱动电流参数;
图5为本发明所述的卫星健康状态评估系统在一种实施方式下的卫星步进电机B绕组驱动电流。
具体实施方式
下面结合具体实施例以及说明书附图对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
考虑到卫星单机产品的健康状态与本身特征有关,但是机理复杂,卫星的稳定性,一致性可以与历史状态进行比对,因此,本案发明人利用健康阶段构建的模板进行偏离比较,以此表征卫星的健康状态。
考虑到卫星状态在入轨运行一段时间后是最为平稳的,进入运营状态后,状态通常开始老化,因此将初始运行状态设为最佳健康状态。
图1为本发明所述的卫星健康状态评估方法在一种实施方式下的流程图。
如图1所示,卫星健康状态评估方法包括以下步骤:
步骤S1:基于分系统以及单机两级筛选得到遥测参数;
步骤S2:基于步骤S1的遥测参数从系统数据库中调取得到遥测参数的历史数据,基于历史数据分别进行稳定性以及一致性评估,以获得单个遥测参数的稳定性结果以及单个遥测参数的一致性结果;
步骤S3:基于单个遥测参数的权重、单个遥测参数的稳定性结果以及一致性结果,获得单个遥测参数的健康度结果;
基于多个遥测参数间权重以及单个遥测参数的健康度结果计算获得卫星健康度结果;
步骤S4:基于卫星健康度结果获得最终的卫星健康状态评估结果。
其中,在所述步骤S1中,所述遥测参数包括驱动机构温度、步进电机A绕组驱动电流以及步进电机B绕组驱动电流。
也就是说,当所述遥测参数包括驱动机构温度、步进电机A绕组驱动电流以及步进电机B绕组驱动电流时,遥测参数为三个,图3至图5分别显示了三个单个遥测参数在系统数据库中采集到的数据值,其中,图3为本发明所述的卫星健康状态评估系统在一种实施方式下的卫星驱动机构温度参数;图4为本发明所述的卫星健康状态评估系统在一种实施方式下的卫星步进电机A绕组驱动电流参数;图5为本发明所述的卫星健康状态评估系统在一种实施方式下的卫星步进电机B绕组驱动电流。
在步骤S2中,计算单个遥测参数的稳定性结果采用K-mean++算法;
在所述步骤S2中,计算单个遥测参数的稳定性采用MMD算法。
图2为本发明所述的卫星健康状态评估系统在一种实施方式下的配置图。
如图2所示,本案中,基于数据稳定一致性的卫星单机产品的健康状态评估方法的开展分为以下步骤:
步骤一:算法基础配置及数据准备。
在该步骤中,经过分系统、单机两级筛选,最终选择要进行运算的遥测参数;按照确定的遥测参数从系统数据库中调取遥测参数数据。
步骤二:开展稳定性、一致性评估。
在该步骤中,调用稳定性&一致性评估计算算法;其中,计算单个遥测单数的稳定性结果S;计算单个遥测参数的一致性结果U。
步骤三:开展单机(即卫星)健康评估。
在该步骤中,确定多个遥测参数间的权重β1、β2、……βn分配,计算公式如下:
β1+β2+……βn=1
确定单个遥测参数的稳定性权重α1n和一致性权重α2n分配,并计算单个遥测参数的健康度结果cvn;
cvn=α1n×Sn+α2n×Un
其中,cvn为多遥测参数中的第n个单个遥测参数的健康度;
计算基于稳定&一致的健康评估计算,计算公式如下:
CV=β1×cv1+β2×cv2+…βn×cvn
其中,CV为单机健康度,,由此表征卫星健康状态结果;cv1、cv2……cvn表示相应的单个遥测参数的健康度。
应用场景
应用某型卫星驱动机构参数数据为例描述本专利方法的实施流程。驱动机构作为少数的可动部件,切有可能成为卫星的单点故障,必须对驱动机构的健康状态进行实时的监控。但是驱动机构本身的具有设计复杂,故障率高的特点,依赖于专家知识也很难量化的给出当前的健康度。考虑到驱动机构在入轨运行一段时间后是最为平稳的,进入持续运行状态后,健康度通常开始下降,因此将初始运行状态设为最佳健康状态。采集此时相关的遥测数据,对其稳定性和一致性构建模板。通过专家经验进行稳定性和一致性打分评价,例如可以直接调用专家经验库的数据。并利用稳定性和一致性输出结果,开展定制化的健康度量化计算,具体流程如图1和图2所示。其中,图1为本发明所述的卫星健康状态评估方法在一种实施方式下的流程图;图2为本发明所述的卫星健康状态评估系统在一种实施方式下的配置图。
所述的步骤包括如下:
步骤一:算法基础配置及数据准备:
步骤1.1:经过分系统、单机两级筛选,最终确定遥测参数1为驱动机构温度、遥测参数2为步进电机A绕组驱动电流、遥测参数3为步进电机B绕组驱动电流,上述遥测参数作为监测参数;
步骤1.2:按照步骤1.1确定的遥测参数从系统数据库中调取遥测参数数据。遥测参数数据可以具体参考图3至图5;
步骤二:开展稳定性一致性评估:
步骤2.1、稳定性一致性评价结果
通过专家打分法使用专家知识库分别开展三个遥测参数的稳定性评价;调用一致性MMD算法分别开展三个遥测参数的一致性评价。
其中,得到单个遥测参数的稳定性结果分别为:S1=0.89,S2=0.96,S3=0.97;
得到单个遥测参数的一致性结果分别为:U1=0.95,U2=0.92,U3=0.92,
步骤三:开展单机健康评估
步骤3.1:确定多个遥测参数间的权β1、β2、……βn(在本实施例中有三个遥测参数,因此,n=3)分配,考虑到遥测参数1的重要度较高,遥测参数2和遥测参数3具有相同的重要度,分配如下:
β1=0.6、β2=0.2、β3=0.2;
步骤3.2:确定单个遥测参数的稳定性权重α11和一致性权重α12分配,分配方式为专家经验,并计算单个遥测参数的健康度结果cv1,具体如下:
α11=0.4,α12=0.6
cv1=α11×S1+α12×U1=0.926
同理可得,cv2=0.4×0.96+0.6×0.92=0.936,cv3=0.4×0.97+0.6×0.92=0.94;
步骤3.3计算基于稳定以及一致的健康评估计算,计算公式如下:
CV=β1×cv1+β2×cv2+…βn×cvn
最终得到卫星健康度CV=0.9308。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
需要说明的是,本发明的保护范围中现有技术部分并不局限于本申请文件所给出的实施例,所有不与本发明的方案相矛盾的现有技术,包括但不局限于在先专利文献、在先公开出版物,在先公开使用等等,都可纳入本发明的保护范围。
此外,本案中各技术特征的组合方式并不限本案权利要求中所记载的组合方式或是具体实施例所记载的组合方式,本案记载的所有技术特征可以以任何方式进行自由组合或结合,除非相互之间产生矛盾。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (8)
1.一种基于数据稳定一致性的卫星健康状态评估方法,其特征在于,其包括如下步骤:
步骤S1:基于分系统以及单机两级筛选得到遥测参数;
步骤S2:基于步骤S1的遥测参数从系统数据库中调取得到遥测参数的历史数据,基于历史数据分别进行稳定性以及一致性评估,以获得单个遥测参数的稳定性结果以及单个遥测参数的一致性结果;
步骤S3:基于单个遥测参数的权重、单个遥测参数的稳定性结果以及一致性结果,获得单个遥测参数的健康度结果;
基于多个遥测参数间权重以及单个遥测参数的健康度结果计算获得卫星健康度结果;
步骤S4:基于卫星健康度结果获得最终的卫星健康状态评估结果;
在所述步骤S1中,所述遥测参数包括驱动机构温度、步进电机A绕组驱动电流以及步进电机B绕组驱动电流;
所述卫星为在轨卫星;
将所述卫星的初始运行状态设为最佳健康状态,并采集此时相关的遥测数据,对稳定性和一致性构建模板;
其中,确定多个遥测参数间的权重β1、β2、……、βn分配,计算公式如下:
β1+β2+……+βn=1
确定单个遥测参数的稳定性权重α1n和一致性权重α2n分配,并计算单个遥测参数的健康度结果cvn;
cvn=α1n×Sn+α2n×Un
其中,cvn、Sn、Un分别为多遥测参数中的第n个单个遥测参数的健康度、稳定性结果、一致性结果;
计算基于稳定、一致的健康评估计算,计算公式如下:
CV=β1×cv1+β2×cv2+…βn×cvn
其中,CV为单机健康度,由此表征卫星健康状态结果;cv1、cv2……cvn表示相应的单个遥测参数的健康度。
2.根据权利要求1所述的卫星健康状态评估方法,其特征在于,在所述步骤S2中,计算单个遥测参数的稳定性结果采用K-mean++算法。
3.根据权利要求1所述的卫星健康状态评估方法,其特征在于,在所述步骤S2中,计算单个遥测参数的稳定性采用MMD算法。
4.一种基于数据稳定一致性的卫星健康状态评估系统,其特征在于,所述卫星健康状态评估系统包括:
数据采集系统,所述数据采集系统实时采集卫星在入轨稳定后的各项数据;
数据传输系统,所述数据传输系统将所述数据采集系统采集的数据传输至系统数据库;
系统数据库,系统数据库存储来自数据传输系统的数据;
处理系统,所述处理系统包括分系统筛选器、单机筛选器以及处理装置,其执行以下步骤;
步骤S1:基于分系统以及单机两级筛选得到遥测参数;
步骤S2:基于步骤S2的遥测参数从系统数据库中调取得到遥测参数的历史数据,基于历史数据分别进行稳定性以及一致性评估,以获得单个遥测参数的稳定性结果以及单个遥测参数的一致性结果;
步骤S3:基于单个遥测的权重、单个遥测参数的稳定性结果以及一致性结果,获得单个参数的健康度结果;
基于多个遥测参数间权重以及单个参数的健康度结果计算获得卫星健康度结果;
步骤S4:基于卫星健康度结果获得最终的卫星健康状态评估结果;
所述卫星为在轨卫星;
将所述卫星的初始运行状态设为最佳健康状态,并采集此时相关的遥测数据,对稳定性和一致性构建模板;
其中,确定多个遥测参数间的权重β1、β2、……、βn分配,计算公式如下:
β1+β2+……+βn=1
确定单个遥测参数的稳定性权重α1n和一致性权重α2n分配,并计算单个遥测参数的健康度结果cvn;
cvn=α1n×Sn+α2n×Un
其中,cvn、Sn、Un分别为多遥测参数中的第n个单个遥测参数的健康度、稳定性结果、一致性结果;
计算基于稳定、一致的健康评估计算,计算公式如下:
CV=β1×cv1+β2×cv2+…βn×cvn
其中,CV为单机健康度,由此表征卫星健康状态结果;cv1、cv2……cvn表示相应的单个遥测参数的健康度;所述遥测参数包括驱动机构温度、步进电机A绕组驱动电流以及步进电机B绕组驱动电流。
5.根据权利要求4所述的卫星健康状态评估系统,其特征在于,在所述步骤S2中,计算单个遥测参数的稳定性结果采用K-mean++算法。
6.根据权利要求4所述的卫星健康状态评估系统,其特征在于,在所述步骤S2中,计算单个遥测参数的稳定性采用MMD算法。
7.根据权利要求4所述的卫星健康状态评估系统,其特征在于,当所述遥测参数包括驱动机构温度、步进电机A绕组驱动电流以及步进电机B绕组驱动电流时,其权重分配分别为0.6、0.2以及0.2。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有处理程序,所述处理程序被处理器执行时实现如权利要求1-3中任意一项所述卫星健康状态评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011397403.6A CN112464170B (zh) | 2020-12-03 | 2020-12-03 | 一种基于数据稳定一致性的卫星健康状态评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011397403.6A CN112464170B (zh) | 2020-12-03 | 2020-12-03 | 一种基于数据稳定一致性的卫星健康状态评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112464170A CN112464170A (zh) | 2021-03-09 |
CN112464170B true CN112464170B (zh) | 2022-08-12 |
Family
ID=74805934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011397403.6A Active CN112464170B (zh) | 2020-12-03 | 2020-12-03 | 一种基于数据稳定一致性的卫星健康状态评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112464170B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109885907A (zh) * | 2019-01-29 | 2019-06-14 | 南京航空航天大学 | 一种基于云模型的卫星姿控系统健康状态评估和预测方法 |
CN111553059A (zh) * | 2020-04-16 | 2020-08-18 | 北京航空航天大学 | 一种任务健康和风险健康耦合的卫星健康度评估方法 |
CN111581782A (zh) * | 2020-04-16 | 2020-08-25 | 北京航空航天大学 | 一种基于健康状态层流逻辑模型的卫星健康层级评估方法 |
-
2020
- 2020-12-03 CN CN202011397403.6A patent/CN112464170B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109885907A (zh) * | 2019-01-29 | 2019-06-14 | 南京航空航天大学 | 一种基于云模型的卫星姿控系统健康状态评估和预测方法 |
CN111553059A (zh) * | 2020-04-16 | 2020-08-18 | 北京航空航天大学 | 一种任务健康和风险健康耦合的卫星健康度评估方法 |
CN111581782A (zh) * | 2020-04-16 | 2020-08-25 | 北京航空航天大学 | 一种基于健康状态层流逻辑模型的卫星健康层级评估方法 |
Non-Patent Citations (2)
Title |
---|
Research on the future state evaluation of satellite functional components;Zhu Changwen等;《IEEE》;20201018;正文第1-8页 * |
基于逻辑框图的卫星健康评估方法;朱昶文等;《计算机测量与控制》;20200225;第28卷(第2期);第267-273页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112464170A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20090292662A1 (en) | Time-series data analyzing apparatus, time-series data analyzing method, and computer program product | |
JP6847787B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
EP1111550A1 (en) | Method and system for monitoring the condition of an individual machine | |
JP2018128855A (ja) | イベント解析装置、イベント解析システム、イベント解析方法、イベント解析プログラム、および記録媒体 | |
JP6427357B2 (ja) | 診断支援システム及び診断支援方法 | |
CN105144174A (zh) | 生物体年龄预测装置及方法 | |
Gruber et al. | Condition-based maintenance via simulation and a targeted Bayesian network metamodel | |
Huang et al. | Application of optimized GM (1, 1) model based on EMD in landslide deformation prediction | |
US7412430B1 (en) | Determining the quality of computer software | |
CN112464170B (zh) | 一种基于数据稳定一致性的卫星健康状态评估方法及系统 | |
JP2007040713A (ja) | 常時微動計測に基づく建物の健全性診断法並びに健全性診断プログラム | |
CN110262417A (zh) | 一种生产设备故障预测诊断方法 | |
Kanoun et al. | SoRel: A tool for reliability growth analysis and prediction from statistical failure data | |
Yaldız et al. | Time Series Analysis of Radiological Data of Outpatients and Inpatients in Emergency Department of Mus State Hospital | |
CN115083570A (zh) | 一种基于数据共享的医疗影像管理系统 | |
San Pedro et al. | A case-based fuzzy multicriteria decision support model for tropical cyclone forecasting | |
CN116450445A (zh) | Api信息处理、lstm模型训练方法及装置、设备及介质 | |
Carnes | Software reliability in weapon systems | |
Chang et al. | Human reliability analysis method development in the US Nuclear Regulatory Commission | |
Jongsawat et al. | Developing a Bayesian network model based on a state and transition model for software defect detection | |
JPH0394331A (ja) | ソフトウェア開発進捗状況管理装置 | |
Abbas | System level health assessment of complex engineered processes | |
CN112613632B (zh) | 功率预测模型建立方法、预测方法、装置及电子设备 | |
US20220359082A1 (en) | Health state prediction system including ensemble prediction model and operation method thereof | |
Badiru | Quality Insights: Learning, forgetting, and relearning quality: a half-life learning curve modelling approach |
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 |