CN112487363A - 一种基于mmd分析的卫星遥测一致性检测方法及系统 - Google Patents
一种基于mmd分析的卫星遥测一致性检测方法及系统 Download PDFInfo
- Publication number
- CN112487363A CN112487363A CN202011394612.5A CN202011394612A CN112487363A CN 112487363 A CN112487363 A CN 112487363A CN 202011394612 A CN202011394612 A CN 202011394612A CN 112487363 A CN112487363 A CN 112487363A
- Authority
- CN
- China
- Prior art keywords
- data
- satellite
- detected
- telemetry
- mmd
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 47
- 230000002159 abnormal effect Effects 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
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
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种基于MMD分析的卫星遥测一致性检测方法及系统。其中,本发明所述的基于MMD分析的卫星遥测一致性检测方法根据卫星遥测的时间连续性进行分段;采用MMD距离对分段后得到的时间序列之间的相似性度量;结合正常的卫星历史遥测数据对最新的卫星遥测数据进行一致性分析,实现卫星的异常状态检测。解决了由于数据在时间维度累积的异常以及随机误码点引起的传统方法的漏检和虚警问题。
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,尤其涉及卫星遥测参数的一致性检测。
背景技术
随着航天技术的不断发展,卫星在轨运行的主要工作方式为:长期自主运行为主,地面遥控为辅。目前,卫星遥测数据是地面工作人员判断卫星运行状态的重要依据,对卫星遥测数据进行一致性分析对卫星异常检测具有重要意义。
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。常见的方法有根据动态时间归整(Dynamic Time Warping,DTW)距离来判断卫星遥测是否异常,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。但卫星遥测数据往往具有存在随机性误码点,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特点,使现在应用的时间序列相似性度量方法,DTW、欧氏距离、皮尔逊距离等难以实现较为精准的一致性检测,进而导致对卫星遥测数据的异常检测结果不够准确。
例如:公开号为CN106494648A,公开日为2017年3月15日,名称为“两台星敏感器的在轨表决系统和方法”的中国专利文献公开了一种两台星敏感期的在轨表决方法。在该专利文献所公开的技术方案中,其采用的是欧式距离法对于两个小型微型数据一致性进行判断,但是其不适用于卫星遥测数据的检测。
基于此,本发明提出了一种基于MMD分析的卫星遥测一致性检测技术弥补上述不足,通过对这些时间序列相似的遥测数据进行相似性的定量度量,从而实现对遥测数据的一致性分析,实现卫星的异常状态检测,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。
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MMD分析的卫星遥测一致性检测方法及系统及计算机介质。
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,本发明提出一种基于MMD分析的卫星遥测一致性检测方法,其包括如下步骤:
步骤S1:选取待检测的遥测数据判断是否为正常数值,若是,则结束步骤,若否,则进入步骤S2;
步骤S2:构建卫星遥测数据模板,所述卫星遥测数据模板包括模板空间样本{Xm1,Xm2,Xm3,…Xmn}和MMD异常临界值dmax;
对待检测的遥测数据进行数据切割,获得待检测遥测数据样本{Xt1,Xt2,Xt3,…Xtk};
将待检测遥测数据分割出的待检测遥测数据样本{Xt1,Xt2,Xt3,…Xtk}与模板空间有样本{Xm1,Xm2,Xm3,…Xmn}分别计算MMD距离;
当计算得到的MMD距离的最大值超过MMD异常临界值dmax时,判断为异常数据;若没有超过,则判断为非异常数据。
需要说明的是,本案中MMD表示最大均值差异(Maximum Mean Discrepancy,MMD)。
需要说明的是,在步骤S2中,模板空间样本数据步骤S1中确认的正常数值按照时间连续性切割后获得。
优选地,在所述步骤S1中,利用卫星遥测数据统计分布分析技术判断选取待检测的遥测数据判断是否为正常数值。
例如,通过卫星遥测数据统计分析技术对卫星遥测数据的时域统计特征(如均值、方差)等特征信息进行专家评估,确认其是否在正常数值区间内,从而判断当前的待检测的遥测数据是否为正常数值。
优选地,在所述步骤S2中,利用卫星遥测数据一致性检测模板构建技术构建需要进行一致性检测的卫星遥测数据模板。
优选地,在所述步骤S2中,在对待检测的遥测数据进行数据切割时,采用以下方式进行:
对于太阳同步轨道卫星,按照时长(例如:自然日)对待检测的遥测数据进行切割;
对于中低轨道卫星,按照每轨为一段对待检测的遥测数据进行数据划分。
第二方面,本发明还提出了一种卫星遥测一致性检测系统,所述卫星遥测一致性检测系统包括:
数据接收装置,所述数据采集装置接收待检测的遥测数据并传输至处理器;
处理器,所述处理器对待检测的遥测数据进行处理,其执行以下步骤:
步骤S1:选取待检测的遥测数据判断是否为正常数值,若是,则结束步骤,若否,则进入步骤S2;
步骤S2:构建卫星遥测数据模板,所述卫星遥测数据模板包括模板空间样本{Xm1,Xm2,Xm3,…Xmn}和MMD异常临界值dmax;
对待检测的遥测数据进行数据切割,获得待检测遥测数据样本{Xt1,Xt2,Xt3,…Xtk};
将待检测遥测数据分割出的待检测遥测数据样本{Xt1,Xt2,Xt3,…Xtk}与模板空间有样本{Xm1,Xm2,Xm3,…Xmn}分别计算MMD距离;
当计算得到的MMD距离的最大值超过MMD异常临界值dmax时,判断为异常数据;若没有超过,则判断为非异常数据。
优选地,在所述步骤S1中,利用卫星遥测数据统计分布分析技术判断选取待检测的遥测数据判断是否为正常数值。
优选地,在所述步骤S2中,利用卫星遥测数据一致性检测模板构建技术构建需要进行一致性检测的卫星遥测数据模板。
优选地,在所述步骤S2中,在对待检测的遥测数据进行数据切割时,采用以下方式进行:
对于太阳同步轨道卫星,按照时长对待检测的遥测数据进行切割;
对于中低轨道卫星,按照每轨为一段对待检测的遥测数据进行数据划分。
优选地,所述MMD异常临界值dmax为0.7。
第三方面,本发明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卫星遥测一致性检测方法。
与现有技术相比,本发明所述的基于MMD分析的卫星遥测一致性检测方法及系统及计算机介质具有如下的有益效果:
1、本发明根据卫星遥测的时间连续性进行分段;采用MMD距离对分段后得到的时间序列之间的相似性度量;结合正常的卫星历史遥测数据对最新的卫星遥测数据进行一致性分析,实现卫星的异常状态检测。
2、本发明解决了由于数据在时间维度累积的异常以及随机误码点引起的传统方法的漏检和虚警问题。
3、本发明通过对这些时间序列相似的遥测数据进行相似性的定量度量,从而实现对遥测数据的一致性分析,实现卫星的异常状态检测,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。。
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为本发明所述的基于MMD分析的卫星遥测一致性检测方法的在一种实施方式下的流程图;
图2为本发明所述的基于MMD分析的卫星遥测一致性检测系统在一种实施方式下的检测得到的正常遥测数据示意图;
图3为本发明所述的基于MMD分析的卫星遥测一致性检测系统在一种实施方式下的检测得到的正常卫星遥测统计分布示意图;
图4为本发明所述的基于MMD分析的卫星遥测一致性检测系统在一种实施方式下的检测得到的异常遥测数据示意图;
图5为为本发明所述的基于MMD分析的卫星遥测一致性检测系统在一种实施方式下的检测得到的异常遥测统计分布示意图
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。
为了解决现有一致性检测方法存在的由于偶然误差引起的误报和一些长期异常但未超出报警门限导致的卫星异常虚警和漏检等问题,本案提出了基于MMD分析的卫星遥测一致性检测系统。
图1为本发明所述的基于MMD分析的卫星遥测一致性检测方法的在一种实施方式下的流程图。
如图1所示,所述卫星遥测一致性检测方法包括如下步骤:
步骤一:检测技术适用性分析
利用卫星遥测数据统计分布分析技术分析该一致性检测技术是否适用于要进行一致性检测的卫星遥测数据
步骤二:一致性模板构建
利用卫星遥测数据一致性检测模板构建技术构建需要进行一致性检测的卫星遥测数据模板,包括模板空间样本{Xm1,Xm2,Xm3,…Xmn}和MMD异常临界值dmax。
步骤三:卫星遥测时序切割
选取待检测的遥测数据,根据数据采集时间连续性进行数据切割,获得待检测遥测数据样本{Xt1,Xt2,Xt3,…Xtk}。其中,对于太阳同步轨道卫星,由于其数据传输是连续的,按照自然日对遥测数据进行切割,按照时长nt为一段进行数据的划分。对于中低轨道卫星,卫星进入测控弧段会传输数据,每个自然日有2轨到8轨数据不等,对该类遥测数据,按照每轨为一段进行数据划分
步骤四:卫星遥测一致性计算
将待检测遥测数据分割出的样本{Xt1,Xt2,Xt3,…Xtk}与模板空间中的所有样本{Xm1,Xm2,Xm3,…Xmn}分别计算MMD距离,其中MMD距离的计算方式如下:
其中,上式中,MMD(X,Y)表示MMD距离,H表示这个距离是由Φ()将数据映射到再生希尔伯特空间(RKHS)中进行度量的,再生希尔伯特空间是由核函数构成的空间,xi表示待检测遥测数据中任一样本x的数据点,yi表示模板空间中任一样本y的数据点,n表示x的数据点总量,m表示y的数据点总量。
步骤五:卫星遥测异常判定
比较计算得到的MMD距离的最大值是否超出异常临界值dmax。判断为异常数据;若没有超过,则判断为非异常数据。
应用场景:
以某型卫星遥测步进电机绕组驱动电流数据为例,该数据为包络平稳型数据,可用提出的基于MMD分析的卫星遥测一致性检测技术进行一致性检测,具体实施流程参考图1。
其中,在接收到待检测的遥测数据后,对该遥测数据进行切割,按照时间间隔大于5分钟进行切割,将该数据切成多轨。
依次选取每轨数据与模板空间中的所有样本进行对比计算MMD距离。
比较计算得到的MMD距离和异常临界值dmax之间的差距,判断该遥测是否表现异常。在本案中,选取异常临界值dmax为0.7。
该遥测正常状态的数据表现和统计分布表现分别如图2和图3所示,其中,图3上标注了正常状态的遥测数据和模板空间之间的距离。由图3可以看出,正常状态的遥测数据计算得到的MMD距离为0.57381671667099,图中曲线KDE表示遥测数据的核密度估计(正常状态下)。
该遥测异常状态的数据表现和统计分布表现分别如图4和图5所示。其中,图5上标注了异常状态的遥测数据和模板空间之间的距离。由图5可以看出,异常状态数据计算的到的MMD距离为0.730661928653717,图中曲线KDE表示遥测数据的核密度估计(异常状态下)。
基于此,可以判断MMD小于0.7的遥测数据状态正常,大于0.7的遥测数据状态异常。
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 (10)
1.一种基于MMD分析的卫星遥测一致性检测方法,其特征在于,其包括如下步骤:
步骤S1:选取待检测的遥测数据判断是否为正常数值,若是,则结束步骤,若否,则进入步骤S2;
步骤S2:构建卫星遥测数据模板,所述卫星遥测数据模板包括模板空间样本{Xm1,Xm2,Xm3,…Xmn}和MMD异常临界值dmax;
对待检测的遥测数据进行数据切割,获得待检测遥测数据样本{Xt1,Xt2,Xt3,…Xtk};
将待检测遥测数据分割出的待检测遥测数据样本{Xt1,Xt2,Xt3,…Xtk}与模板空间有样本{Xm1,Xm2,Xm3,…Xmn}分别计算MMD距离;
当计算得到的MMD距离的最大值超过MMD异常临界值dmax时,判断为异常数据;若没有超过,则判断为非异常数据。
2.根据权利要求1所述的卫星遥测一致性检测方法,其特征在于,在所述步骤S1中,利用卫星遥测数据统计分布分析技术判断选取待检测的遥测数据判断是否为正常数值。
3.根据权利要求1所述的卫星遥测一致性检测方法,其特征在于,在所述步骤S2中,利用卫星遥测数据一致性检测模板构建技术构建需要进行一致性检测的卫星遥测数据模板。
4.根据权利要求1所述的卫星遥测一致性检测方法,其特征在于,在所述步骤S2中,在对待检测的遥测数据进行数据切割时,采用以下方式进行:
对于太阳同步轨道卫星,按照时长对待检测的遥测数据进行切割;
对于中低轨道卫星,按照每轨为一段对待检测的遥测数据进行数据划分。
5.一种卫星遥测一致性检测系统,其特征在于,所述卫星遥测一致性检测系统包括:
数据接收装置,所述数据采集装置接收待检测的遥测数据并传输至处理器;
处理器,所述处理器对待检测的遥测数据进行处理,其执行以下步骤:
步骤S1:选取待检测的遥测数据判断是否为正常数值,若是,则结束步骤,若否,则进入步骤S2;
步骤S2:构建卫星遥测数据模板,所述卫星遥测数据模板包括模板空间样本{Xm1,Xm2,Xm3,…Xmn}和MMD异常临界值dmax;
对待检测的遥测数据进行数据切割,获得待检测遥测数据样本{Xt1,Xt2,Xt3,…Xtk};
将待检测遥测数据分割出的待检测遥测数据样本{Xt1,Xt2,Xt3,…Xtk}与模板空间有样本{Xm1,Xm2,Xm3,…Xmn}分别计算MMD距离;
当计算得到的MMD距离的最大值超过MMD异常临界值dmax时,判断为异常数据;若没有超过,则判断为非异常数据。
6.根据权利要求5所述的卫星遥测一致性检测系统,其特征在于,在所述步骤S1中,利用卫星遥测数据统计分布分析技术判断选取待检测的遥测数据判断是否为正常数值。
7.根据权利要求5所述的卫星遥测一致性检测系统,其特征在于,在所述步骤S2中,利用卫星遥测数据一致性检测模板构建技术构建需要进行一致性检测的卫星遥测数据模板。
8.根据权利要求5所述的卫星遥测一致性检测系统,其特征在于,在所述步骤S2中,在对待检测的遥测数据进行数据切割时,采用以下方式进行:
对于太阳同步轨道卫星,按照时长对待检测的遥测数据进行切割;
对于中低轨道卫星,按照每轨为一段对待检测的遥测数据进行数据划分。
9.根据权利要求5所述的卫星遥测一致性检测系统,其特征在于,所述MMD异常临界值dmax为0.7。
10.一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1-4中任意一项所述卫星遥测一致性检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011394612.5A CN112487363A (zh) | 2020-12-03 | 2020-12-03 | 一种基于mmd分析的卫星遥测一致性检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011394612.5A CN112487363A (zh) | 2020-12-03 | 2020-12-03 | 一种基于mmd分析的卫星遥测一致性检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112487363A true CN112487363A (zh) | 2021-03-12 |
Family
ID=74939596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011394612.5A Pending CN112487363A (zh) | 2020-12-03 | 2020-12-03 | 一种基于mmd分析的卫星遥测一致性检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112487363A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881160A (zh) * | 2022-05-18 | 2022-08-09 | 中国西安卫星测控中心 | 基于改进dtw距离的航天器异常子模式检测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110825545A (zh) * | 2019-08-31 | 2020-02-21 | 武汉理工大学 | 一种云服务平台异常检测方法与系统 |
CN111680399A (zh) * | 2020-05-06 | 2020-09-18 | 北京航空航天大学 | 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 |
-
2020
- 2020-12-03 CN CN202011394612.5A patent/CN112487363A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110825545A (zh) * | 2019-08-31 | 2020-02-21 | 武汉理工大学 | 一种云服务平台异常检测方法与系统 |
CN111680399A (zh) * | 2020-05-06 | 2020-09-18 | 北京航空航天大学 | 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 |
Non-Patent Citations (2)
Title |
---|
孙俏等: "基于域间相似度序数的迁移学习源领域的选择", 《科学技术与工程》 * |
张一迪等: "异常数据恒虚警检测的非参数方法", 《系统工程与电子技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881160A (zh) * | 2022-05-18 | 2022-08-09 | 中国西安卫星测控中心 | 基于改进dtw距离的航天器异常子模式检测方法及装置 |
CN114881160B (zh) * | 2022-05-18 | 2024-03-22 | 中国西安卫星测控中心 | 基于改进dtw距离的航天器异常子模式检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105808759B (zh) | 面向轨迹挖掘的数据预处理方法及系统 | |
EP3139313A2 (en) | Anomaly detection system and method | |
US20150169393A1 (en) | Anomaly detecting method, and apparatus for the same | |
US11669080B2 (en) | Abnormality detection device, abnormality detection method, and program | |
US11650557B2 (en) | Learning apparatus, learning method, computer readable medium having recorded thereon learning program, determination apparatus, determination method, and computer readable medium having recorded thereon determination program | |
WO2019216941A1 (en) | Quality inference from living digital twins in iot-enabled manufacturing systems | |
US20200143292A1 (en) | Signature enhancement for deviation measurement-based classification of a detected anomaly in an industrial asset | |
US20170352205A1 (en) | Validation tool for an aircraft engine monitoring system | |
US20210348985A1 (en) | Abnormality diagnostic device, abnormality diagnostic method, and program | |
FR2991486A1 (fr) | Procede et dispositif d'assistance au suivi de mission d'un aeronef | |
CN107153414B (zh) | 一种基于动静混合策略的故障检测与重构系统及方法 | |
US11480956B2 (en) | Computing an explainable event horizon estimate | |
US7949497B2 (en) | Machine condition monitoring using discontinuity detection | |
CN102393666A (zh) | 一种探测器嵌入式自主故障监测与异常数据记录装置 | |
CN112487363A (zh) | 一种基于mmd分析的卫星遥测一致性检测方法及系统 | |
CN113240076A (zh) | 一种基于聚类和神经网络算法的钟差异常数据检测方法 | |
US20170286841A1 (en) | Monitoring device and monitoring method thereof, monitoring system, and recording medium in which computer program is stored | |
KR20140111396A (ko) | 센서 모니터링 장치, 센서 모니터링 방법, 및 이를 위한 기록매체 | |
CN112882898B (zh) | 基于大数据日志分析的异常检测方法、系统、设备及介质 | |
CN117668684A (zh) | 基于大数据分析的电网电能数据异常检测方法 | |
Ferreira et al. | Predicting Ramp Events with a Stream-based HMM framework | |
KR20190128420A (ko) | 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법 및 시스템 | |
Zhao et al. | System informatics: from methodology to applications | |
CN113432623B (zh) | 一种陀螺仪系统测试用漂移解算分析方法 | |
JP6365144B2 (ja) | 時系列データの解析方法及び時系列データの異常監視装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210312 |
|
RJ01 | Rejection of invention patent application after publication |