CN113032905B - 深空航天器的综合状态评估方法及装置 - Google Patents
深空航天器的综合状态评估方法及装置 Download PDFInfo
- Publication number
- CN113032905B CN113032905B CN202110303176.4A CN202110303176A CN113032905B CN 113032905 B CN113032905 B CN 113032905B CN 202110303176 A CN202110303176 A CN 202110303176A CN 113032905 B CN113032905 B CN 113032905B
- Authority
- CN
- China
- Prior art keywords
- data
- deep space
- state
- space spacecraft
- spacecraft
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 101
- 238000012544 monitoring process Methods 0.000 claims abstract description 130
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000013210 evaluation model Methods 0.000 claims abstract description 34
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004088 simulation Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000012854 evaluation process Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 13
- 230000001052 transient effect Effects 0.000 abstract description 9
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 abstract description 8
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000007781 pre-processing Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000012800 visualization Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 241001061260 Emmelichthys struhsakeri Species 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G06Q50/40—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
Abstract
本发明公开了一种深空航天器的综合状态评估方法及装置。其中,该方法包括:生成深空航天器的分层状态评估模型;确定深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列;基于告警阈值对偏差时间序列对应的时间序列数据进行实时告警监视,得到告警监视结果,并基于告警监视结果生成状态监视事件时间序列;利用分层状态评估模型以及状态监视事件时间序列对深空航天器进行综合状态评估,得到对深空航天器的综合状态评估结果。本发明解决了相关技术中综合状态人工实时监视方式无法实现对深空航天器的综合状态进行自动评估、容易使飞控人员陷入大批量瞬时数据以及稀疏准实时数据信息缺失困境的技术问题。
Description
技术领域
本发明涉及航天测控及航天器健康状态管理技术领域,具体而言,涉及一种深空航天器的综合状态评估方法及装置。
背景技术
目前,传统近地航天器的综合状态监视主要是以实时遥测数据为媒介,根据航天器特点和任务需要制作各种实时遥测数据显示页面,地面人员通过显示页面来进行航天器状态人工地实时监视、判读,并评估航天器运行状况,为航天器正常情况下的常规操作控制以及异常情况下的应急操作控制提供技术支持。
与以往近地航天器不同,深空航天器具有超远器地通信距离的显著特点,带来空间损耗高、通信时延大等典型问题,测控通信体制与传统航天器发生了较大变化。空间损耗高,导致航天器测控通信信道容量有限,能够传输的数据信息非常稀少,尤其是关键控制环节保证测控通信可靠性的前提下,一般以极低下行速率进行实时通信,地面可收到的实时遥测数据帧屈指可数,且存在一个大时延量的状态延迟,即为稀疏准实时遥测数据。为了弥补关键控制环节准实时下行数据稀疏有限问题,深空航天器会在关键控制结束且测控通信恢复后快速下传大批量延时遥测数据,作为关键控制环节执行情况的复核确认手段。然而,超远距离深空探测航天器存在大延时、信道容量有限等显著特点,仍采用近地航天器传统的综合状态人工实时监视方法会存在地面人员陷入大批量瞬时数据海洋,或稀疏准实时数据信息缺失困境。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种深空航天器的综合状态评估方法及装置,以至少解决相关技术中综合状态人工实时监视方式无法实现对深空航天器的综合状态进行自动评估、容易使飞控人员陷入大批量瞬时数据以及稀疏准实时数据信息缺失困境的技术问题。
根据本发明实施例的一个方面,提供了一种深空航天器的综合状态评估方法,包括:生成深空航天器的分层状态评估模型;确定所述深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列;基于告警阈值对所述偏差时间序列对应的时间序列数据进行实时告警监视,得到告警监视结果,并基于告警监视结果生成状态监视事件时间序列;利用所述分层状态评估模型以及所述状态监视事件时间序列对所述深空航天器进行综合状态评估,得到对所述深空航天器的综合状态评估结果。
可选地,生成深空航天器的分层状态评估模型,包括:获取所述深空航天器的外部输入文件,其中,所述外部输入文件至少包括:所述深空航天器的飞行程序、所述深空航天器的数据传输方式、所述深空航天器的遥测大纲;获取用于表征所述深空航天器的预定工况执行情况以及预定分系统运行下的遥测参数数据;根据所述外部输入文件、所述预定工况执行情况以及所述遥测参数数据生成所述分层状态评估模型。
可选地,在确定所述深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列之前,该深空航天器的综合状态评估方法还包括:获取所述深空航天器的实际遥测数据以及仿真遥测数据;对所述实际遥测数据和所述仿真遥测数据进行连续性判断,并对所述实际遥测数据和所述仿真遥测数据中的连续遥测数据进行离散化处理,得到离散化处理后的实际遥测数据和仿真遥测数据;确定所述离散化处理后的实际遥测数据和仿真遥测数据未对齐;采用插值方式对所述离散化处理后的实际遥测数据和仿真遥测数据进行对齐处理,得到预处理后的实际遥测数据和预处理后的仿真遥测数据。
可选地,确定所述深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列,包括:计算所述预处理后的实际遥测数据和所述预处理后的仿真遥测数据的数据偏差;根据所述数据偏差得到所述偏差时间序列。
可选地,在基于告警阈值对所述偏差时间序列对应的时间序列数据进行实时告警监视之前,该深空航天器的综合状态评估方法包括:获取历史时间段内的历史遥测数据;通过机器学习技术对所述历史遥测数据进行分析,以自适应调整所述告警阈值。
可选地,基于告警阈值对所述偏差时间序列对应的时间序列数据进行实时告警监视,得到告警监视结果,并基于告警监视结果生成状态监视事件时间序列,包括:基于所述告警阈值对所述偏差时间序列数据进行实时告警监视;在所述告警监视结果表示所述时间序列数据超过所述告警阈值时,生成告警事件;在所述告警监视结果表示所述时间序列数据未超过所述告警阈值时,生成正常事件;将所述告警事件以及所述正常事件确定为所述状态监视事件时间序列。
可选地,所述实际遥测数据和所述仿真遥测数据的类型包括:稀疏准实时遥测数据和批量延时遥测数据;其中,所述稀疏准实时遥测数据根据实际下行数据速率逐步更新,用于驱动所述深空航天器的状态评估过程,并以状态监视事件时间序列的最新状态作为底层子节点状态数据,若父节点对应的子节点状态全部正常,则生成所述父节点的正常事件;反之对所述父节点进行告警以生成告警事件。
可选地,在利用所述分层状态评估模型以及所述状态监视事件时间序列对所述深空航天器进行综合状态评估,得到对所述深空航天器的综合状态评估结果之后,该深空航天器的综合状态评估方法还包括:通过预定方式展示所述综合状态评估结果,其中,所述预定方式包括以下至少之一:状态信息文本展示方式、遥测状态曲线展示方式、三维地形交互式移动展示方式、运行状态与预定工况分层状态展示方式。
根据本发明实施例的另外一个方面,还提供了一种深空航天器的综合状态评估装置,包括:生成单元,用于生成深空航天器的分层状态评估模型;确定单元,用于确定所述深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列;获取单元,用于基于告警阈值对所述偏差时间序列对应的时间序列数据进行实时告警监视,得到告警监视结果,并基于告警监视结果生成状态监视事件时间序列;评估单元,用于利用所述分层状态评估模型以及所述状态监视事件时间序列对所述深空航天器进行综合状态评估,得到对所述深空航天器的综合状态评估结果。
可选地,所述生成单元,包括:第一获取模块,用于获取所述深空航天器的外部输入文件,其中,所述外部输入文件至少包括:所述深空航天器的飞行程序、所述深空航天器的数据传输方式、所述深空航天器的遥测大纲;第二获取模块,用于获取用于表征所述深空航天器的预定工况执行情况以及预定分系统运行下的遥测参数数据;第一生成模块,用于根据所述外部输入文件、所述预定工况执行情况以及所述遥测参数数据生成所述分层状态评估模型。
可选地,该深空航天器的综合状态评估装置还包括:所述获取单元,用于在确定所述深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列之前,获取所述深空航天器的实际遥测数据以及仿真遥测数据;离散化处理单元,用于对所述实际遥测数据和所述仿真遥测数据进行连续性判断,并对所述实际遥测数据和所述仿真遥测数据中的连续遥测数据进行离散化处理,得到离散化处理后的实际遥测数据和仿真遥测数据;所述确定单元,用于确定所述离散化处理后的实际遥测数据和仿真遥测数据未对齐;所述获取单元,用于采用插值方式对所述离散化处理后的实际遥测数据和仿真遥测数据进行对齐处理,得到预处理后的实际遥测数据和预处理后的仿真遥测数据。
可选地,所述确定单元,包括:计算模块,用于计算所述预处理后的实际遥测数据和所述预处理后的仿真遥测数据的数据偏差;第三获取模块,用于根据所述数据偏差得到所述偏差时间序列。
可选地,该深空航天器的综合状态评估装置包括:所述获取单元,用于在基于告警阈值对所述偏差时间序列对应的时间序列数据进行实时告警监视之前,获取历史时间段内的历史遥测数据;调整单元,用于通过机器学习技术对所述历史遥测数据进行分析,以自适应调整所述告警阈值。
可选地,所述获取单元,包括:告警监视模块,用于基于所述告警阈值对所述偏差时间序列数据进行实时告警监视;第二生成模块,用于在所述告警监视结果表示所述时间序列数据超过所述告警阈值时,生成告警事件;第三生成模块,用于在所述告警监视结果表示所述时间序列数据未超过所述告警阈值时,生成正常事件;确定模块,用于将所述告警事件以及所述正常事件确定为所述状态监视事件时间序列。
可选地,所述实际遥测数据和所述仿真遥测数据的类型包括:稀疏准实时遥测数据和批量延时遥测数据;其中,所述稀疏准实时遥测数据根据实际下行数据速率逐步更新,用于驱动所述深空航天器的状态评估过程,并以状态监视事件时间序列的最新状态作为底层子节点状态数据,若父节点对应的子节点状态全部正常,则生成所述父节点的正常事件;反之对所述父节点进行告警以生成告警事件。
可选地,该深空航天器的综合状态评估装置还包括:展示单元,用于在利用所述分层状态评估模型以及所述状态监视事件时间序列对所述深空航天器进行综合状态评估,得到对所述深空航天器的综合状态评估结果之后,通过预定方式展示所述综合状态评估结果,其中,所述预定方式包括以下至少之一:状态信息文本展示方式、遥测状态曲线展示方式、三维地形交互式移动展示方式、运行状态与预定工况分层状态展示方式。
根据本发明实施例的另外一个方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述计算机存储介质所在设备执行上述中任一项所述的深空航天器的综合状态评估方法。
根据本发明实施例的另外一个方面,还提供了一种处理器,所述处理器用于运行计算机程序,其中,所述计算机程序运行时执行上述中任一项所述的深空航天器的综合状态评估方法。
在本发明实施例中,生成深空航天器的分层状态评估模型;确定深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列;基于告警阈值对偏差时间序列对应的时间序列数据进行实时告警监视,得到告警监视结果,并基于告警监视结果生成状态监视事件时间序列;利用分层状态评估模型以及状态监视事件时间序列对深空航天器进行综合状态评估,得到对深空航天器的综合状态评估结果。通过本发明实施例提供的深空航天器的综合状态评估方法,实现了基于大批量延时数据的深空航天器综合状态快速、定量评估,并利用存在超大传输时延且数据非常有限的准实时稀疏数据进行深空航天器关键状态的快速确认方法,避免了飞控人员陷入大批量瞬时数据海洋、以及稀疏准实时数据信息缺失困境,为其快速、直观地掌握航天器运行状态、工况执行情况提供了技术支撑,为下一步的航天器任务规划,或者航天器故障快速应急处置争取时间,达到了提高对深空航天器进行综合状态评估的可靠性的技术效果,进而解决了相关技术中综合状态人工实时监视方式无法实现对深空航天器的综合状态进行自动评估、容易使飞控人员陷入大批量瞬时数据以及稀疏准实时数据信息缺失困境的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的深空航天器的综合状态评估方法的流程图;
图2是根据本发明实施例的轨控过程分层状态评估模型的框架图;
图3是根据本发明实施例的盲走移动工况分层状态评估模型的框架图;
图4是根据本发明实施例的遥测数据预处理的流程图;
图5是根据本发明实施例的告警门限阈值获取方法的流程图;
图6是根据本发明实施例的稀疏准实时遥测数据驱动分层状态评估的流程图;
图7是根据本发明实施例的批量延时遥测数据驱动分层状态评估方法的流程图;
图8是根据本发明实施例的深空航天器的综合状态评估方法的框架图;
图9是根据本发明实施例的深空航天器的综合状态评估装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
针对上述技术问题,在本发明实施例中从基于批量延时遥测和稀疏准实时遥测数据等多源数据的深空航天器系统运行状态、工况执行情况等综合状态快速判断角度出发,提出了一种基于多源数据的深空航天器综合状态快速自动评估方法,可以通过获取表征航天器典型工况执行情况,以及关键分系统运行情况的遥测参数数据,区分稀疏准实时、批量延时等不同数据源,分别建立航天器分层状态评估模型;接着对航天器实际遥测数据,以及引入的航天器仿真数据进行离散化处理,并将数据按时间进行精准对齐;然后计算航天器实际遥测数据与仿真数据偏差,得到偏差数据时间序列,并利用机器学习等技术分析偏差数据,自适应调整告警门限;监控偏差数据时间序列,生成状态监视事件,并从分层状态模型信息和状态监视事件时间序列信息两个维度进行综合状态自动评估;并利用文本以及曲线绘制等可视化方式,直观地显示典型工况执行情况,以及关键分系统运行情况。该方法采用了分层理论、机器学习和可视化等技术,构建了分层快速自动评估框架,定义了评估流程和步骤,下面对该深空航天器的综合状态评估方法及装置进行详细说明。
实施例1
根据本发明实施例,提供了一种深空航天器的综合状态评估方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的深空航天器的综合状态评估方法的流程图,如图1所示,该深空航天器的综合状态评估方法包括如下步骤:
步骤S102,生成深空航天器的分层状态评估模型。
这里可以结合实际任务需求,基于深空航天器关键分系统和典型工况,构建深空航天器分层状态评估模型。
需要说明的是,在本发明实施例中,基于多源数据的深空航天器综合状态快速自动评估方法涉及的输入主要包括:航天器实际遥测数据、仿真遥测数据。其中,航天器实际遥测数据包括:航天器进站后通过高速数传信道批量下传的延时遥测数据、以及低速实时下传的稀疏遥测数据,可以通过实时电文订阅或事后数据库查询等方式获取;航天器仿真遥测数据由飞行模拟器或其他航天器预测软件系统输出,要求已经综合考虑了航天器运行环境、工况和上行控制等相关因素,该类数据的具体仿真过程不在本发明范围内。
步骤S104,确定深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列。
需要说明的是,在本发明实施例中,实际遥测数据和仿真遥测数据的类型可以包括:稀疏准实时遥测数据和批量延时遥测数据。
步骤S106,基于告警阈值对偏差时间序列对应的时间序列数据进行实时告警监视,得到告警监视结果,并基于告警监视结果生成状态监视事件时间序列。
步骤S108,利用分层状态评估模型以及状态监视事件时间序列对深空航天器进行综合状态评估,得到对深空航天器的综合状态评估结果。
由上可知,在本发明实施例中,可以通过在生成深空航天器的分层状态评估模型后,确定深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列,并基于告警阈值对偏差时间序列对应的时间序列数据进行实时告警监视,得到告警监视结果,并基于告警监视结果生成状态监视事件时间序列,以及利用分层状态评估模型以及状态监视事件时间序列对深空航天器进行综合状态评估,得到对深空航天器的综合状态评估结果,实现了基于大批量延时数据的深空航天器综合状态快速、定量评估,并利用存在超大传输时延且数据非常有限的准实时稀疏数据进行深空航天器关键状态的快速确认方法,避免了飞控人员陷入大批量瞬时数据海洋、以及稀疏准实时数据信息缺失困境,为其快速、直观地掌握航天器运行状态、工况执行情况提供了技术支撑,为下一步的航天器任务规划,或者航天器故障快速应急处置争取时间,达到了提高对深空航天器进行综合状态评估的可靠性的技术效果。
因此,通过本发明实施例提供的深空航天器的综合状态评估方法,解决了相关技术中综合状态人工实时监视方式无法实现对深空航天器的综合状态进行自动评估、容易使飞控人员陷入大批量瞬时数据以及稀疏准实时数据信息缺失困境的技术问题。
可选地,在步骤S102中,生成深空航天器的分层状态评估模型可以基于分层理论,根据深空航天器飞行程序、数据传输方案和遥测大纲等外部输入文件、协调探测器系统共同构建航天器分层状态评估模型,具体构建方式包括以下执行步骤:
步骤S1001,获取深空航天器的外部输入文件,其中,外部输入文件至少包括:深空航天器的飞行程序、深空航天器的数据传输方式、深空航天器的遥测大纲。
步骤S1002,获取用于表征深空航天器的预定工况执行情况以及预定分系统运行下的遥测参数数据。
步骤S1003,根据外部输入文件、预定工况执行情况以及遥测参数数据生成分层状态评估模型。
需要说明的是,由于稀疏准实时遥测数据信息较少,其主要发生在关键控制环节,因此,基于稀疏准实时遥测数据驱动的深空航天器综合状态实时评估,根据实际应用场景构建单个分层状态模型。例如,以深空航天器轨控过程为例,以自上而下方式进行设计,顶层为轨控执行状态,中层为轨控相关数据类别,底层为遥测为中层节点对应的具体遥测参数,如图2所示(图2是根据本发明实施例的轨控过程分层状态评估模型的框架图),可以获取不同状态下的多个参数来确定轨控执行情况,比如,姿态状态(可基于参数1-1、参数1-2…参数1-n来确定)、发动机状态(可基于参数2-1、参数2-2…参数2-n来确定)、速度增量状态(可基于参数3-1、参数3-2…参数3-n来确定)。
而批量延时遥测数据量大,包含信息全面且详细,因此基于批量延时遥测数据驱动的深空航天器综合状态事后评估,应该按层级对移动、感知、太阳翼运动等典型工况,能源功耗、通信和热控等关键状态分别构建分层状态模型。以地外天体巡视器盲走类移动工况评估为例,以自上而下方式进行设计,顶层为盲走类移动工况执行情况,中层为火星车移动前状态设置情况、移动过程执行情况、移动后状态恢复设置情况,底层以中层的三个父节点状态为依据,相对应的遥测参数为父节点对应的子节点,如图3所示(图3是根据本发明实施例的盲走移动工况分层状态评估模型的框架图,在这种情况下,深空航天器由批量延时遥测数据驱动),可由移动前状态设置情况(可基于参数1-1、参数1-2…参数1-n来确定)(可基于参数2-1、参数2-2…参数2-n来确定)、移动过程执行情况以及移动后转台恢复设置情况(可基于参数3-1、参数3-2…参数3-n来确定)获取盲走移动工况下深空航天器的任务执行情况。
由上可知,在本发明实施例中,实际遥测数据和仿真遥测数据的类型可以包括:稀疏准实时遥测数据和批量延时遥测数据;其中,稀疏准实时遥测数据根据实际下行数据速率逐步更新,用于驱动深空航天器的状态评估过程,并以状态监视事件时间序列的最新状态作为底层子节点状态数据,若父节点对应的子节点状态全部正常,则生成父节点的正常事件;反之对父节点进行告警以生成告警事件。
容易注意到的是,一个完整的数据驱动的航天器综合状态快速评估过程,必须首先对数据进行预处理,以解决实际遥测数据和仿真遥测数据这两种数据源的匹配性问题。因此,为了提高对深空航天器进行综合状态评估的准确性,在本发明实施例中,确定深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列之前,还需要对获取的实际遥测数据和仿真遥测数据进行预处理。
具体地,在确定深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列之前,该深空航天器的综合状态评估方法还可以包括以下步骤:
步骤S1101,获取深空航天器的实际遥测数据以及仿真遥测数据。
步骤S1102,对实际遥测数据和仿真遥测数据进行连续性判断,并对实际遥测数据和仿真遥测数据中的连续遥测数据进行离散化处理,得到离散化处理后的实际遥测数据和仿真遥测数据。
步骤S1103,确定离散化处理后的实际遥测数据和仿真遥测数据未对齐。
步骤S1104,采用插值方式对离散化处理后的实际遥测数据和仿真遥测数据进行对齐处理,得到预处理后的实际遥测数据和预处理后的仿真遥测数据。
图4是根据本发明实施例的遥测数据预处理的流程图,如图4所示,遥测数据预处理过程主要涉及两个环节,具体地,首先对实际遥测数据和仿真遥测数据的进行连续性判断,对连续遥测数据进行离散化处理,后续评估的各环节都采用离散数据开展工作;)然后判断来自两种数据源(实际遥测数据和仿真遥测数据)的遥测数据是否对齐,若未对齐则以时标为基础,通过插值技术把航天器实际下行遥测数据与仿真遥测数据进行精准对齐。
需要说明的是,实际遥测数据和仿真遥测数据偏差以及对应的偏差告警门限阈值是进行深空航天器综合状态快速评估的关键驱动数据。并且,基于预处理后数据,计算航天器实际下行遥测数据与仿真遥测数据的对应偏差时间序列数据,可以为后续状态监视和分层状态评估提供数据支持。因此,需要先获取偏差时间序列。
其中,在步骤S102中,确定深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列可以通过以下步骤实现:
步骤S1021,计算预处理后的实际遥测数据和预处理后的仿真遥测数据的数据偏差。
步骤S1022,根据数据偏差得到偏差时间序列。
另外,在基于告警阈值对偏差时间序列对应的时间序列数据进行实时告警监视之前,该深空航天器的综合状态评估方法可以包括:获取历史时间段内的历史遥测数据;通过机器学习技术对历史遥测数据进行分析,以自适应调整告警阈值。
具体地,遥测数据的偏差告警门限阈值主要采用两种方式获取,具体如下:(1)根据预先提供相应参数的正常工作范围,通过上限和下限分别扣除中位数的数据转换方法,直接转换为初始偏差告警门限阈值(即,获取正常工作范围的上限值与下限值的中位数,并利用正常工作范围的上限值以及下限值分别减去该中位数,得到初始偏差告警门限阈值。需要说明的是,初始偏差告警门限阈值也可以通过其他方式确定),此种方式主要适用于任务执行前期;(2)根据历史遥测数据状态,通过统计分析或机器学习等技术,自适用调整已有偏差告警门限阈值,主要适用于航天器发射入轨后有一定量历史遥测数据积累的阶段。
其中,图5是根据本发明实施例的告警门限阈值获取方法的流程图,如图5所示,可以输入外部文件;根据相应参数的正常工作范围通过上限和下限分别扣除中位数的数据转换方法,直接转换为初始偏差告警门限阈值;接着,根据历史遥测数据状态,通过统计分析或机器学习等技术,自适用调整已有偏差告警门限阈值。
可选地,在步骤S102中,基于告警阈值对偏差时间序列对应的时间序列数据进行实时告警监视,得到告警监视结果,并基于告警监视结果生成状态监视事件时间序列,包括以下步骤:
步骤S1023,基于告警阈值对偏差时间序列数据进行实时告警监视。
步骤S1024,在告警监视结果表示时间序列数据超过告警阈值时,生成告警事件。
步骤S1025,在告警监视结果表示时间序列数据未超过告警阈值时,生成正常事件。
步骤S1026,将告警事件以及正常事件确定为状态监视事件时间序列。
由于航天器状态监视主要是以偏差告警门限阈值为基准,对偏差时间序列数据进行实时告警监视,若时间序列数据超过告警阈值则生成告警事件,若时间序列数据未超过告警阈值则生成正常事件,由告警事件和正常事件构成状态监视事件时间序列。本发明实施例所提出的航天器状态评估包含两个维度信息,一个是前期构建的分层状态模型的层级维度信息,另一个是状态监视事件时间序列维度信息。其中,稀疏准实时遥测数据、批量延时遥测数据两种数据源驱动的航天器状态评估过程,需要适应各自数据特点,具体如下:
针对稀疏准实时遥测数据,稀疏准实时遥测数据根据实际下行数据速率逐步更新,该类数据驱动的航天器状态评估过程,主要关注的是最新时刻的分层模型当前状态,以状态监视事件最新状态为底层子节点状态数据,若某父节点对应的子节点状态全部正常,则生成该父节点的正常事件,否则对该父节点进行告警,生成相应的告警事件,各层级从下至上进行各层级的状态评估,直至最高层状态节点,分层状态随着实时数据而不断迭代更新,如图6所示(图6是根据本发明实施例的稀疏准实时遥测数据驱动分层状态评估的流程图),可以实时更新偏差数据,以状态监视事件最新状态为底层子节点状态数据,若某父节点对应的子节点状态全部正常,则生成该父节点的正常事件,否则对该父节点进行告警,生成相应的告警事件,各层级从下至上进行各层级的状态评估,直到最高层状态节点,得到最新层状态评估信息。
针对批量延时遥测数据,其一般通过快速数传信道批量获得,该类数据驱动的航天器状态评估过程,分层状态信息维度和时间维度要综合考虑。图7是根据本发明实施例的批量延时遥测数据驱动分层状态评估方法的流程图,如图7所示,正常情况下,以批量遥测数据产生的对应状态监视事件时间序列整体状态作为分层模型底层子节点状态数据,若某父节点对应的状态监视事件时间序列全部都正常,则生成该父节点的正常事件,否则对该父节点进行告警,生成相应的告警事件,并把该异常事件时刻的整个分层状态作为异常状态时间状态剖面进行记录,各层级从下至上进行各层级的状态评估,直到最高层状态节点。
为了可以对航天器综合状态快速评估情况进行覆盖性全面、可读性较高的直观展现,可以对航天器综合状态评估进行可视化显示。
因此,在本发明实施例中,在利用分层状态评估模型以及状态监视事件时间序列对深空航天器进行综合状态评估,得到对深空航天器的综合状态评估结果之后,该深空航天器的综合状态评估方法还可以包括:通过预定方式展示综合状态评估结果,其中,预定方式包括以下至少之一:状态信息文本展示方式、遥测状态曲线展示方式、三维地形交互式移动展示方式、运行状态与预定工况分层状态展示方式。
由上可知,在本发明实施例中,航天器综合状态评估的可视化显示环节,主要可以包括:综合利用状态信息文本显示、关键工程遥测状态曲线显示、三维地形交互式移动以及运行状态与典型工况分层状态可视化等方式,对航天器综合状态快速评估情况进行覆盖性全面、可读性较高的直观展现,主要包括但不限于:各级告警事件文本显示;关键工程遥测数据曲线显示;重点关注状态监视事件时间序列曲线显示;稀疏准实时遥测数据驱动分层状态模型结构式的最新评估结果图形化显示;批量延时遥测数据驱动分层状态模型结构式的全时段评估结果图形化显示;批量延时遥测数据驱动分层状态模型结构式的异常时刻评估结果图形化显示;三维地形仿真遥测数据和实际遥测数据的制动轨迹,以及偏差时间序列数据的三维综合显示等。
由上可知,在本发明实施例中提供的深空航天器的综合状态评估方法,主要包括分层状态模型构建、数据离散化、时间对齐、偏差计算、自适应告警门限调整、实时告警、分层状态评估和可视化显示等关键环节。
图8是根据本发明实施例的深空航天器的综合状态评估方法的框架图,如图8所示,首先,结合实际任务需求,基于航天器关键分系统和典型工况,构建航天器分层状态模型;其次,对航天器实际遥测数据和仿真遥测数据进行数据预处理,离散化连续数据,并把两类数据按时间进行精确对齐;然后,计算两类数据的偏差时间序列,基于偏差数据自适应地学习调整告警门限阈值,利用门限阈值对偏差数据进行实时告警监视,生成状态监视事件时间序列;结合分层状态模型,从分层状态模型信息和状态监视事件时间序列信息两个维度进行分层状态评估;最后,综合利用状态信息文本显示、关键状态曲线显示以及运行状态或典型工况分层状态可视化等方式,对航天器综合状态快速评估情况进行覆盖性全面、可读性较高的直观展现。
综上所述,在本发明实施例中提供的深空航天器的综合状态评估中,可以通过结合实际任务需求,基于航天器关键分系统和典型工况,构建航天器分层状态模型;对航天器实际遥测数据和仿真遥测数据进行数据预处理,离散化连续数据,并把两类数据按时间进行对齐处理;基于数据误差跟踪的异常检测机制,首先计算数据偏差时间序列,并依据偏差数据自适应地学习调整告警门限阈值,利用门限阈值对偏差数据进行实时告警监视,生成状态监视事件时间序列;基于分层状态模型和状态监视事件时间序列,从分层状态模型信息和状态监视事件时间序列信息两个维度进行航天器分层状态评估的策略;综合利用状态信息文本显示、关键状态曲线显示以及运行状态或典型工况分层状态可视化等方式,对航天器综合状态快速评估情况进行覆盖性全面、可读性较高的直观展现,实现了利用分层状态模型构建、数据离散化、时间对齐、偏差计算、自适应告警门限调整、实时告警、分层状态评估和可视化显示等关键环节对深空航天器进行综合状态评估。首先,结合实际任务需求,基于航天器关键分系统和典型工况,构建航天器分层状态模型;其次,对航天器实际遥测数据和仿真遥测数据进行数据预处理,离散化连续数据,并把两类数据按时间进行精确对齐;然后,计算两类数据的偏差时间序列,基于偏差数据自适应地学习调整告警门限阈值,利用门限阈值对偏差数据进行实时告警监视,生成状态监视事件时间序列;结合分层状态模型,从分层状态模型信息和状态监视事件时间序列信息两个维度进行分层状态评估;最后,综合利用状态信息文本显示、关键状态曲线显示以及运行状态或典型工况分层状态可视化等方式,对航天器综合状态快速评估情况进行覆盖性全面、可读性较高的直观展现,从而有效解决了传统的综合状态人工实时监视方法不适用于深空航天器的难题,避免了飞控人员陷入大批量瞬时数据海洋、以及稀疏准实时数据信息缺失困境,为其快速、直观地掌握航天器运行状态、工况执行情况提供了技术支撑,为航天器任务规划或航天器故障快速应急处置争取了时间。
实施例2
根据本发明实施例的另外一个方面,还提供了一种深空航天器的综合状态评估装置,图9是根据本发明实施例的深空航天器的综合状态评估装置的示意图,如图9所示,该深空航天器的综合状态评估装置包括:生成单元91、确定单元93、获取单元95以及评估单元97。下面对该深空航天器的综合状态评估装置进行说明。
生成单元91,用于生成深空航天器的分层状态评估模型。
确定单元93,用于确定深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列。
获取单元95,用于基于告警阈值对偏差时间序列对应的时间序列数据进行实时告警监视,得到告警监视结果,并基于告警监视结果生成状态监视事件时间序列。
评估单元97,用于利用分层状态评估模型以及状态监视事件时间序列对深空航天器进行综合状态评估,得到对深空航天器的综合状态评估结果。
此处需要说明的是,上述生成单元91、确定单元93、获取单元95以及评估单元97对应于实施例1中的步骤S102至S108,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
由上可知,在本发明实施例中,可以通过生成单元生成深空航天器的分层状态评估模型;然后利用确定单元确定深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列;接着利用获取单元基于告警阈值对偏差时间序列对应的时间序列数据进行实时告警监视,得到告警监视结果,并基于告警监视结果生成状态监视事件时间序列;以及通过评估单元利用分层状态评估模型以及状态监视事件时间序列对深空航天器进行综合状态评估,得到对深空航天器的综合状态评估结果。通过本发明实施例提供的深空航天器的综合状态评估装置,实现了基于大批量延时数据的深空航天器综合状态快速、定量评估,并利用存在超大传输时延且数据非常有限的准实时稀疏数据进行深空航天器关键状态的快速确认方法,避免了飞控人员陷入大批量瞬时数据海洋、以及稀疏准实时数据信息缺失困境,为其快速、直观地掌握航天器运行状态、工况执行情况提供了技术支撑,为下一步的航天器任务规划,或者航天器故障快速应急处置争取时间,达到了提高对深空航天器进行综合状态评估的可靠性的技术效果,解决了相关技术中综合状态人工实时监视方式无法实现对深空航天器的综合状态进行自动评估、容易使飞控人员陷入大批量瞬时数据以及稀疏准实时数据信息缺失困境的技术问题。
在一种可选的实施例中,生成单元,包括:第一获取模块,用于获取深空航天器的外部输入文件,其中,外部输入文件至少包括:深空航天器的飞行程序、深空航天器的数据传输方式、深空航天器的遥测大纲;第二获取模块,用于获取用于表征深空航天器的预定工况执行情况以及预定分系统运行下的遥测参数数据;第一生成模块,用于根据外部输入文件、预定工况执行情况以及遥测参数数据生成分层状态评估模型。
在一种可选的实施例中,该深空航天器的综合状态评估装置还包括:获取单元,用于在确定深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列之前,获取深空航天器的实际遥测数据以及仿真遥测数据;离散化处理单元,用于对实际遥测数据和仿真遥测数据进行连续性判断,并对实际遥测数据和仿真遥测数据中的连续遥测数据进行离散化处理,得到离散化处理后的实际遥测数据和仿真遥测数据;确定单元,用于确定离散化处理后的实际遥测数据和仿真遥测数据未对齐;获取单元,用于采用插值方式对离散化处理后的实际遥测数据和仿真遥测数据进行对齐处理,得到预处理后的实际遥测数据和预处理后的仿真遥测数据。
在一种可选的实施例中,确定单元,包括:计算模块,用于计算预处理后的实际遥测数据和预处理后的仿真遥测数据的数据偏差;第三获取模块,用于根据数据偏差得到偏差时间序列。
在一种可选的实施例中,该深空航天器的综合状态评估装置包括:获取单元,用于在基于告警阈值对偏差时间序列对应的时间序列数据进行实时告警监视之前,获取历史时间段内的历史遥测数据;调整单元,用于通过机器学习技术对历史遥测数据进行分析,以自适应调整告警阈值。
在一种可选的实施例中,获取单元,包括:告警监视模块,用于基于告警阈值对偏差时间序列数据进行实时告警监视;第二生成模块,用于在告警监视结果表示时间序列数据超过告警阈值时,生成告警事件;第三生成模块,用于在告警监视结果表示时间序列数据未超过告警阈值时,生成正常事件;确定模块,用于将告警事件以及正常事件确定为状态监视事件时间序列。
在一种可选的实施例中,实际遥测数据和仿真遥测数据的类型包括:稀疏准实时遥测数据和批量延时遥测数据;其中,稀疏准实时遥测数据根据实际下行数据速率逐步更新,用于驱动深空航天器的状态评估过程,并以状态监视事件时间序列的最新状态作为底层子节点状态数据,若父节点对应的子节点状态全部正常,则生成父节点的正常事件;反之对父节点进行告警以生成告警事件。
在一种可选的实施例中,该深空航天器的综合状态评估装置还包括:展示单元,用于在利用分层状态评估模型以及状态监视事件时间序列对深空航天器进行综合状态评估,得到对深空航天器的综合状态评估结果之后,通过预定方式展示综合状态评估结果,其中,预定方式包括以下至少之一:状态信息文本展示方式、遥测状态曲线展示方式、三维地形交互式移动展示方式、运行状态与预定工况分层状态展示方式。
实施例3
根据本发明实施例的另外一个方面,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的计算机程序,其中,在计算机程序被处理器运行时控制计算机存储介质所在设备执行上述中任一项的深空航天器的综合状态评估方法。
实施例4
根据本发明实施例的另外一个方面,还提供了一种处理器,处理器用于运行计算机程序,其中,计算机程序运行时执行上述中任一项的深空航天器的综合状态评估方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种深空航天器的综合状态评估方法,其特征在于,包括:
获取深空航天器的外部输入文件,其中,所述外部输入文件至少包括:所述深空航天器的飞行程序、所述深空航天器的数据传输方式、所述深空航天器的遥测大纲;
获取用于表征所述深空航天器的预定工况执行情况以及预定分系统运行下的遥测参数数据;
根据所述外部输入文件、所述预定工况执行情况以及所述遥测参数数据生成所述深空航天器的分层状态评估模型;
确定所述深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列;
基于告警阈值对所述偏差时间序列对应的时间序列数据进行实时告警监视,得到告警监视结果,并基于告警监视结果生成状态监视事件时间序列;
利用所述分层状态评估模型以及所述状态监视事件时间序列对所述深空航天器进行综合状态评估,得到对所述深空航天器的综合状态评估结果。
2.根据权利要求1所述的方法,其特征在于,在确定所述深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列之前,所述方法还包括:
获取所述深空航天器的实际遥测数据以及仿真遥测数据;
对所述实际遥测数据和所述仿真遥测数据进行连续性判断,并对所述实际遥测数据和所述仿真遥测数据中的连续遥测数据进行离散化处理,得到离散化处理后的实际遥测数据和仿真遥测数据;
确定所述离散化处理后的实际遥测数据和仿真遥测数据未对齐;
采用插值方式对所述离散化处理后的实际遥测数据和仿真遥测数据进行对齐处理,得到预处理后的实际遥测数据和预处理后的仿真遥测数据。
3.根据权利要求2所述的方法,其特征在于,确定所述深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列,包括:
计算所述预处理后的实际遥测数据和所述预处理后的仿真遥测数据的数据偏差;
根据所述数据偏差得到所述偏差时间序列。
4.根据权利要求1所述的方法,其特征在于,在基于告警阈值对所述偏差时间序列对应的时间序列数据进行实时告警监视之前,所述方法包括:
获取历史时间段内的历史遥测数据;
通过机器学习技术对所述历史遥测数据进行分析,以自适应调整所述告警阈值。
5.根据权利要求1所述的方法,其特征在于,基于告警阈值对所述偏差时间序列对应的时间序列数据进行实时告警监视,得到告警监视结果,并基于告警监视结果生成状态监视事件时间序列,包括:
基于所述告警阈值对所述偏差时间序列数据进行实时告警监视;
在所述告警监视结果表示所述时间序列数据超过所述告警阈值时,生成告警事件;
在所述告警监视结果表示所述时间序列数据未超过所述告警阈值时,生成正常事件;
将所述告警事件以及所述正常事件确定为所述状态监视事件时间序列。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述实际遥测数据和所述仿真遥测数据的类型包括:稀疏准实时遥测数据和批量延时遥测数据;其中,所述稀疏准实时遥测数据根据实际下行数据速率逐步更新,用于驱动所述深空航天器的状态评估过程,并以状态监视事件时间序列的最新状态作为底层子节点状态数据,若父节点对应的子节点状态全部正常,则生成所述父节点的正常事件;
反之对所述父节点进行告警以生成告警事件。
7.根据权利要求6所述的方法,其特征在于,在利用所述分层状态评估模型以及所述状态监视事件时间序列对所述深空航天器进行综合状态评估,得到对所述深空航天器的综合状态评估结果之后,所述方法还包括:
通过预定方式展示所述综合状态评估结果,其中,所述预定方式包括以下至少之一:状态信息文本展示方式、遥测状态曲线展示方式、三维地形交互式移动展示方式、运行状态与预定工况分层状态展示方式。
8.一种深空航天器的综合状态评估装置,其特征在于,包括:
生成单元,用于生成深空航天器的分层状态评估模型;
确定单元,用于确定所述深空航天器的实际遥测数据和仿真遥测数据之间的偏差时间序列;
获取单元,用于基于告警阈值对所述偏差时间序列对应的时间序列数据进行实时告警监视,得到告警监视结果,并基于告警监视结果生成状态监视事件时间序列;
评估单元,用于利用所述分层状态评估模型以及所述状态监视事件时间序列对所述深空航天器进行综合状态评估,得到对所述深空航天器的综合状态评估结果;
其中,所述生成单元,包括:第一获取模块,用于获取所述深空航天器的外部输入文件,其中,所述外部输入文件至少包括:所述深空航天器的飞行程序、所述深空航天器的数据传输方式、所述深空航天器的遥测大纲;第二获取模块,用于获取用于表征所述深空航天器的预定工况执行情况以及预定分系统运行下的遥测参数数据;第一生成模块,用于根据所述外部输入文件、所述预定工况执行情况以及所述遥测参数数据生成所述分层状态评估模型。
9.一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包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任一项所述的深空航天器的综合状态评估方法。
10.一种处理器,其特征在于,所述处理器用于运行计算机程序,其中,所述计算机程序运行时执行权利要求1至7中任一项所述的深空航天器的综合状态评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110303176.4A CN113032905B (zh) | 2021-03-22 | 2021-03-22 | 深空航天器的综合状态评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110303176.4A CN113032905B (zh) | 2021-03-22 | 2021-03-22 | 深空航天器的综合状态评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113032905A CN113032905A (zh) | 2021-06-25 |
CN113032905B true CN113032905B (zh) | 2023-04-18 |
Family
ID=76472394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110303176.4A Active CN113032905B (zh) | 2021-03-22 | 2021-03-22 | 深空航天器的综合状态评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113032905B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113761652B (zh) * | 2021-08-18 | 2023-09-15 | 上海卫星工程研究所 | 深空探测在轨工程可视化监视及展示任务设计方法及系统 |
CN114880196B (zh) * | 2022-03-25 | 2023-03-10 | 北京航天飞行控制中心 | 深空航天器轨道控制效果的评估方法及装置、存储介质 |
CN114879707B (zh) * | 2022-03-25 | 2023-03-10 | 北京航天飞行控制中心 | 深空航天器故障的处置方法及装置、存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106114910A (zh) * | 2016-06-15 | 2016-11-16 | 湖北航天技术研究院总体设计所 | 一种航天器飞行轨道滚动时域控制方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5465321A (en) * | 1993-04-07 | 1995-11-07 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Hidden markov models for fault detection in dynamic systems |
US7718227B2 (en) * | 2006-08-16 | 2010-05-18 | The Boeing Company | Flexible thermal control coatings and methods for fabricating the same |
CN100493993C (zh) * | 2007-12-26 | 2009-06-03 | 北京控制工程研究所 | 一种卫星的自主变轨方法 |
CN105763396B (zh) * | 2016-04-12 | 2018-02-06 | 北京理工大学 | 基于邻居相关状态的分布式多智能体实时故障检测方法 |
CN111612050B (zh) * | 2020-04-30 | 2023-09-15 | 中国西安卫星测控中心 | 遥测数据异常检测的方法 |
-
2021
- 2021-03-22 CN CN202110303176.4A patent/CN113032905B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106114910A (zh) * | 2016-06-15 | 2016-11-16 | 湖北航天技术研究院总体设计所 | 一种航天器飞行轨道滚动时域控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113032905A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113032905B (zh) | 深空航天器的综合状态评估方法及装置 | |
US20180357343A1 (en) | Optimization methods for physical models | |
CN106125714B (zh) | 结合bp神经网络与二参数威布尔分布的故障率预测方法 | |
CN103711523B (zh) | 基于局域分解-进化神经网络的瓦斯浓度实时预测方法 | |
CN107423414A (zh) | 一种基于信息传递模型的流程工业复杂机电系统故障溯源方法 | |
CN106951695A (zh) | 多工况下的机械设备剩余使用寿命计算方法及系统 | |
CN113722979B (zh) | 一种基于数字孪生的采煤机虚实交互系统及其构建方法 | |
US8554717B2 (en) | Risk assessment for tools | |
EP3004530B1 (en) | Method for selecting and optimizing oil field controls for a production plateau | |
CN110991036B (zh) | 航天器姿轨控系统故障案例库构建系统及构建方法 | |
US11060899B2 (en) | Method for determining a maximum allowable volume of water that can be removed over time from an underground water source | |
CN109471698B (zh) | 云环境下虚拟机异常行为检测系统和方法 | |
CN108229730B (zh) | 一种基于模糊奖励的无人驾驶车辆轨迹生成方法 | |
CN104657613A (zh) | 一种复杂机电系统使用寿命评估方法 | |
CN103186575B (zh) | 一种传感数据的聚类分析方法和系统 | |
CN103425874A (zh) | 一种基于率模可靠性理论的航天器健康评估方法 | |
CN105630648A (zh) | 基于多维数据深度学习的数据中心智能控制方法及系统 | |
CN105512758A (zh) | 油气井产量预测方法及其装置 | |
CN105574604A (zh) | 一种面向电网运行事件的监控预判分析系统 | |
WO2022146421A1 (en) | Estimating reservoir production rates using machine learning models for wellbore operation control | |
CN115423132A (zh) | 一种基于数字孪生的工程机械预测性维护方法 | |
CN112576312A (zh) | 智能化综采工作面电液控支架数据收集及处理方法 | |
CN113778483A (zh) | 一种云边端赋能的装备决策及安全空中升级装置和方法 | |
CN111079227A (zh) | 航天器热控功能系统健康评估建模方法 | |
CN103337000B (zh) | 一种油气集输系统安全监测预警方法 |
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 |