CN116346210A - 巨型星座系统的智能健康管理方法、系统、设备及介质 - Google Patents
巨型星座系统的智能健康管理方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN116346210A CN116346210A CN202310343774.3A CN202310343774A CN116346210A CN 116346210 A CN116346210 A CN 116346210A CN 202310343774 A CN202310343774 A CN 202310343774A CN 116346210 A CN116346210 A CN 116346210A
- Authority
- CN
- China
- Prior art keywords
- data
- health
- measurement
- fault
- equipment
- 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
- 230000036541 health Effects 0.000 title claims abstract description 147
- 238000007726 management method Methods 0.000 title claims abstract description 73
- 238000005259 measurement Methods 0.000 claims abstract description 74
- 238000004458 analytical method Methods 0.000 claims abstract description 40
- 238000012423 maintenance Methods 0.000 claims abstract description 38
- 230000007246 mechanism Effects 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000005065 mining Methods 0.000 claims abstract description 16
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 34
- 238000003745 diagnosis Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000007418 data mining Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000013079 data visualisation Methods 0.000 claims description 7
- 238000013523 data management Methods 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 238000012800 visualization Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013439 planning Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18519—Operations control, administration or maintenance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/149—Network analysis or design for prediction of maintenance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种巨型星座系统的智能健康管理方法、系统、设备及介质,智能健康管理方法包括:构建健康体系管理数据库;获取测控站发来的历史卫星遥测数据以及各测控站/信关站设备历史运行状态数据;对历史卫星遥测数据和各测控站/信关站设备历史运行状态数据进行分析处理,构建故障或寿命预测模型,并挖掘故障之间的关联关系和故障机理;获取测控站发来的实时卫星遥测数据以及各测控站/信关站设备实时运行状态数据;利用故障或寿命预测模型和健康体系管理数据库,进行健康趋势分析。本发明,基于大数据分析技术,实现预测故障隐患和部件工作寿命,提高设备安全性,可自动生成设备维修规划和维修策略,提高设备维修保障效率,降低维修保障费用。
Description
技术领域
本发明涉及卫星互联网技术领域,尤其涉及一种巨型星座系统的智能健康管理方法、系统、设备及介质。
背景技术
卫星系统正超着大规模、星座组网方向发展,卫星通信系统信息化程度不断提高,设备的复杂程度越来越高,发生故障的概率也越来越大,故障隔离定位和修复越来越困难,健康管理技术可以预测重要和关键的零部件的可靠工作寿命,通过状态监测可以提前发现异常状态,科学评估设备健康状态,预测故障发生概率,对提高设备安全性、避免重大事故发生有重要意义。
星座网络的健康状态直接影响整个网络的性能和服务质量。针对巨型星座系统面临的问题:海量卫星节点、大规模地面信关站设备、实时海量并发遥测及站网设备状态数据,传统的卫星系统以单卫星或小星座为主,系统的健康管理主要以人工运维的思维模式和解决手段。
因此,对于低轨巨型星座系统,如何实现智能化健康管理仍是亟待解决的难题。
发明内容
为解决上述现有技术中存在的技术问题,本发明的目的在于提供一种的巨型星座系统的智能健康管理方法、系统、设备及介质,基于大数据分析技术,提高面向巨型星座系统的健康管理效率,实现复杂、庞大系统内的智能化健康管理。
为实现上述发明目的,本发明提供一种巨型星座系统的智能健康管理方法,包括以下步骤:
步骤S1、构建健康体系管理数据库;
步骤S2、获取测控站发来的历史卫星遥测数据以及各测控站/信关站设备历史运行状态数据;
步骤S3、对历史卫星遥测数据和各测控站/信关站设备历史运行状态数据进行分析处理,构建故障或寿命预测模型,并挖掘故障之间的关联关系和故障机理;
步骤S4、获取测控站发来的实时卫星遥测数据以及各测控站/信关站设备实时运行状态数据;
步骤S5、利用故障或寿命预测模型和健康体系管理数据库,进行健康趋势分析。
根据本发明的一个方面,所述卫星遥测数据至少包括姿态轨道控制系统采集数据、推进系统采集数据、电源系统采集数据、测控数传系统采集数据、热控系统采集数据、综合电子系统采集数据、结构与机构系统采集数据以及有效载荷采集数据;
所述测控站/信关站设备运行状态数据至少包括天线、射频、基带、网络、业务单元设备运行状态数据。
根据本发明的一个方面,在所述步骤S3中,包括:
对所述步骤S2中获取的历史卫星遥测数据和各测控站/信关站设备历史运行状态数据依次进行数据预处理、大数据挖掘分析和子系统、部件或器件的健康因子特征分析,构建故障或寿命预测模型,并挖掘故障之间的关联关系和故障机理。
根据本发明的一个方面,所述健康体系管理数据库至少包括专家知识库、健康指标体系、故障树和运维决策。
根据本发明的一个方面,在所述步骤S5中,具体包括:
步骤S51、利用故障或寿命预测模型进行监视处理包括数据预处理、健康因子实时计算以及设备寿命与故障预测;
步骤S52、结合健康体系管理数据库,对告警和故障给出维修保障建议,并对相关态势进行数据可视化展示。
根据本发明的一个方面,所述健康因子用于维护、更新和完善健康指标体系。
根据本发明的一个方面,提供了一种巨型星座系统的智能健康管理系统,包括:
健康采集数据管理单元,用于获取卫星遥测数据、测控站和信关站设备运行状态数据,并进行存储和管理,卫星遥测数据分为历史数据和实时数据,测控站和信关站设备运行状态数据分为历史数据和实时数据;
数据挖掘分析单元,基于健康采集数据管理单元中存储的卫星载荷历史数据以及站网设备运行状态历史数据,分别对卫星载荷和测控站/信关站设备采集状态数据进行数据预处理、大数据挖掘分析,识别子系统、部件、器件的健康因子,进行健康趋势分析,形成故障或寿命预测模型,并挖掘故障之间的关联关系和故障机理;
健康体系管理单元,基于对卫星载荷、信关站设备、测控站设备的故障表现形式、故障机理和运维决策方案的研究,构建和维护健康体系管理数据库,所述健康体系管理数据库至少包括专家知识库、健康指标体系、故障树和运维决策;
诊断与预测分析单元,获取卫星载荷、测控站和信关站的设备实时运行状态数据,基于卫星载荷、测控站和信关站的健康指标体系,采用大数据分析技术,实时计算卫星载荷、测控站和信关站的健康因子,利用数据挖掘分析单元得到的故障或寿命预测模型进行健康趋势分析;
综合服务与系统健康状态评估单元,基于诊断与预测分析单元的分析结果和故障树模型,实时对业务服务质量态势、卫星、信关站、测控站的健康态势进行评估,对告警和故障给出维修保障建议。
根据本发明的一个方面,还包括:
可视化单元,用于对业务服务质量态势、卫星、信关站、测控站的健康态势进行数据可视化展示。
根据本发明的一个方面,提供了一种电子设备,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行如上述技术方案中任一项所述的一种巨型星座系统的智能健康管理方法。
根据本发明的一个方面,提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,实现如上述技术方案中任一项所述一种巨型星座系统的智能健康管理方法。
本发明与现有技术相比,具有如下有益效果:
根据本发明的一个方案,通过对历史卫星遥测数据和各测控站/信关站设备历史运行状态数据进行分析处理,构建故障或寿命预测模型,并挖掘故障之间的关联关系和故障机理,再利用故障或寿命预测模型和健康体系管理数据库,对实时卫星遥测数据以及各测控站/信关站设备实时运行状态数据进行健康趋势分析,实现预测故障隐患和部件工作寿命,提高设备安全性,最大限度地降低故障影响,避免重大事故发生;通过科学评估设备健康状态,自动生成设备维修规划和维修策略,提高设备的维修保障效率,降低维修保障费用。
根据本发明的一个方案,提出了将大数据挖掘、人工智能技术应用到巨型星座系统健康管理,提升对复杂庞大系统健康管理的效率和精准性。
根据本发明的一个方案,将故障树分析技术与健康诊断预测技术进行了有机融合,通过对故障树底事件健康参数的采集、监视和故障概率预测,实现运维模式从故障发生后的排查、维修转变为故障发生前的预测性维护。
根据本发明的一个方案,便于工程实现,可摆脱人工运维的依赖,实现复杂庞大系统健康管理的自动化、智能化和高效化。
附图说明
为了更清楚地说明本发明实施方式或现有技术中的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示意性表示本发明实施例中提供的一种巨型星座系统的智能健康管理方法流程图;
图2示意性表示本发明实施例中巨型星座系统的智能健康管理系统结构示意图。
具体实施方式
此说明书实施方式的描述应与相应的附图相结合,附图应作为完整的说明书的一部分。在附图中,实施例的形状或是厚度可扩大,并以简化或是方便标示。再者,附图中各结构的部分将以分别描述进行说明,值得注意的是,图中未示出或未通过文字进行说明的元件,为所属技术领域中的普通技术人员所知的形式。
此处实施例的描述,有关方向和方位的任何参考,均仅是为了便于描述,而不能理解为对本发明保护范围的任何限制。以下对于优选实施方式的说明会涉及到特征的组合,这些特征可能独立存在或者组合存在,本发明并不特别地限定于优选的实施方式。本发明的范围由权利要求书所界定。
如图1所示,本发明的一种巨型星座系统的智能健康管理方法,包括以下步骤:
步骤S1、构建健康体系管理数据库;
步骤S2、获取测控站发来的历史卫星遥测数据以及各测控站/信关站设备历史运行状态数据;
步骤S3、对历史卫星遥测数据和各测控站/信关站设备历史运行状态数据进行分析处理,构建故障或寿命预测模型,并挖掘故障之间的关联关系和故障机理;
步骤S4、获取测控站发来的实时卫星遥测数据以及各测控站/信关站设备实时运行状态数据;
步骤S5、利用故障或寿命预测模型和健康体系管理数据库,进行健康趋势分析。
在该实施例中,接收、汇聚、分类、存储各测控站发来的卫星遥测数据以及各测控站/信关站设备运行状态数据,卫星遥测数据分为历史数据和实时数据,测控站和信关站设备运行状态数据分为历史数据和实时数据,通过对历史卫星遥测数据和各测控站/信关站设备历史运行状态数据进行分析处理,构建故障或寿命预测模型,并挖掘故障之间的关联关系和故障机理,再利用故障或寿命预测模型和健康体系管理数据库,基于大数据分析技术,对实时卫星遥测数据以及各测控站/信关站设备实时运行状态数据进行健康趋势分析,实现预测故障隐患和部件工作寿命,提高设备安全性,最大限度地降低故障影响,避免重大事故发生;通过科学评估设备健康状态,自动生成设备维修规划和维修策略,提高设备的维修保障效率,降低维修保障费用。
在本发明的一个实施例中,优选地,卫星遥测数据至少包括姿态轨道控制系统采集数据、推进系统采集数据、电源系统采集数据、测控数传系统采集数据、热控系统采集数据、综合电子系统采集数据、结构与机构系统采集数据,通过对卫星平台的七大子系统进行数据采集,有利于对卫星平台的健康状态进行全方位的监视,对有效载荷进行数据采集能够实现对卫星平台的搭载载荷的健康状态继续监视。
测控站/信关站设备运行状态数据至少包括天线、射频、基带、网络、业务单元设备运行状态数据。
在本发明的一个实施例中,优选地,在步骤S3中,包括:
对步骤S2中获取的历史卫星遥测数据和各测控站/信关站设备历史运行状态数据依次进行数据预处理、大数据挖掘分析和子系统、部件或器件的健康因子特征分析,构建故障或寿命预测模型,并挖掘故障之间的关联关系和故障机理。
在本发明的一个实施例中,优选地,健康体系管理数据库至少包括专家知识库、健康指标体系、故障树和运维决策。
在本发明的一个实施例中,优选地,在步骤S5中,具体包括:
步骤S51、利用故障或寿命预测模型进行监视处理包括数据预处理、健康因子实时计算以及设备寿命与故障预测;
步骤S52、结合健康体系管理数据库,对告警和故障给出维修保障建议,并对相关态势进行数据可视化展示。
在本发明的一个实施例中,优选地,健康因子用于维护、更新和完善健康指标体系。
如图2所示,根据本发明的一个方面,提供了一种巨型星座系统的智能健康管理系统100,包括:
健康采集数据管理单元101,用于获取卫星遥测数据、测控站和信关站设备运行状态数据,并进行存储和管理,卫星遥测数据分为历史数据和实时数据,测控站和信关站设备运行状态数据分为历史数据和实时数据;
数据挖掘分析单元102,基于健康采集数据管理单元101中存储的卫星载荷历史数据以及站网设备运行状态历史数据,分别对卫星载荷和测控站/信关站设备采集状态数据进行数据预处理、大数据挖掘分析,识别子系统、部件、器件的健康因子,进行健康趋势分析,形成故障或寿命预测模型,并挖掘故障之间的关联关系和故障机理;
健康体系管理单元103,基于对卫星载荷、信关站设备、测控站设备的故障表现形式、故障机理和运维决策方案的研究,构建和维护健康体系管理数据库,健康体系管理数据库至少包括专家知识库、健康指标体系、故障树和运维决策;
诊断与预测分析单元104,获取卫星载荷、测控站和信关站的设备实时运行状态数据,基于卫星载荷、测控站和信关站的健康指标体系,采用大数据分析技术,实时计算卫星载荷、测控站和信关站的健康因子,利用数据挖掘分析单元102得到的故障或寿命预测模型进行健康趋势分析;
综合服务与系统健康状态评估单元105,基于诊断与预测分析单元104的分析结果和故障树模型,实时对业务服务质量态势、卫星、信关站、测控站的健康态势进行评估,对告警和故障给出维修保障建议。
根据本发明的一个方面,还包括:可视化单元,用于对业务服务质量态势、卫星、信关站、测控站的健康态势进行数据可视化展示。
1、健康体系管理单元103
健康体系管理单元103用于构建和维护健康体系管理数据库,从卫星载荷、测控站和地面站设备管理的最小颗粒度-采集参数出发,开展了深入研究,包括天线、射频、基带、网络、吞吐量、丢包和接入失败等,逐一识别和确定影响和表征设备、链路和网络健康状态的参数,实现了从“数据”到“信息”的过滤,并从不同维度对健康参数进行梳理及分析,形成了健康参数指标管理体系,为整个系统的智能评估做好基础。
由于巨星星座系统的通信系统复杂,故障表现形式多样,同时又受限于专业知识,在对相应故障机理研究和梳理过程中,与相关领域技术专家、研发工程师、测试工程师等相关技术人员进行深入交流,同时查阅使用手册、相关书籍或文献资料,对卫星通信地面应用系统的主站和远端站可能存在的故障表现形式和故障机理进行了深入研究和梳理,形成了健康管理故障树集。
2、健康数据挖掘分析单元102
基于大量的卫星载荷、测控站和地面站设备历史样本数据,进行大数据分析,挖掘卫星载荷、测控站和地面站设备的健康因子,更新维护健康参数指标管理体系,从而优化健康体系管理数据库;基于大数据分析技术挖掘故障之间的关联关系和故障机理,为复杂系统的故障机理提供支持,构建故障或寿命预测模型,为实时处理海量节点设备状态采集数据做准备。
3、诊断与预测分析单元104
针对设备、链路和网络健康管理和评估的不同特性,需要开展全方位多元化的诊断预测技术研究。研究和设计基于载波监测的健康诊断方法、基于设备阈值告警的健康诊断方法、基于相似性的设备寿命预测方法、基于数据统计的设备寿命预测方法、基于关联规则的挖掘诊断方法和基于神经网络的时序数据趋势预测等系列诊断预测方法,并进行仿真验证,构建较为全面和多元化的诊断预测技术体系,并在实时系统健康管理过程中通过多种数据挖掘算法、故障诊断算法、故障树分析和故障预测算法对设备参数的变化情况进行监视和预警。
其中,基于载波监测的健康诊断方法可实现对用户链路、馈电链路上所有载波状态进行监视;基于设备与之告警的健康诊断方法用以对设备监控参数超过设置阈值式,进行告警和上报;基于相似性的设备寿命预测方法和基于数据统计的设备寿命预测方法用以通过同类产品历史数据进行寿命预测;基于关联规则的挖掘诊断方法用以对大量的频繁项集进行挖掘,挖掘数据之间隐藏的关联关系或因果关系,从问题或故障的众多表象中确定导致问题或故障发生的根本原因;基于神经网络的时许数据趋势预测,用以通过神经网络算法对时序数据变化趋势进行预测。
4、综合服务与系统健康状态评估单元105及可视化单元
基于大数据处理、预测算法和故障树分析结果,实时对业务服务质量态势、卫星、信关站、测控站等关键设备的健康态势进行评估和预报,对告警和故障给出维修保障建议,并对相关态势进行数据可视化展示。可视化可以以水球、雷达图或图表等多种形式展示。动态刷新服务质量水球和设备健康状态雷达图。
综合服务与系统健康状态评估单元105及可视化单元根据数据监视与处理结果(底事件发生的部位和概率),将其告警信息灌入故障树中,自下而上实现设备和业务服务健康程度的评估。运维人员根据水球和雷达图的颜色等级及占比,基于故障树模型,可以自上而下实现告警信息的查看。
根据本发明的一个方面,提供了一种电子设备,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行如上述技术方案中任一项的一种巨型星座系统的智能健康管理方法。
根据本发明的一个方面,提供了一种计算机可读存储介质,用于存储计算机指令,计算机指令被处理器执行时,实现如上述技术方案中任一项的一种巨型星座系统的智能健康管理方法。
本发明的一种巨型星座系统的智能健康管理方法、系统、设备及介质,巨型星座系统的智能健康管理方法包括:构建健康体系管理数据库;获取测控站发来的历史卫星遥测数据以及各测控站/信关站设备历史运行状态数据;对历史卫星遥测数据和各测控站/信关站设备历史运行状态数据进行分析处理,构建故障或寿命预测模型,并挖掘故障之间的关联关系和故障机理;获取测控站发来的实时卫星遥测数据以及各测控站/信关站设备实时运行状态数据;利用故障或寿命预测模型和健康体系管理数据库,进行健康趋势分析。通过对历史卫星遥测数据和各测控站/信关站设备历史运行状态数据进行分析处理,构建故障或寿命预测模型,并挖掘故障之间的关联关系和故障机理,再利用故障或寿命预测模型和健康体系管理数据库,对实时卫星遥测数据以及各测控站/信关站设备实时运行状态数据进行健康趋势分析,实现预测故障隐患和部件工作寿命,提高设备安全性,最大限度地降低故障影响,避免重大事故发生;通过科学评估设备健康状态,自动生成设备维修规划和维修策略,提高设备的维修保障效率,降低维修保障费用。
此外,需要说明的是,本发明可提供为方法、装置或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
最后需要说明的是,以上所述是本发明优选实施方式,应当指出,尽管已描述了本发明优选实施例,但对于本技术领域的技术人员来说,一旦得知了本发明的基本创造性概念,在不脱离本发明所述原理的前提下,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。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
Claims (10)
1.一种巨型星座系统的智能健康管理方法,其特征在于,包括以下步骤:
步骤S1、构建健康体系管理数据库;
步骤S2、获取测控站发来的历史卫星遥测数据以及各测控站/信关站设备历史运行状态数据;
步骤S3、对历史卫星遥测数据和各测控站/信关站设备历史运行状态数据进行分析处理,构建故障或寿命预测模型,并挖掘故障之间的关联关系和故障机理;
步骤S4、获取测控站发来的实时卫星遥测数据以及各测控站/信关站设备实时运行状态数据;
步骤S5、利用故障或寿命预测模型和健康体系管理数据库,进行健康趋势分析。
2.根据权利要求1所述的巨型星座系统的智能健康管理方法,其特征在于,所述卫星遥测数据至少包括姿态轨道控制系统采集数据、推进系统采集数据、电源系统采集数据、测控数传系统采集数据、热控系统采集数据、综合电子系统采集数据、结构与机构系统采集数据以及有效载荷采集数据;
所述测控站/信关站设备运行状态数据至少包括天线、射频、基带、网络、业务单元设备运行状态数据。
3.根据权利要求1所述的巨型星座系统的智能健康管理方法,其特征在于,在所述步骤S3中,包括:
对所述步骤S2中获取的历史卫星遥测数据和各测控站/信关站设备历史运行状态数据依次进行数据预处理、大数据挖掘分析和子系统、部件或器件的健康因子特征分析,构建故障或寿命预测模型,并挖掘故障之间的关联关系和故障机理。
4.根据权利要求1所述的巨型星座系统的智能健康管理方法,其特征在于,所述健康体系管理数据库至少包括专家知识库、健康指标体系、故障树和运维决策。
5.根据权利要求1所述的巨型星座系统的智能健康管理方法,其特征在于,在所述步骤S5中,具体包括:
步骤S51、利用故障或寿命预测模型进行监视处理包括数据预处理、健康因子实时计算以及设备寿命与故障预测;
步骤S52、结合健康体系管理数据库,对告警和故障给出维修保障建议,并对相关态势进行数据可视化展示。
6.根据权利要求5所述的巨型星座系统的智能健康管理方法,其特征在于,所述健康因子用于维护、更新和完善健康指标体系。
7.一种巨型星座系统的智能健康管理系统,其特征在于,包括:
健康采集数据管理单元,用于获取卫星遥测数据、测控站和信关站设备运行状态数据,并进行存储和管理,卫星遥测数据分为历史数据和实时数据,测控站和信关站设备运行状态数据分为历史数据和实时数据;
数据挖掘分析单元,基于健康采集数据管理单元中存储的卫星载荷历史数据以及站网设备运行状态历史数据,分别对卫星载荷和测控站/信关站设备采集状态数据进行数据预处理、大数据挖掘分析,识别子系统、部件、器件的健康因子,进行健康趋势分析,形成故障或寿命预测模型,并挖掘故障之间的关联关系和故障机理;
健康体系管理单元,基于对卫星载荷、信关站设备、测控站设备的故障表现形式、故障机理和运维决策方案的研究,构建和维护健康体系管理数据库,所述健康体系管理数据库至少包括专家知识库、健康指标体系、故障树和运维决策;
诊断与预测分析单元,获取卫星载荷、测控站和信关站的设备实时运行状态数据,基于卫星载荷、测控站和信关站的健康指标体系,采用大数据分析技术,实时计算卫星载荷、测控站和信关站的健康因子,利用数据挖掘分析单元得到的故障或寿命预测模型进行健康趋势分析;
综合服务与系统健康状态评估单元,基于诊断与预测分析单元的分析结果和故障树模型,实时对业务服务质量态势、卫星、信关站、测控站的健康态势进行评估,对告警和故障给出维修保障建议。
8.根据权利要求7所述的巨型星座系统的智能健康管理系统,其特征在于,还包括:
可视化单元,用于对业务服务质量态势、卫星、信关站、测控站的健康态势进行数据可视化展示。
9.一种电子设备,其特征在于,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行如权利要求1至6中任一项所述的巨型星座系统的智能健康管理方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,实现如权利要求1至6中任一项所述的巨型星座系统的智能健康管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310343774.3A CN116346210A (zh) | 2023-03-31 | 2023-03-31 | 巨型星座系统的智能健康管理方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310343774.3A CN116346210A (zh) | 2023-03-31 | 2023-03-31 | 巨型星座系统的智能健康管理方法、系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116346210A true CN116346210A (zh) | 2023-06-27 |
Family
ID=86894748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310343774.3A Pending CN116346210A (zh) | 2023-03-31 | 2023-03-31 | 巨型星座系统的智能健康管理方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116346210A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117350705A (zh) * | 2023-10-12 | 2024-01-05 | 北京归一科技有限公司 | 用于装备健康管理的方法、系统、存储介质及电子设备 |
CN117350705B (zh) * | 2023-10-12 | 2024-07-09 | 北京归一科技有限公司 | 用于装备健康管理的方法、系统、存储介质及电子设备 |
-
2023
- 2023-03-31 CN CN202310343774.3A patent/CN116346210A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117350705A (zh) * | 2023-10-12 | 2024-01-05 | 北京归一科技有限公司 | 用于装备健康管理的方法、系统、存储介质及电子设备 |
CN117350705B (zh) * | 2023-10-12 | 2024-07-09 | 北京归一科技有限公司 | 用于装备健康管理的方法、系统、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109886430B (zh) | 一种基于工业大数据的设备健康状态评估与预测方法 | |
CN109872003B (zh) | 对象状态预测方法、系统、计算机设备及存储介质 | |
CN102208028B (zh) | 一种适用于动态复杂系统的故障预测和诊断方法 | |
CN111047082A (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
CN107346466A (zh) | 一种电力调度系统的控制方法及装置 | |
CN113516244B (zh) | 一种智能运维方法、装置、电子设备及存储介质 | |
CN116308304B (zh) | 基于元学习概念漂移检测的新能源智慧运维方法及系统 | |
CN112257914B (zh) | 一种基于随机森林的航空安全因果预测方法 | |
CN115526375A (zh) | 一种航天装备预测性维护系统 | |
JP2024073353A (ja) | 水力発電ユニットの故障総合診断方法 | |
Sanislav et al. | Multi-agent architecture for reliable Cyber-Physical Systems (CPS) | |
CN117689373A (zh) | 一种柔性直流牵引供电系统能量路由器维护决策支持方法 | |
CN114553671A (zh) | 一种电力通信网故障告警的诊断方法 | |
Javed et al. | Cloud-based collaborative learning (ccl) for the automated condition monitoring of wind farms | |
CN117408162A (zh) | 基于数字孪生的电网故障控制方法 | |
CN112286088A (zh) | 一种动力设备故障预测模型在线应用的方法及应用系统 | |
CN116346210A (zh) | 巨型星座系统的智能健康管理方法、系统、设备及介质 | |
CN116629839A (zh) | 一种船艇主机保障信息集成与维修决策系统 | |
CN112801815B (zh) | 一种基于联邦学习的电力通信网络故障预警方法 | |
CN115277473A (zh) | 边缘网关的远程运维方法、装置、计算机设备、存储介质 | |
Balali et al. | Data Intensive Industrial Asset Management | |
Bakhtadze et al. | Resource State Estimation and Intelligent Contingency Forecasting for Spacecraft Mission Control Center | |
Oh et al. | LSTM-based PdM Platform for Automobile SCU Inspection Equipment | |
CN117376108B (zh) | 一种物联网设备智能运维方法与系统 | |
CN118096131A (zh) | 一种基于电力场景模型的运维巡检方法 |
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 |