论文部分内容阅读
现代卫星正从单颗卫星向着卫星网络发展，对智能化、自主性的要求也越来越高。目前工程上广泛采用的阈值监测方法不仅无法适应大规模组网星的异常监测，而且它不能监测到故障征兆。因此，研究自主化、智能化的异常监测方法显得尤为必要。因此，本文开展了以下几个方面的研究工作: 首先，以某型号卫星实际在轨遥测数据为对象，根据经验知识和方差定义了完整的、合理的卫星的遥测数据类型和异常类型，并深入分析了某型号卫星的故障案例和仿真故障案例，对故障案例和仿真故障案例所涉及的遥测数据和异常进行了类型界定。 然后，针对阈值监测方法无法快速监测到异常的缺点，提出了基于增量聚类的异常监测算法，用以监测相对稳定型和多模式的相对稳定型的遥测数据，并通过在轨卫星的大功率故障和卫星进出光照、地影、月影区的两个案例进行了验证。同时将监测结果与基于阈值的异常监测方法进行了比较，并对这两种方法的优缺点进行了论证。结果表明基于增量聚类的异常监测算法可以克服阈值监测方法无法在故障早期监测到异常的问题，它能够在故障发生伊始就可以快速监测到相对稳定型和多模式的相对稳定型的遥测数据故障。 最后，针对基于增量聚类的异常监测算法无法高效地监测不稳定数据的异常问题，提出将PCA降维技术用于不稳定数据的异常监测，并对卫星进出光照、地影、月影区的不稳定遥测数据进行了验证。另外，还将基于PCA降维技术的异常监测算法与基于增量聚类的算法比较，证明了基于PCA降维技术的监测算法不仅可以监测到方差较大的不稳定的遥测数据异常，而且也可以监测到相对稳定的遥测数据的异常。除此之外，在异常遥测数据监测过程中计算了每个遥测参数对重构误差的贡献比值，以帮助技术人员快速地确定异常遥测参数，从而为后续的故障定位确定方向。