基于模式演化的卫星长期在轨运行状态的预测方法
【技术领域】
[0001] 本发明属于卫星在轨状态预测领域，尤其涉及一种卫星遥测数据建模与状态预测 方法。
【背景技术】
[0002] 随着卫星数量、寿命和型号种类的不断增加，维持其在轨安全可靠运行对其运行 管理技术的要求越来越高。卫星长期在轨运行过程中，受空间环境以及原材料和元器件性 能退化等多种因素作用，其性能与功能可能会出现变化。分析卫星遥测参数变化趋势并建 立其形式化模型，预测卫星在轨运行状态，有助于在早期及时发现遥测参数的异常变化，有 效避免可能发生的重大故障，降低卫星在轨运行风险，提高卫星在轨安全性和可靠性。
[0003]目前，虽然已经存在技术成熟的状态预测方法，但主要解决短期状态预测问题。另 外在轨航天器状态变化情况复杂，现有方法不能完全适应在轨航天器状态的多种变化规 律，在用于在轨航天器状态进行预测时其预测的性能无法满足要求，对于某些特殊情况预 测性能甚至可能出现严重下降，更难以满足长期预测状态的要求。
【发明内容】
[0004] 本发明所要解决的技术问题是，针对目前卫星遥测数据建模与状态预测方法的不 足，提出一种基于模式演化的卫星长期在轨运行状态的预测方法，利用卫星长期在轨运行 过程中所积累的大量遥测数据，建立遥测参数随在轨运行时间变化的模型，并基于该模型 采用虚拟遥测数据生成方法预测卫星长期在轨运行过程中的状态，以更准确高效地检测卫 星状态是否异常。
[0005] 为解决上述技术问题，本发明提出的技术方案为一种基于模式演化的卫星长期在 轨运行状态的预测方法，包括以下步骤：
[0006] (1)数据获取准备：通过相应的数据接收设备接收卫星遥测数据，并根据需要对 所获取的卫星遥测数据进行解码，按时间先后顺序对数据帧排序，剔除卫星遥测数据中的 野点，生成按时间顺序排列且有效的遥测参数工程值序列；
[0007] (2)数据分段处理：构造遥测参数工程值序列分段的时间规则，依据该时间规则 将前述遥测参数工程值序列划分为时间上相连但不交的分段序列；计算各分段序列的汇总 特征数据，包括均值和标准差等；
[0008] (3)分段序列标准化：对上述步骤（2)获得的各分段序列按时间和数值进行标准 化，获得定义于区间[0，1]上、取值服从标准正态分布的标准化分段序列；
[0009] (4)模式聚类：对所获得的标准化分段序列，根据序列的距离或相似性度量，采用 聚类分析方法将相互接近或相似的标准化分段序列归为一类，由此形成标准化分段序列的 变化模式，并以标准化分段序列所对应的变化模式作为上述分段序列的变化模式；
[0010] (5)模式建模：利用上述各变化模式中对应的标准化分段序列，采用函数逼近方 法建立各模式的形式化模型，描述该模式对应的标准化分段序列中的标准化数据在[0, 1] 上的变化规律；
[0011](6)模式演化建模：利用上述各分段序列的模式、时间长度及汇总特征数据，以各 分段序列的序号为索引变量，建立卫星遥测数据模式演化过程模型，并描述各分段序列的 模式、时间长度及汇总特征数据随其序号的变化；
[0012] (7)虚拟遥测数据生成：依据上述获得的卫星遥测数据模式演化过程模型以及各 模式的形式化模型，利用数据处理系统生成虚拟遥测数据（虚拟遥测参数工程值）；
[0013] (8)状态预测及异常检测：利用上述获得的卫星遥测数据模式演化过程模型和各 模式的形式化模型预测卫星状态；通过地面观测站设备接收卫星载波信号，再经解调、译 码、分路获得实时遥测数据（实时遥测参数工程值），基于所生成的上述虚拟遥测数据与所 述实时遥测数据进行比较，以预测卫星状态并判断卫星运行状态是否异常。
[0014] 上述的基于模式演化的卫星长期在轨运行状态的预测方法，优选的：所述步骤 (1)中，通过相应的数据接收设备接收卫星遥测数据具体包括：通过测控中心数据系统获 得历史遥测数据，通过地面观测站设备接收卫星载波信号后经解调、译码、分路获得实时遥 测数据。
[0015] 上述的基于模式演化的卫星长期在轨运行状态的预测方法，优选的：所述步骤 (1) 中，剔除卫星遥测数据中的野点主要采用中值滤波方法，其具体操作包括以下步骤：
[0016] (11)给定窗口宽度为N= 2k+l，k为正整数，N表示窗口宽度的参数；
[0017] (12)对i= 1，2，…，n-k，计算遥测数据序列位于窗口 [i，i+N-1]内的数据y;， yi+i，…，yi+Ni的中位数，记为
[0018]
[0019] (13)人工判别遥测数据序列尸的前k个数据yi，y2，…，^是否为正常数据，若 否，则将非正常数据修正为正常数据；将修正后的T°的前k个数据记作I兔,…七，与序列 …，.爲.合并，得到序列AA，…，iU:
[0020] (14)给定显著性水平a，〇<a< 1，计算序列九，义"…，九的（1-a)/2和（1+a)/2 分位数，分别记为ZU。)/2和zu+aV2，并计算序列的（1-a)/2~（1+a)/2分位数 间距为：
[0021]Ea=Z(l+a)/2_Z(la)/2；
[0022] (15)根据下述规则判断时刻tk的遥测数据是否为野点：若|.fu| >E0则时刻tk 的遥测数据为野点；否则为正常值；
[0023](16)对剔除野点的遥测数据序列T°，认为所剔除数据等于其前一观测时刻的遥测 数据值，并据此填充所剔除数据。
[0024] 上述的基于模式演化的卫星长期在轨运行状态的预测方法，优选的：所述步骤 (2) 中，构造遥测参数工程值序列分段的时间规则的具体方法包括以下步骤：
[0025] (21)绘制卫星遥测数据曲线，忽略趋势性，通过直观分析、周期性分析、变点分析、 时间序列模式识别方法，分析相邻固定时间间隔的分段序列变化模式的重复性或相似性；
[0026](22)设通过上述步骤（21)获得如下信息：起自时间t,的相隔固定时间S,的时 间长度为t,的分段序列的变化具有重复或相似的模式，j= 1，2,. . .，m，这里要求诸t,为 允许的最小时间，并且根据卫星轨道、卫星和太阳位置的关系确定这一规律在卫星整个在 轨期间都成立，则按如下方法确定f\(i):
[0027] (221)搜索数据组合（\，Sj，t)，j= 1，2，...，m，若存在p，p彡m个数据组合，不 妨设为前P个，即（tj，5』，、），j= 1，2，.. .，p，满足以下两个条件：(a) 5 :=S2=. . ?= Sp=S=TT2+... +TP: (b)对任何j= 1，2,…，P，都有t.j=TT2+... +TJ1;则 定义遥测数据分段的（^，T2，…，Tp)-规则如下：
[0028]
[0029] (222)若不存在满足上述条件（a)和（b)的数据组合，则通过人工指定方式定义遥 测数据分段的固定时间规则或者函数时间规则。
[0030] 上述的基于模式演化的卫星长期在轨运行状态的预测方法，优选的：所述步骤 (2) 中，依据所述时间规则将遥测参数工程值序列T划分为分段序列是通过其阶梯函数 T(t)进行，具体步骤包括：
[0031] (31)根据分段的时间规则fT ( ?)，确定有限数据序列0 ^ 0 2，…，0 "，0 "+1如 下：
[0032] 0!=t!
[0033]
[0034]
[0035]
[0036] (32)定义时间区间K 0 ;，0 i+J，i=l，2，…，m ;将阶梯函数T(t)限制在各时间 区间Ji上，得到对应的阶梯函数：Kt) = T(t) ? 1( 0 t彡0 i+1)，t G上，i=l，2，…， m；
[0037] (33)记n〇= 0,nm=n，对每个阶梯函数T; (t)，i=l，2，…，m，取其 在时间区间1端点的函数值，并与遥测参数工程值序列T落入时间区间Ji内 的数据合并，得到遥测参数工程值序列T的第i个分段序列，即定义为：
[0038] 上述的基于模式演化的卫星长期在轨运行状态的预测方法，优选的：所述步骤 (3) 中，对获得的各分段序列Ti，i=l，2,…，m按时间和数值进行标准化的具体操作包括以 下步骤：
[0039](41)利用分段序列中的遥测数据观测值计算其均值yi和标准差〇i如下：
[0040]
[0041](42)对分段序列1\进行数值标准化，获得标准化的遥测数据为：
[0042]
[0043]
[0044] (43)对分段序列1\进行时间标准化，即将其时间索引转化为定义在区间[0, 1] 上，新的时间索引定义为：
[0045]
[0046] 上述的基于模式演化的卫星长期在轨运行状态的预测方法，优选的：所述步骤 (4)中，对经过标准化后的分段序列f，〃 = 1，2,…，采用皮尔逊相关系数法进行模式聚类， 具体操作包括：
[0047] (51)给定采样间隔v> 0,要求A=1/v为正整数；视标准化分段序列If为定 义于区间[0，1]上的阶梯函数对该阶梯函数以间隔V进行等间隔采样，生成如下等 间隔采样序列嘗:：
[0048]
[0049] (52)计算上述采样序列的相关系数如下：
[0052] (53)设置临界值1 >P_>0,基于所计算的采样序列的相关系数，对分段序列 进行聚类，步骤如下：[0053] (531)置当前模式集合为M =当前待定模式的分段序列集合为
[0050]
[0051]
[0054] (532)如果c/以，则重复执行下述运算：任取序列零6#，若存在模式;ffeM,使 得Py〉P _，则置"=扒t;，否则置M =
[0055] (533)设模式集合为M = %…，则其中的每一序列表示一种模式。
[0056] 上述的基于模式演化的卫星长期在轨运行状态的预测方法，优选的：所述步 骤（5)中，采用函数逼近方法建立各模式的形式化模型是指采用阶梯函数建立每种模式 M的形式化模型Si，具体操作步骤包括：
[0057] (61)获取模式为M#M的所有标准化的分段序列，记为^，./ = 1，2,
[0058] (62)视g为定义在[0，1]区间上的阶梯函数1(4,i=l，2,?"，，计算此叫个阶梯 函数的平均值T⑴，最大值霄(0和最小值文(0，BP:
[0059]
[0060] (63)给定拟合误差e>0,采用阶梯函数对霄(〇进行近似，且要求近似阶梯函数 与霄(0的累积误差不超过e;具体算法如下：
[0061] (631)对冗:的进行等间隔采样获得时间序列$，所采用的采样间隔应保证时间序 列霄包含T(〇的所有取值发生变化的点；
[0062] (632)将T的每个数据视作一段，所得分段作为冗的当前分段；
[0063] (633)计算当前分段中每一段数据的均值，并与当前分段中的数据比较，获得用 均值近似该分段数据的近似误差；若所有分段的近似误差之和超过e，则转（637)，否则转 (634);
[0064] (634)将当前分段与其相邻分段合并，用合并后分段的均值近似该合并后的分段， 计算所导致的近似误差的增加；
[0065] (635)找到能够合并的近似误差增加最小的相邻分段；
[0066] (636)将近似误差增加最小的相邻分段合并，生成新的更大的分段，并转（633);
[0067] (637)输出分段策略，并基于该分段获得逼近"啲