一种快速实时检测卫星遥测时序数据异常的系统与方法与流程

本发明涉及卫星检测领域和计算机数据挖掘技术领域，特别涉及一种快速实时检测卫星遥测时序数据异常的方法。

背景技术：

由于卫星运行环境及其复杂，受多种因素影响，卫星在轨运行期间会出现各种异常。及时检测发现数据异常是确保卫星安全健康运行的关键之一。

卫星在轨运行过程中的遥测时序数据流是卫星各个分系统下各部件参数的直接观测量，能够反映各部件的工作状态。发现数据异常变化是进行卫星故障诊断的一个重要步骤。发现卫星遥测时序数据的异常变化，就像给人看病时首先通过x光、彩超等手段发现患病部位一样。卫星在轨运行时不断向地面传输各种监控数据。其中绝大部分时间的数据都是正常数据。所以若用人工来判读所有数据，找出异常变化点，需要花费时间特别长，显然工作效率十分低下。所以只有借助于计算机用数据挖掘的方法才能高效处理海量卫星时序数据，及时、准确地挖掘出卫星异常变化。这是进行卫星故障诊断、故障原因分析以及卫星健康管理的一个首要过程。显然，如果不能快速准确地找出卫星异常变化点，就像医生不能找到病人患病部位一样，根本无法开展后续的故障诊断活动。

异常检测通常有以下几类方法：1.基于模型的技术，首先建立一个数据模型，异常是那些同模型不能完美拟合的对象。例如，数据分布的模型可以通过估计概率分布的参数来创建。如果一个对象不服从该分布，则认为他是一个异常。2.基于邻近度的技术，在对象之间定义邻近性度量，异常对象是那些远离大部分其他对象的对象。当数据能够以二维或者三维散布图呈现时，可以从视觉上检测出基于距离的离群点。3.基于密度的技术，对象的密度估计可以相对直接计算，特别是当对象之间存在邻近性度量。低密度区域中的对象相对远离近邻，可能被看做为异常。以上这些常规的异常检测的方法每次检测时需要全部的数据进行计算，因此很难实时的处理大量的数据。

而现有针对实时检测卫星遥测时序数据异常的处理技术中，中国专利cn201510319857.4提出一种在轨卫星推力器温度异常实时诊断的方法，中国专利cn201910749737.6提出一种多探头星铭感器在在轨自主故障诊断与修复方法，中国专利cn201610648303.3，提供了一种基于遥测数据小波变换的卫星异常检测方法，采用基本小波对遥测数据进行小波分解，得到高频分量和低频分量。通过对遥测数据高频小波系数重构的信号进行基于窗口的平稳性分析，并将窗口内数据的均方差作为数据平稳性的评价函数检测卫星的异常。中国专利cn201811144187.7，提供了一种数据驱动的卫星分系统异常预测方法，该方法利用小波分析将滑动窗口尺寸设置为选择属性的第一主周期，并用此窗口划分卫星遥测数据流。使用双向遍历从分段后的窗口数据中挖掘出最小稀有模式，提高挖掘效率。针对挖掘出来的最小稀有模式，计算其异常识别因子，检测卫星遥测数据中的异常，预测卫星分系统中可能出现的异常情况。

现有方法要么只能针对特定的在轨卫星参数数据进行异常检测，具有很大局限性。要么只从单一的角度分析数据，不具备足够可靠性。

技术实现要素：

为了克服上述现有技术的缺点，解决利用计算机对在轨卫星的遥测时序数据进行实时异常检测问题，本发明的目的在于提供一种快速实时检测卫星遥测时序数据异常的方法，适用于卫星部件参数的遥测时序数据实时检测。

为了实现上述目的，本发明采用的技术方案是：

一种快速实时检测卫星遥测时序数据异常的系统，包括：

数据选择模块，获取实时的卫星遥测时序数据流，为接下来的异常检测准备数据；

模型选择模块，从时域统计量异常检测模型、时域一阶导数异常检测模型、频域相似性异常检测模型和频域统计量异常检测模型中任选一种或者几种组合进行异常检测；

模型参数设置模块，完成滑动窗口大小和阈值的配置；

实时异常检测模块，在完成模型参数设置之后，启动所选择的异常检测模块或异常检测模块组合，载入遥测时序数据流，利用滑动窗口划分遥测时序数据流，自适应比较当前窗口与前k个窗口得到异常分数，其中时域统计量异常检测模型、时域一阶导数异常检测模型和频域统计量异常检测模型以当前窗口各个统计量与前k个窗口总体对应统计量之差占前k个窗口总体统计量的百分比作为异常分数，而频域相似性异常检测模型以当前窗口与前k个窗口分别计算欧式距离作为相似性度量，选取其中最大的距离作为异常分数，如果异常分数超过阈值，则判定卫星部件参数对应的遥测数据异常，定位异常发生的时间，并报告检测到的异常；

检测结果展示模块，对异常检测报告结果进行存储和解析，图形化展示检测结果。

所述数据选择模块完成包括卫星类型、数据实体、数据清洗状态、分系统、部件以及参数的用户设置，获取实时的卫星遥测时序数据流。

所述时域统计量异常检测模型、时域一阶导数异常检测模型、频域相似性异常检测模型和频域统计量异常检测模型分别从时域和频域两个角度分析数据，利用滑动窗口对卫星遥测时序数据流进行分段处理。

所述时域统计量异常检测模型进行异常点判定的步骤为：

(1)提取当前窗口内数据的统计量，包括最大值、最小值、均值、方差；

(2)提取前k个窗口内数据的总体统计量，取k个窗口统计量中最大值中的最大值，所有最小值中的最小值，所有均值的均值，所有方差的均值；

(3)计算当前窗口各个统计量与前k个窗口总体对应统计量之差占前k个窗口总体统计量的百分比作为异常分数；

(4)将异常分数与给定的阈值做比较，如果大于某一统计量的阈值，则当前窗口数据存在异常，由于滑动窗口的步长为1，可判定出当前窗口的异常由最后一个数据导致即该数据为异常点，则报告该异常点对应统计量的异常；

所述时域一阶导数异常检测模型进行异常点判定的步骤为：

(1)对当前窗口内数据求一阶导数值；

(2)提取当前窗口内数据的统计量，包括最大值、最小值、均值、方差；

(3)提取前k个窗口内数据的总体统计量，取k个窗口统计量中最大值中的最大值，所有最小值中的最小值，所有均值的均值，所有方差的均值；

(4)计算当前窗口各个统计量与前k个窗口总体对应统计量之差占前k个窗口总体统计量的百分比作为异常分数；

(5)将异常分数与给定的阈值做比较，如果大于某一统计量的阈值，则当前窗口数据存在异常，由于滑动窗口的步长为1，可判定出当前窗口的异常由最后一个数据导致即该数据为异常点，则报告该异常点对应统计量的异常；

所述频域统计量异常检测模型进行异常点判定的步骤为：

(1)对当前窗口内数据做傅里叶变换，进一步计算得到其能量谱；

(2)提取当前窗口内数据的统计量，包括能量最大值对应的频率、频率的加权平均、频率的方差；

(3)提取前k个窗口内数据的总体统计量，取k个窗口中能量最大值中的最大值对应的频率、所有频率的加权平均的均值、所有频率的方差的均值；

(4)计算当前窗口各个统计量与前k个窗口总体对应统计量之差占前k个窗口总体统计量的百分比作为异常分数；

(5)将异常分数与给定的相对阈值做比较，如果大于某一统计量的阈值，则当前窗口数据存在异常，由于滑动窗口的步长为1，可判定出当前窗口的异常由最后一个数据导致即该数据为异常点，则报告该异常点对应统计量的异常；

所述频域相似性异常检测模型进行异常点判定的步骤为：

(1)对当前窗口内数据做傅里叶变换，进一步计算得到其能量谱；

(2)当前窗口与前k个窗口分别计算欧式距离作为相似性度量，选取其中最大的距离作为异常分数。

(3)将异常分数与给定的阈值做比较，如果大于该阈值，则当前窗口数据存在异常，由于滑动窗口的步长为1，可判定出当前窗口的异常由最后一个数据导致即该数据为异常点，则报告该异常点频域相似性的异常。

本发明还提供了一种快速实时检测卫星遥测时序数据异常的方法，包括：

获取实时的卫星遥测时序数据流，为接下来的异常检测准备数据；

配置滑动窗口大小和阈值；

采用时域统计量异常检测、时域一阶导数异常检测、频域相似性异常检测和频域统计量异常检测中任选一种或者几种组合的方式，分别从时域和频域两个角度分析数据，进行异常检测，其方法为：载入遥测时序数据流，利用滑动窗口划分遥测时序数据流，自适应比较当前窗口与前k个窗口得到异常分数，其中时域统计量异常检测模型、时域一阶导数异常检测模型和频域统计量异常检测模型以当前窗口各个统计量与前k个窗口总体对应统计量之差占前k个窗口总体统计量的百分比作为异常分数，而频域相似性异常检测模型以当前窗口与前k个窗口分别计算欧式距离作为相似性度量，选取其中最大的距离作为异常分数，根据阈值对遥测时序数据进行异常检测，如果异常分数超过阈值，则判定卫星部件参数对应的遥测数据异常，定位异常发生的时间，并报告检测到的异常；

对异常检测报告结果进行存储和解析，并图形化展示检测结果。

具体地，本发明通过设置卫星类型、数据实体、数据清洗状态、分系统、部件以及参数，获取实时的卫星遥测时序数据流。

本发明所得异常的卫星遥测时序数据与相应的卫星异常变化对应，因此可根据异常数据判断卫星异常变化。具体地，卫星在轨运行过程中的遥测时序数据流是卫星各个分系统下各部件参数的直接观测量，能够反映各部件的工作状态。卫星在轨运行时不断向地面传输各部件参数的遥测时序数据流，利用数据挖掘的方法高效的对这些海量的数据进行实时异常检测处理，能够及时、准确地挖掘出卫星异常变化。这是进行卫星故障诊断、故障原因分析以及卫星健康管理的一个首要过程。

与现有技术相比，本发明利用滑动窗口对遥测数据流进行分段处理，每个窗口数据与前k个窗口比较，具有自适应性，无需人工设置固定的参数上下限。本发明从时域和频域多重角度分析数据，综合了四种实时异常检测技术，包括时域统计量异常检测、时域一阶导数异常检测、频域相似性异常检测、频域统计量异常检测，可以将多种异常检测技术同时使用或者组合使用，从而降低了漏检率和误报率，能够有效利用遥测时序数据流快速实时检测卫星遥测时序数据异常，帮助专家实时监测卫星运行状态，确保卫星健康安全运行。

附图说明

图1是本发明方法的模块框架图。

图2是本发明方法的总体流程图。

图3是本发明方法使用“南分流调节器温度”和“+y能源_in5”的具体参数实例，经过四种实时异常检测方法检测异常点的结果曲线。

具体实施方式

下面结合附图和实施例详细说明本发明的实施方式。

如图1所示，本发明一种快速实时检测卫星遥测时序数据异常的系统，利用滑动窗口技术对遥测数据流进行分段处理，结合卫星遥测时序数据固有的特征，进行异常点自动检测，其包括：

数据选择模块1-1，完成包括卫星类型、数据实体、数据清洗状态、分系统、部件以及参数的设置，为接下来的异常检测准备数据。

卫星类型，即选择卫星的所属类型，可选的卫星类型有高轨卫星和低轨卫星；数据实体，选择相应卫星类型下的具体卫星实体；数据清洗状态，即选择检测数据清洗的状态，可选的有原始数据和归一化数据；分系统，即选择相应卫星实体下分系统，可选的分系统有控制推进分系统和电源分系统；部件，即选择相应分系统下的部件，控制推进分系统下可选的部件有发动机、推力器等，电源分系统下可选择的部件有北母线、北蓄电池组等；参数，即选择相应部件下的具体参数，例如，部件选择了北电池组，该部件可选参数有北蓄电池组充电电流、北蓄电池组放电电流、北蓄电池组放电容量等。

模型选择模块1-2，完成异常检测方法的设置，从时域统计量异常检测模型、时域一阶导数异常检测模型、频域相似性异常检测模型和频域统计量异常检测模型中任选一种或者几种组合进行异常检测；这些异常检测模块分别从时域和频域两个不同角度分析数据，是快速实时检测卫星遥测时序数据异常的核心部分。

模型参数设置模块1-3，完成滑动窗口大小和阈值的配置。

实时异常检测模块1-4，在完成模型参数设置之后，启动所选择的异常检测模块或异常检测模块组合，载入遥测时序数据流，利用滑动窗口划分遥测时序数据流，对遥测时序数据流进行分段处理，当前窗口与前k个窗口进行比较得到异常分数，其中时域统计量异常检测模型、时域一阶导数异常检测模型和频域统计量异常检测模型以当前窗口各个统计量与前k个窗口总体对应统计量之差占前k个窗口总体统计量的百分比作为异常分数，而频域相似性异常检测模型以当前窗口与前k个窗口分别计算欧式距离作为相似性度量，选取其中最大的距离作为异常分数，具有自适应性，无需人工设置固定的参数上下限，具体地，前k个窗口作为一个“基准”与当前窗口提取到的数据特征来比较，而这个“基准”不是固定的，而是根据当前窗口的前k个窗口来实时更新，实现自适应性。进而根据阈值对卫星遥测时序数据进行异常检测，如果异常分数超过阈值，则判定卫星部件参数对应的遥测数据为异常，定位异常发生的时间，并报告检测到的异常。

检测结果展示模块1-5，对异常检测报告结果进行持久化存储和解析，通过解析返回的结果，为用户图形化展示检测结果。

本发明的系统还包括数据分析结果图形试图组件、用户交互组件等必须组件。

根据图1和图2，本发明的实时检测方法流程为：

步骤1，数据选择，获取实时的卫星遥测时序数据流，为接下来的异常检测准备数据；

步骤2，模型选择，从时域统计量异常检测模型、时域一阶导数异常检测模型、频域相似性异常检测模型和频域统计量异常检测模型中任选一种或者几种组合进行异常检测；

步骤3，模型参数，根据上一步选择的模型完成相应模型参数设置，即完成滑动窗口大小和阈值的配置；

步骤4，实时异常检测，根据之前步骤的选择，初始化模型参数，流入卫星遥测数据流，执行异常检测方法，进行自动异常点识别；首先初始化模型参数包括滑动窗口大小和阈值，利用滑动窗口技术对遥测时序数据流进行分段处理；比较当前窗口与前k个窗口得到异常分数，如果异常分数超过阈值，则判定卫星部件参数对应的遥测数据为异常，定位异常发生的时间，具体地：

对于时域统计量异常检测，提取当前窗口内数据的统计量，包括最大值、最小值、均值、方差。然后取k个窗口统计量中最大值中的最大值，所有最小值中的最小值，所有均值的均值，所有方差的均值。计算当前窗口各个统计量与前k个窗口总体对应统计量之差占前k个窗口总体统计量的百分比作为异常分数；对于时域一阶导数异常检测，对当前窗口内数据求一阶导数值。提取当前窗口内数据的统计量，包括最大值、最小值、均值、方差。然后提取前k个窗口内数据的总体统计量，取k个窗口统计量中最大值中的最大值，所有最小值中的最小值，所有均值的均值，所有方差的均值。计算当前窗口各个统计量与前k个窗口总体对应统计量之差占前k个窗口总体统计量的百分比作为异常分数；对于频域统计量异常检测，对当前窗口内数据做傅里叶变换，进一步计算得到其能量谱。然后提取当前窗口内数据的统计量，包括能量最大值对应的频率、频率的加权平均、频率的方差。接着提取前k个窗口内数据的总体统计量，取k个窗口中能量最大值中的最大值对应的频率、所有频率的加权平均的均值、所有频率的方差的均值。计算当前窗口各个统计量与前k个窗口总体对应统计量之差占前k个窗口总体统计量的百分比作为异常分数；对于频域相似性异常检测，对当前窗口内数据做傅里叶变换，进一步计算得到其能量谱。当前窗口与前k个窗口分别计算欧式距离作为相似性度量，选取其中最大的距离作为异常分数。得到异常分数以后接着进行异常判定，将异常分数与给定的阈值做比较，如果超过阈值，则当前窗口数据存在异常，由于滑动窗口的步长为1，可判定出当前窗口的异常由最后一个数据导致即该数据为异常点，则报告该异常点，可视化展示结果。如果没有异常，滑动窗口滑动，步长为1，接着检测下一个窗口。

步骤5，检测结果展示，通过解析异常检测方法返回的结果，可视化展示检测结果。

下面结合具体数据，展示本发明方法的具体流程。参照图1，首先进行数据选择，选择“南分流调节器温度”和“+y能源_in5”两个参数，获得对应的卫星遥测时序数据流；其次进行模型选择，同时选择时域统计量异常检测，时域一阶导数异常检测，频域相似性异常检测和频域统计量异常检测四种实时异常检测模型；第三进行模型参数设置，具体包括窗口大小和阈值设置。窗口大小定义为10，各统计量阈值设置为50，相似性阈值设置为2；然后初始化模型参数，流入卫星遥测数据流，执行异常检测方法进行自动的异常点识别；最后进行检测结果展示，两个参数的异常检测结果参照图3。从图中可以看出本发明方法可有效检测卫星遥测时序数据中的异常点，通过该异常点，即可初步判断卫星的相应异常变化，为进一步作出详尽的故障判断提供基础。

综上，本发明提供了一种快速实时检测卫星遥测时序数据异常的方法，适用于卫星部件参数的遥测时序数据。本发明方法利用滑动窗口对遥测数据流进行分段处理，每个窗口数据与前k个窗口比较，具有自适应性，无需人工设置固定的参数上下限。本发明方法从时域和频域多重角度分析数据，综合了四种实时异常检测技术，包括时域统计量异常检测、时域一阶导数异常检测、频域相似性异常检测、频域统计量异常检测。本发明方法可以将多种异常检测技术同时使用或者组合使用，从而降低了漏检率和误报率，能够有效利用遥测时序数据流快速实时检测卫星遥测时序数据异常，帮助专家实时监测卫星运行状态，确保卫星健康安全运行。