一种数据驱动的卫星故障根因定位方法及系统

本发明涉及故障识别，特别是涉及一种数据驱动的卫星故障根因定位方法及系统。

背景技术：

1、卫星运行过程中的物质流、信息流和能量流相互作用，一旦某系统单元发生异常，由于关联故障的传播特性，易引起其他系统单元的异常。这使得对过程监测和故障诊断(pm-fd)成为一项重要的任务。pm-fd方法主要可以分为基于模型的方法和基于数据驱动的方法两类，基于模型的方法对于缺乏领域知识和高度复杂的系统实施难度较大。随着工业化和信息化的深度融合，通过分布式测量系统在在轨卫星的各部件上安装多个传感器，采集卫星运行过程中的运行数据并存储为遥测数据，将数据驱动技术应用于pm-fd领域越来越流行。在pm-fd领域，现有方法多是针对故障的监测和诊断，忽视了对于故障传播路径的识别以及故障根因的定位，及时识别关联故障的传播路径并定位根因，可以抑制故障传播的风险。

2、pm-fd主要包括故障检测和故障定位两个步骤。常用的故障检测方法有主元分析(pca)、偏最小二乘(pls)、独立主元分析(ica)等。当检测到故障发生后，可以通过故障定位的方法确定引起故障的相关变量，贡献图分析法是一种最常用的方法，它通过计算样本各变量对于监测统计量的贡献值，贡献值大的被认为更有可能引起故障的发生。但是利用贡献图方法进行故障定位时，由于故障变量的影响，会导致非故障变量贡献值变大，容易引发残差污染问题，造成误诊。尽管对于故障的检测和定位展开了一系列基于贡献图方法的研究，但贡献图方法中常用诊断指标(t2和spe统计量)的失效问题和残差污染问题仍未得到很好的解决。此外，贡献图方法可以定位到与故障相关的变量，但无法识别故障的根因变量并识别传播路径，这是因为基于贡献图方法总是考虑故障变量之间的相关性，而并未考虑它们之间的因果性。

3、目前常用的基于数据的因果分析方法主要包括转移熵(te)、贝叶斯网络(bn)和格兰杰因果分析(gc)等。其中，te法的计算量大且无法区分直接与间接的因果关系，bn法的网络训练过程相对繁琐。尽管gc法可以用来分析变量数据间的因果关系，但仍有以下问题尚未得到很好的解决：

4、(1)参与gc法分析的变量选择完全依赖于工程师主观经验，选择数目的不确定会导致结果的不确定；

5、(2)传统gc方法无法分析非线性时间序列数据，容易出现虚假冗余的因果关系。

技术实现思路

1、发明目的：本发明的目的是提供一种数据驱动的卫星关联故障传播路径辨识方法及系统，通过在轨卫星的遥测时序数据，对工业设备进行故障的检测，并对所检测到的故障后续的传播路径进行识别，定位故障根因，属于一种数据驱动的、不需要相关领域专家知识的方法及系统。本发明将因果关系分析和故障根因定位相结合，解决了目前故障识别领域的大多数方法只集中于对故障的检测的问题。地面工程师通过本专利所提出的方法，可以及时定位到在轨卫星故障的根因，可以有效避免故障传播的风险。此外，本发明降低了传统贡献图的残差污染，同时可以分析故障变量间的非线性因果关系。

2、技术方案：为实现上述目的，本发明提出一种数据驱动的卫星关联故障传播路径辨识方法及系统。首先，利用核主成分分析方法进行故障检测，若检测到故障的发生，则继续执行后续步骤；其次，本发明提出了一种改进的重构贡献图方法和一种新的故障候选变量选择的方法，用于确定合适数量的故障相关变量，参与后续的因果关系分析；最后，提出了一种基于神经网络架构的格兰杰因果关系分析方法对故障发生的根因进行定位。其具体的技术方案包括以下几个步骤：

3、步骤一：针对卫星遥测数据非线性的特点，本发明首先使用核主成分分析方法对卫星正常运行时的遥测数据进行训练，并得到平方预测误差的spe控制限，若卫星在轨运行数据点的spe值超过该控制限，则认为该数据点出现了故障，从而实现故障的检测；

4、步骤二：根据各遥测变量对于诊断指标的贡献值大小，筛选出合适数量的故障候选变量。针对常见的故障诊断指标在某些情况下的失效问题以及传统贡献图方法在故障定位过程中的“残差污染”，提出了一种改进的重构贡献图方法(imrcpfs)进行故障定位。通常情况下筛选变量往往依靠工程师主观经验，本模块提出了一种新的故障候选变量选择的新方法(vs-fs)，用于确定合适数量的故障相关变量，参与后续的因果关系分析。

5、步骤三：基于神经网络架构的格兰杰因果关系分析方法用于计算故障候选变量之间的因果关系，生成故障传播因果图，从而实现故障传播路径的识别和根因的定位。

6、有益效果：根据本发明提供的具体实施例，本发明公开了以下技术效果：

7、本发明提出了一种包括故障检测、故障候选变量集确认和故障根因定位的全流程方法及系统；在故障候选变量集确认过程中，本发明提出的基于全空间指标的改进贡献图方法，克服了传统贡献图方法的诊断指标失效和残差污染问题；在故障根因定位过程中，提出的基于神经网络架构的格兰杰因果关系分析方法，克服了传统格兰杰因果关系分析方法无法分析非线性时间序列之间因果关系的问题。本发明针对卫星故障诊断领域中的“故障传播问题”提出了一种有效的定位方法及系统，实现了遥测数据中卫星故障传播路径的有效辨识和根因定位。

技术特征：

1.一种数据驱动的卫星故障根因定位方法及系统，其主要特征包括如下步骤：

2.根据权利要求1所述的数据驱动的卫星故障根因定位方法及系统，其特征在于，步骤(1)故障检测，其实现方法包括：

3.根据权利要求1所述的数据驱动的卫星故障根因定位方法及系统，其特征在于，步骤(2)故障候选变量集确认，其实现方法包括：

4.根据权利要求1所述的数据驱动的卫星故障根因定位方法及系统，其特征在于，步骤(3)故障传播路径识别和根因定位，其实现方法包括：

技术总结
本发明涉及一种数据驱动的卫星故障根因定位方法及系统；该方法包括利用核主成分分析方法对卫星遥测数据进行监测，得到每个数据点的平方预测误差SPE统计量，将SPE统计量大于控制限的数据点判断为故障；检测到故障发生后，根据基于全空间指标的改进贡献图算法计算所有变量的贡献值；通过提出的故障候选变量选择算法，确定故障相关变量候选集；根据基于神经网络的格兰杰因果关系分析算法，得到故障相关变量间的二值因果矩阵和故障传播因果图，识别故障传播路径和定位故障根因。本发明解决了现有格兰杰因果关系分析方法无法分析在轨卫星非线性因果关系的问题。

技术研发人员：皮德常,刘昊,王熙玄
受保护的技术使用者：南京航空航天大学
技术研发日：
技术公布日：2024/3/27