一种卫星遥测数据趋势分析方法
【专利摘要】一种卫星遥测数据趋势分析方法，属于卫星遥测数据预测领域。该方法首先建立sin函数和模型，再对卫星遥测参数的历史数据值进行取样，并对样本进行数值区间压缩变换，然后利用FFT运算求取各阶主频参数和相关参数，得到确定参数的sin函数和模型，从而实现该卫星遥测参数的趋势分析。本发明方法与现有技术相比，每组参数的确认只需单次FFT运算，无需多次迭代，即可得到模型中的参数，计算效率高，利用求得的模型能够准确的对卫星遥测数据趋势进行短期和长期预测。
【专利说明】
一种卫星遥测数据趋势分析方法
技术领域
[0001] 本发明涉及卫星在轨遥测数据趋势分析方法，属于卫星遥测数据预测领域。
【背景技术】
[0002] 卫星在轨运行期间，其遥测数据中包含大量可以用于卫星故障诊断和遥测数据趋 势预测的客观规律和知识，挖掘卫星各遥测参数的特征信息，有效的认识、掌握和利用其规 律无疑对卫星在轨长期安全可靠地运行具有特别重要的意义。目前，基于遥测数据的趋势 预测广泛采用曲线拟合，即设定拟合阶数，采用最小二乘对多项式进行拟合，经过多次迭代 后，求得拟合参数，得到拟合公式。在曲线拟合过程中，由于选取的数据样本特性，需要多次 迭代才能得到较为精确的拟合结果，整个算法效率较低。特别是当阶数较高时，经常会出现 多次迭代后仍然难以收敛的情况。另外一方面，迭代次数难以确定，曲线拟合多少次迭代合 适没有特定的规律，只能依靠经验和试验。
【发明内容】
[0003] 本发明的技术解决问题是：克服现有技术的不足，提供一种卫星遥测数据趋势分 析方法，计算效率高，无需多次迭代，能够准确的对卫星遥测数据趋势进行短期和长期预 测 。
[0004] 本发明的技术解决方案是:一种卫星遥测数据趋势分析方法，步骤如下：
[0005] 步骤一:为待分析的卫星遥测参数y建立N阶sin函数和模型，所述sin函数和模型 为
[0006] y = Φ (t) =aisin(bit+ci)+a2sin(b2t+C2)+a3sin(b3t+C3)+a4sin(b4t+C4) + ---+aN sin(bNt+CN)
[0007] 其中，x = (ai，bi，ci，a2，b2，C2，a3，b3，C3，a4，b4，C4，…，aN，bN，cn)为待求参数，t为采 样时刻，N的范围为3〈N〈8;
[0008] 步骤二:选取卫星遥测参数y的历史数据样本，对样本进行数值区间压缩变换，将 样本采样时间序列压缩为[0，π]内的采样时间序列tl，t2，t 3，H_，tm，将历史数据序列压缩为 [-1 1]内的历史数据序列yi，y2，y3，···，ym;
[0010]步骤四：利用快速傅里叶变换，根据当前的余数序列res确定第η阶主频参数匕的 值，进入步骤五，η的初值为1;
[0011 ]步骤五:确定与第η阶主频参数bn相关的参数ancoscn和a nsincn的值，进入步骤六；
[0012]步骤六:n的值加1，判断n是否大于N，如果大于，进入步骤七;否则更新余数序列， 返回步骤四；
[0013] 步骤七：根据ancoscn和ansinc n的值，利用三角函数关系计算ai，Cl，a2，C2，a3， C3,…，aN，CN的值，从而确定卫星遥测参数的sin函数和模型，根据卫星遥测参数的sin函数 和模型得到待分析的卫星遥测参数与采样时间的曲线，从而实现该卫星遥测参数的趋势分 析。
[0014] 所述步骤二的实现方法为：
[0015] (2.1)对卫星遥测参数的历史数据值进行取样，共取样m个点，m个历史数据值分别 为￥!，Y 2，Y3，…，Ym，m个历史数据值对应的时刻分别为?\，T2，T 3，…，Tm;
[0016] (2.2)$Tl· = 0、Tm = Ji，按照线性关系对??，T2，T3，…，Tm进行变换，把h，T 2，T3，…，Tm 压缩变换到[0幻区间，变换后的时间序列为。山力，···，"；
[0017] (2.3)对于序列Yi，Y2，Y3，…，Ym，分别找到最小值和最大值，并按照线性关系对Yi， Y2，Y3，…，Ym进行变换，把Υι，Y2，Y3，…，Ym压缩变换到[-1 1 ]区间，变化后的序列为yi，y2， y3，···，ym〇
[0018]所述步骤四的实现方法为：
[0019 ] (3 · 1)对当前的余数序列reS进行FFT变化，得到Fres=FFT (reS);
[0020] (3.2)利用FFT变换的结果计算第N阶主频bn，计算公式如下：
[0022]其中，max_loc为Fres前1/2序列的最大值索引号。
[0023]所述步骤五的实现方法为：
[0027]所述步骤六中更新余数序列的方法为：
[0029] 本发明与现有技术相比的有益效果是：
[0030] (1)本发明方法提出了基于快速傅里叶变换进行参数模型确定的SumSin卫星遥测 数据趋势分析方法，与现有技术相比，该方法每组参数的确认只需单次FFT运算，无需多次 迭代，即可得到模型中的参数，计算效率高，利用求得的模型能够准确的对卫星遥测数据趋 势进行短期和长期预测。
[0031] (2)本发明方法与现有技术相比，提出了遥测数据趋势预测算法模型参数的求取 流程，该流程具有通用性，适用于平稳遥测参数和周期性遥测参数的趋势预测，能够准确的 对卫星遥测数据趋势进行短期和长期预测。
[0032] (3)在FFT变换之前进行数值区间的压缩变换，将数据样本进行了统一的标准预处 理，便于后续直接利用FFT运算求取参数，减少了后续的计算量，提高了预测结果的准确性。
【附图说明】
[0033]图1为本发明方法流程图；
[0034] 图2为利用本发明方法预测的数据和在轨数据对比图；
[0035] 图3为预测数据和实际在轨数据的误差分析结果。
【具体实施方式】
[0036]下面对本发明的【具体实施方式】进行详细描述。
[0037]步骤一:为待分析的卫星遥测参数y建立N阶sin函数和模型，sin函数和模型为
[0038] y = Φ (t) = aisin(bit+ci)+a2sin(b2t+C2)+a3sin(b3t+C3)+a4sin(b4t+C4) + ."+aN sin(bNt+CN)
[0039] 其中，x= (ai，bi，ci，a2，b2，C2，a3，b3, C3，a4，b4, C4, ···，aN，bN，CN)为待求参数，t为采 样时刻，3〈N〈8;就卫星遥测数据而言，一般N取6。
[0040] 步骤二:选取卫星遥测参数y的历史数据样本，对样本进行数值区间压缩变换，具 体方法为：
[0041 ] (2.1)对卫星遥测参数的历史数据值进行取样，共取样m个点，m个历史数据值分别 为￥!，Y2，Y3，…，Ym，m个历史数据值对应的时刻分别为?\，T 2，T3，…，Tm;
[0042] (2.2)按照线性关系对h，T2，T3，…，T m进行变换，把h，T2，T3，…，Tm变换到[0 π]区 间，令tl = 0、tm = 3T，变换后的时间序列为tl，t2，t3，···，tm;
[0043] 其中 ^ = 为正整数，且1 彡 i 彡m)
[0044] (2.3)对于序列Yi，Y2，Y3，…，Ym，分别找到最小值和最大值，并按照线性关系对Yi， Y2，Y3,…，Ym进行变换，把Υι，Υ2，Υ3,…，Ym变换到[-1 1]区间，变化后的序列为yi，y2，y3，···， ym〇
[0045] 令序列Yi，Y2，Y3，…，Ym最小值和最大值为Υα和Ye，则有
[0046] 其中 丫1 = -1+(￥广丫〇1)\2 + 他-￥〇1)(1为正整数，且1彡1彡111)
[0048] 步骤四：利用快速傅里叶变换，根据当前的余数序列res确定第η阶主频参数匕的 值，进入步骤五，η的初值为1。
[0049] 确定第η阶主频参数bn的值的方法为：
[0050] (3.1)对当前的余数序列reS进行FFT变化，得到Fres=FFT (reS);
[0051] (3.2)利用FFT变换的结果计算第N阶主频bn，计算公式如下：
[0053]其中，max_loc为Fres前1/2序列的最大值索引号。
[0054] 步骤五:确定与第11阶主频参数bn相关的参数ancoscn和ansinc n的值，
[0058] 进入步骤六。
[0059] 步骤六：η的值加1，判断η是否大于N，如果大于，进入步骤七；否则利用公式
更新余数序列，返回步骤四。
[0000] 步骤七：根据ancoscn和ansinc n的值，利用三角函数关系计算ai，Cl，a2，C2，a3， C3,…，aN，CN的值，从而确定卫星遥测参数的sin函数和模型，根据卫星遥测参数的sin函数 和模型得到待分析的卫星遥测参数与采样时间的曲线，从而实现该卫星遥测参数的趋势分 析。
[0061 ] 实施例：
[0062] 以对服务舱某板0SR温度遥测参数进行趋势分析为例，首先为该参数建立6阶sin 函数和模型
[0063] 选取该温度遥测参数的250个时序数据，取值的方法为(遥测参数值，数据排序）， 例如(4.35,2)表示整个时序数据序列中第二个数据，数据值为4.35。使用本序列中前200个 数据用于本方法的趋势模型的建立，根据本发明的方法，在运算过程中把数据的值压缩到 (_1，1)的区间范围内进行运算，得到确定系数的6阶sin函数和模型：
[0064] y=?(t)=0.216 Xsin(0.000Xt+4.198)+0.032Xsin(0.001Xt+4.898)+0.006 X sin(0.001 X t+3.629)+0.006Xsin(0.001 Xt+3.175)-0.006 Xsin(0.002Xt+2.854) + 0.003Xsin(0.002Xt-3.348)
[0065] 利用上述模型对该温度遥测参数进行预测，用250个时序数据中的后50个数据检 验预测结果，显示比对如图2所示，其中点为50个数据的值(实际在轨数据），曲线表示预测 结果。图3为预测结果和实际在轨数据的误差分析结果，趋势分析的误差见表1。
[0066] 表1预测结果和在轨数据的误差分析
[0068] 从图2和表1中可以看出预测得到的参数趋势和实际数据变化趋势基本一致，可以 很好的跟踪参数曲线。
[0069] 本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。
【主权项】
1. 一种卫星遥测数据趋势分析方法，其特征在于步骤如下： 步骤一:为待分析的卫星遥测参数y建立N阶sin函数和模型，所述sin函数和模型为 y= Φ (t) =aisin(bit+ci)+a2sin(b2t+C2)+a3sin(b3t+C3) +a4sin(b4t+C4)+''.+aNsin(bNt+CN) 其中，x= (ai,bi,ci,a2,b2,C2,a3,b3,C3,a4,b4,C4,··· ,aN,bN,CN)为待求参数，t为采样时 刻，N的范围为3<N<8; 步骤二:选取卫星遥测参数y的历史数据样本，对样本进行数值区间压缩变换，将样本 采样时间序列压缩为[0，n]内的采样时间序列tl，t2，t3，-|，tm，将历史数据序列压缩为[-1 1 ]内的历史数据序列yi，y2，y3，· · ·，ym; 步骤Ξ:令余数序巧步骤四：利用快速傅里叶变换，根据当前的余数序列res确定第η阶主频参数bn的值，进 入步骤五，η的初值为1; 步骤五:确定与第η阶主频参数bn相关的参数anCOSCn和ansincn的值，进入步骤六； 步骤六:n的值加1，判断η是否大于N，如果大于，进入步骤屯;否则更新余数序列，返回 步骤四； 步骤屯：根据anCOSCn和ansincn的值，利用；角函数关系计算ai, C1 ,日2，C2，日3，C3，…，aN， CN的值，从而确定卫星遥测参数的sin函数和模型，根据卫星遥测参数的sin函数和模型得 到待分析的卫星遥测参数与采样时间的曲线，从而实现该卫星遥测参数的趋势分析。2. 根据权利要求1所述的一种卫星遥测数据趋势分析方法，其特征在于:所述步骤二的 实现方法为： (2.1) 对卫星遥测参数的历史数据值进行取样，共取样m个点，m个历史数据值分别为Yi， Y2，Y3，…，Ym，m个历史数据值对应的时刻分别为Τι，T2，T3，…，Tm; (2.2) 令Τι = 0、Tm = 3I，按照线性关系对Τι，T2，T3，…，Tm进行变换，把Τι，T2，T3，…，Tm压缩 变换到[On]区间，变换后的时间序列为 (2.3 )对于序列Yl，Y2，Y3，…，Ym，分别找到最小值和最大值，并按照线性关系对Yl，Y2， Y3，…，Ym进行变换，把Yl，Y2，Y3，…，Ym压缩变换到[-1 1 ]区间，变化后的序列为yi，y2，y3，…， ymo3. 根据权利要求1所述的一种卫星遥测数据趋势分析方法，其特征在于:所述步骤四的 实现方法为： (3.1) 对当前的余数序列res进行FFT变化，得到Fres = FFT(res); (3.2) 利用FFT变换的结果计算第N阶主频bn，计算公式如下：其中，max_loc为Fres前1/2序列的最大值索引号。4. 根据权利要求1所述的一种卫星遥测数据趋势分析方法，其特征在于:所述步骤五的 实现方法为：5.根据权利要求1所述的一种卫星遥测数据趋势分析方法，其特征在于:所述步骤六中 更新余数序列的方法为：
【文档编号】G06F17/14GK106095728SQ201610402434
【公开日】2016年11月9日
【申请日】2016年6月8日
【发明人】白东炜, 杨慧, 杨海峰, 王永生, 姜万杰, 冯文婧, 张弓, 张芸香, 范海涛, 郭莹
【申请人】北京空间飞行器总体设计部