基于耦合自适应距离的高维异常检测算法

距离聚类方法是航天器等复杂系统实现遥测参数异常检测的常用方法之一,但在面对高维遥测数据进行异常检测任务时,往往会暴露出效率低下、精度劣化等严重问题。针对基于高维遥测数据的航天器异常检测难题,提出了一种基于耦合自适应的改进距离定义,并针对归纳监视系统(IMS)算法这一经典距离聚类算法进行了改进。该方法利用历史数据的分布特征,在进行聚类的同时,对于参数耦合性进行动态挖掘,并将挖掘到的知识高效地投入到异常检测任务。最后,采用运载火箭电源系统的真实高维遥测数据对所提方法进行了应用验证。在与多种传统基于IMS的异常检测方法的对比实验中,该改进算法检测效率与准确率较另两类IMS算法中的最优方法分别提升了41.83%和69.03%,验证了运用该距离定义的检测方法在效率与精确率上的优越性。     

航天器遥测数据异常检测综述

航天器遥测数据是地面运管系统判断其在轨运行状态的唯一依据,其异常检测成为增强航天器在轨可靠性和安全可靠运行的重要依据。但是,遥测数据量大、维度高、参数关系复杂、专业性强的特点为高检测率、低误检率、强解释性的遥测数据异常检测实现带来严峻挑战。本文对航天器遥测数据异常检测领域进行充分的调研,阐述遥测数据异常检测内涵、方法研究及应用现状,尤其针对数据驱动的遥测数据异常检测方法体系进行了系统、详细的分析,并在此基础上归纳总体发展动态,展望未来发展方向,以此为相关研究者提供参考。     

集成LSTM的航天器遥测数据异常检测方法

航天器作为一类集合结构、热控、电源、姿轨控等的复杂系统,遥测数据是地面判断其在轨性能的唯一依据,而有效的异常检测是保证航天器在轨可靠运行的基础要素。针对遥测数据连续、离散样本混合且样本变化高度关联于指令的数据异常检测问题,提出一种基于集成长短期记忆网络(LSTM)的航天器遥测数据异常检测方法。利用LSTM强大的非线性建模能力,结合矩阵范数实现对遥控指令的多模式挖掘,并通过多LSTM预测模型的构建以及有效集成,提升模型对于航天器复杂工况的适应性,进而有效标记遥测数据中的异常。通过对NASA公布的2个类型航天器的遥测数据进行实验验证,结果表明,与基于LSTM的遥测数据异常检测方法相比,所提出的方法异常检测率提升明显,尤其适合检测上下文类型异常。测试结果验证了方法的可行性,可为航天器地面运控提供有效的数据判读能力。     

基于集成极限学习机的卫星大数据分析

卫星遥测大数据是卫星地面站判断其运行状态的唯一依据,遥测参数的有效判读对监测在轨卫星健康状态具有重要意义。而遥测数据维度高、数据量大、专业性强的特点为高精度、低误检率的多维遥测数据判读带来严峻挑战。因此,提出了一种基于数据驱动的卫星遥测大数据智能判读方法。该方法以极限学习机(ELM)预测模型为基础,对目标参数进行高精度的单步预测,同时,基于目标参数在时间维度上的变化趋势对预测结果进行修正。最后,基于集成学习的方法针对目标参数的不同类别分别给出判读策略。利用卫星电源子系统仿真数据和真实卫星遥测数据对所提出的参数判读方法的有效性进行验证,实验表明,该方法对不同类型的监测数据具有较强的自适应能力和鲁棒性。     

基于注意力残差网络的航天器测控系统故障诊断

随着航天器数量的不断增加,快速而准确地对航天器测控系统进行故障诊断尤为重要。针对航天器所处空间环境变化较大、遥测数据成分复杂和故障诊断准确率不高的问题,提出了一种基于注意力残差网络(AM-ResNet)的航天器测控系统故障诊断方法。首先,将原始遥测数据转换成灰度图像;其次,将图像依次通过残差网络和注意力模块,获取具有全局依赖关系的特征图;最后经过卷积、池化操作后利用Softmax分类器进行分类,实现航天器测控系统的故障诊断。实验结果表明,所提出的基于注意力残差网络的航天器测控系统故障诊断方法可将诊断准确率提升至95.68%,与ResNet-18、AlexNet和LeNet-5故障诊断模型相比,诊断准确率分别提高了3.53%、5.62%和16.43%,验证了该方法可以有效提高航天器测控系统故障诊断性能。     

一种基于油液分析数据挖掘的航空发动机磨损故障诊断知识获取方法

针对航空发动机磨损故障诊断自动化及智能化程度不高的问题,提出一种基于油液数据挖掘的航空发动机磨损故障诊断知识获取方法。该方法利用自组织神经网络对原始多维特征数据进行特征融合,得到融合值;利用Parzen窗法制定融合值的界限值,将样本划分为正常、警告和异常3种状态;利用Weka软件对油液数据进行规则提取。该方法能够从油液光谱数据中识别出不同磨损状态信息,并提取出知识规则用于构建航空发动机磨损诊断系统的知识库,实现了基于润滑油光谱磨损数据的航空发动机故障诊断的自动化与智能化。应用某型飞机发动机实际油液光谱数据对提出的磨损故障诊断知识获取方法进行验证,结果表明:经特征融合得到的融合值能够准确反映航空发动机的劣化趋势;利用融合值的界限值划分样本状态,再进行规则提取时具有很高的识别率。     

基于大数据分析的变频器异常检测方法

变频器设备机理复杂、设备监测数据异常样本少,导致在实际应用中基于经验和基于模型的异常检测方法操作性难、常规的数据驱动方法可行性差。针对上述问题,结合密度峰值聚类与时序运行数据的转移特点,提出一种基于大数据分析的变频器异常检测方法。该方法首先通过密度峰值聚类将运行数据聚类,然后将时序过程数据在不同类簇间的动态变化规律用概率表示,并基于聚类结果和转移概率提出异常检测体系框架,最后通过异常案例验证该方法的有效性,表明该方法能够正确识别变频器异常行为。     

模型驱动的卫星总体设计方法研究

为了提高卫星总体设计的自动化程度,本文以航天卫星型号研制为研究对象,提出了一种模型驱动的卫星总体设计方法。首先分析了模型驱动的卫星总体设计流程;接着,构建了卫星总体设计本体知识库,实现相关模型的形式化描述;然后,分别论述了需求分析、功能分析及结构分析的建模过程。该方法以用户需求为输入,在相关本体知识库及实例库的支撑下,能够智能化地实现需求分析、功能分析及结构分析,为基于模型的系统工程提供一种智能化的建模工具。最后,以某型号卫星为例,验证了本方法的有效性。     

基于情境感知生成对抗网络模型的工程知识推荐方法

针对现有知识推荐方法因稀疏矩阵和冷启动导致推荐性能不佳的问题,提出一种基于情境感知生成对抗网络模型的知识推荐方法(CGKR).提出任务相似度概念,同时考虑内容相似度和任务相似度构建知识相关性网络,基于知识相关性网络构建语义激活扩散模型,扩展用户历史评分,以全面探知用户兴趣;基于用户个人背景信息和历史行为信息构造用户情境...     

基于模型的过程工业时间序列异常值检测方法

时间序列异常点检测是时间序列挖掘研究领域的重要内容和基础工作.为满足过程工业中控制系统大数据量时间序列异常值检测需求,提出了一种计算简单快速的基于边缘化后验比检验的异常值在线检测方法.该方法将基于“偏差”的检测思想与统计学理论相结合,首先利用基于数据的鲁棒建模方法对待检测数据进行拟合并得到拟合残差,然后利用统计学知识分析拟合残差以最终确定数据的异常情况.为了实现算法的在线检测要求,引进了两窗口结构并对其加以改进;通过合理的选取先验分布以及对未知参数进行边缘化处理的方式,有效地减少了算法中的参数个数,提高了算法的可用性.仿真实验可以证明所提出的时间序列异常值在线检测算法具有很好的检测准确性和一定的实用性.     

面向工程领域的主题多样性知识推荐方法

针对现有推荐方法无法同时满足知识推荐准确度和多样性的问题,提出一种主题多样性知识推荐方法(TDKR).基于对企业知识管理现状的分析,提出同时考虑内容、情境、任务3种相似度的知识相关性网络构建方法,进而划分知识主题社区.基于知识主题社区,构建用户兴趣模型,挖掘用户多样性的知识需求,并结合用户群行为数据,提出用户—主题专业...     

基于时间序列和聚类的挤压机能耗异常检测研究

挤压机能耗数据异常分为点异常和模式异常,传统的异常检测方法往往只能检测出其中一种。基于此,使用一种基于时间序列和聚类的能耗异常检测方法。针对点异常,提出一种基于K-Means和LOF的算法(K-MLS);而对于模式异常,设计K-异常因子(K-MLOF)检测算法。为验证方法的有效性,利用某铝型材企业能耗数据对其进行验证和对比分析,结果表明该方法具有较高的精度。     

基于随机卷积核与孤立森林柱塞泵异常检测方法

液压柱塞泵出口压力脉动信号近似于周期信号,有比较明确的物理含义,携带着丰富的泵的健康状态信息,是柱塞泵健康管理比较理想的信号源。利用柱塞泵出口压力上的脉动成分,提出一种基于随机卷积核的柱塞泵异常检测方法,只需柱塞泵在正常工况下的压力脉动数据即可具备检测异常压力脉动数据的能力。该方法包括波形划分、异常数据段检测2个阶段：采用基于动态时间规整(Dynamic Time Warping, DTW)数据划分算法对柱塞泵压力脉动原始数据进行分割,获取压力脉动数据段以构建数据集;基于大量一维随机卷积核提取特征,获取正常状态下压力脉动数据段特征;使用孤立森林算法对基于随机卷积核提取的特征进行异常检测。该方法在真实数据集上的表现,表明其对于异常波形的判断有优异的表现,且查准率较单一孤立森林算法提升了6.3%。     

混合驱动机构给定运动轨迹的生成与检测实验研究

给出了一种混合驱动机构实现给定轨迹的方法,确定了驱动电机的输入运动规律;以摄像机为核心构建了机构运动轨迹的视觉检测系统,提出了基于计算机视觉的方法对混合驱动机构的运动轨迹进行检测;构建了混合驱动机构运动轨迹控制实验平台,提出了一种实现两原动件初始角位移动态同步的检测方法。实验的结果表明:本文提出的给定轨迹的生成方法在机构运行速度较低时是可行有效的,基于视觉对混合驱动机构进行轨迹检测是可行的,并且具有较好地检测精度和稳定性。     

基于CVAE的时变工况轴承运行异常检测

数据驱动的异常检测技术被广泛应用于复杂机械设备状态监测中，工况（operating conditions，简称OCs）变化会导致监测数据的分布漂移，使传统数据驱动的异常检测方法的准确性受到极大干扰。为了解决时变工况下工况和健康状态之间的耦合问题，提出了一个新的特征解耦学习框架。首先，基于变分自动编码器（variation auto encoder，简称VAE）构建一个特征解耦条件变分自动编码器（conditional variation auto encoder，简称CVAE）网络，实现工况和健康状态的解耦；其次，对解耦后的健康状态相关特征进行降维处理，构建异常指标（anomaly indicator，简称ANI）；然后，将ANI与统计异常阈值相结合，实现时变工况下轴承的异常检测；最后，通过基于时变转速退化的轴承加速疲劳退化实验，验证了该方法的有效性以及所构建的健康指标在消除时变工况干扰方面的优越性。     

基于USB总线的遥测组件检测设备的设计

为检验遥测组件是否能正确的完成航天测试任务,设计了一种基于USB总线的航天遥测组件的检测设备,可以为遥测组件模拟待测试信号和各种控制信号.通过422高速差分接口读取遥测组件的测量数据,利用FPGA对数据编码后通过USB接口上传至计算机分析.该设计采用FPGA+单片机结构,既满足了高速、可靠性要求,又增强了设备的灵活性,只需要稍微改动即可对不同测试组件进行检测.     

高轨遥感卫星光轴指向误差夹角测量系统标定方法研究

针对空间环境应用中航天器结构形变夹角测量系统因系统误差导致测量精度较低的问题,提出一种基于自准直对比系 统的夹角测量系统标定方法。 通过该方法对夹角测量仪进行标定后得到标定系数,并应用仿真数据对系数进行验证。 验证结 果表明,夹角测量系统量程可达到±25′,测量分辨率可达到 0. 1″。 使用标定后的夹角测量系统进行角度检测,并将测量结果与 自准直仪进行对比。 结果表明,该标定方法简单方便精准度高,计算测量结果与标准值的差值的绝对值,夹角测量仪测量精度 达到±0. 2″,标定后夹角测量仪精度满足卫星使用要求,该方法的应用将为卫星在轨结构微形变研究提供技术支撑。     

大功率电力机车异常运行数据的检测方法研究

为了保障大功率电力机车安全稳定的运行,提出一种基于聚类-规则的异常运行数据检测方法。利用聚类算法对异常运行数据进行聚类,然后根据聚类中心获得异常运行数据的检测规则库,并由此构建检测模型,同时利用BP算法对模型参数进行优化,最终获得准确的异常运行数据检测模型。     

复杂工况下综合传动装置状态监测数据异常检测方法

针对综合传动装置运行过程中,工况变化及装置故障状态引起的数据异常、难以有效区分这一问题,提出了一种适用于复杂工况下综合传动装置状态监测数据异常检测的方法。首先,采用基于密度的聚类方法(DBSCAN)对状态监测数据进行了关联变量聚类,以排除非关联数据对数据重构准确度的干扰;然后,利用深度降噪自编码网络构建了状态监测数据重构模型,获取了对异常数据敏感的偏差特征;最后,利用支持向量数据描述(SVDD)算法构建了正常状态监测数据偏差特征的超球体,完成了复杂工况下对综合传动装置状态监测数据异常的检测;为了验证该方法对综合传动装置状态监测数据异常检测的有效性,以某型综合传动装置为研究对象,在多组综合传动装置漏油实验数据上进行异常检测验证分析。实验结果表明：该方法实现了在综合传动装置不同程度漏油故障条件下对状态监测数据异常进行检测的目的,且其准确度整体高于92%。研究结果表明：该方法可以有效检测出综合传动装置早期异常运行状态,为综合传动装置健康管理与劣化评估奠定基础。     

基于PCA的航空发动机关键部件异常状态检测

航空发动机在航空器中具有重要的作用。针对航空发动机运行状态难以准确检测的技术难题,以航空发动机转子系统为检测对象,开展基于PCA的航空发动机关键部件异常状态检测方法研究。首先,以能够获取到的发动机参数为基础,采用相关分析法,完成航空发动机检测参数的数据挖掘,剔除相关性低的数据;其次,以航空发动机四种典型故障模式为基础,开展基于PCA的航空发动机的异常状态分类;最后,以实际数据对所研究的方法进行验证,确保其异常状态检测结果符合预期。验证结果表明,基于PCA的航空发动机异常状态检测方法能够实现对航空发动机的状态进行检测,误差均在要求范围之内,因此,该方法切实可行,对于其他旋转类设备的异常状态检测具有一定的借鉴意义。