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。     

基于对比序列重构的卫星遥测数据异常检测方法

基于遥测数据的异常检测是卫星在轨运维管理的关键技术。 但现有方法大多仅采用正常样本建立模型,异常检测结果 对判读阈值敏感、虚警率较高。 对此本文提出基于对比序列重构的卫星遥测数据异常检测方法,充分利用有限异常先验增强异 常检测中正常、异常样本差异。 先基于变分自编码器提取遥测数据时序演化特征,引入对比学习方法建立对异常、正常数据差 异化输出的编码器,再用大量正常数据进一步训练整个模型实现对正常数据的精准重构形成对异常数据敏感的时序数据重构 模型,再基于核密度估计方法学习异常判读阈值进一步提升异常检出率。 在真实卫星遥测数据上验证表明所提方法能有效降 低异常检测的虚警率(均低于 0. 002)并保持较高的检出率具备良好的实际应用水平。     

基于遥测数据相关性的航天器异常检测

基于信息技术进行星载设备的异常检测始终是空间任务安全性、可靠性领域最重要的主题。传统航天器异常检测方法的知识和模型很难自动化构建,而纯数据驱动方法会忽略系统设计知识和遥测数据本身的特性,造成先验知识的浪费。针对这些问题,提出一种基于遥测数据相关性的航天器异常检测方法。首先,给出遥测数据相关性的定义,结合量子卫星任务实例,对单维度遥测数据的6种领域相关性进行建模和向量表示;随后,提出一种遥测数据驱动进行相关性知识发现、进而将知识应用于异常检测的方法;最后,利用量子卫星数据、基于真实故障特征的模拟数据对该方法进行了验证。实验与分析结果表明:该方法能够实现航天器异常检测知识构建的自动化,且可以有效检测出遥测数据的异常。     

基于上下文感知的多角度业务流程在线异常检测方法

针对目前大多数方法仅从单一视角检测业务流程执行异常而导致的异常检测不全面问题,本文提出了一种基于上下文感知的多角度业务流程在线异常检测方法,方法从多个视角出发对当前执行实例可能存在的三类异常情况进行在线检测,即行为异常、时间异常和属性异常.方法还借助重演技术从事件日志中充分捕获当前实例执行的行为上下文和数据上下文以更好...     

配电网线损异常数据的辨识与修正方法

提出一种针对配电网线损异常数据问题的多级辨识与修正方法。首先,运用基于DBSCAN-新息序列算法做初级辨识,识别出异常数据和可疑数据,进而根据线损数据的时间惯性对可疑数据进行二次辨识以减少误判率;然后,采用改进的LSTM算法对异常数据进行修正;最后,在IEEE-69节点配电系统中应用甘肃临夏某配电台区的实际线损数据验证了所提方法的有效性。     

红外遥测报警器故障检测平台设计研究

本文针对红外遥测报警器在现代化战争条件下的技术保障要求,利用嵌入式系统和面向对象编程技术,提出了此装备故障检测平台的设计方案,对其硬件结构和软件设计进行了重点阐述。该平台将信号采集处理、智能故障诊断、维修决策方案三者有机结合,具有实时、准确、可靠、易用等优点,特别适合装备现场快速检测、诊断和维修的应用场合。     

基于LSTM网络模型的航天器热变形预测

针对在轨航天器结构热变形问题,提出了一种基于贝叶斯优化的长短期记忆(LSTM)网络预测方法.结合航天器在轨温度测量数据和有限元模型仿真数据,完成了温度测点选取、LSTM网络模型结构设计、模型训练及热变形预测过程算法实现.实现了较少温度测点为输入下的航天器结构热变形预测.通过多组实验算例结果对比,验证了所提出的LSTM网...     

飞机交流发电机异常检测方法的研究

飞机交流发电机是飞机电源系统中最重要的部件,其工作状态直接影响到飞行安全.在维护工作中,对发电机的输出信号进行异常检测,是发现发电机异常的常用手段,对及时排除故障隐患,保证飞行安全十分重要.借鉴计算机安全领域出现的人工免疫系统思想,采用欧氏距离在实数域进行匹配计算,实现了一种用于飞机交流发电机输出信号异常检测的负向选择算法.初步计算结果表明,该方法可有效检测出飞机交流发电机的输出异常.     

机械加工系统运行状态异常检测方法的研究

智能维护技术对实现机械加工系统的预测维护意义重大,其中,对加工系统性能退化程度进行定量评估是实现预测维护的重要环节,但由于设备故障信息难以获取,使预测维护技术的应用受到一定的限制.为此,本文提出了异常检测的概念和基于统计理论的异常检测方法.通过对加工系统当前状态的异常检测,来对其异常偏离程度进行量化,目的是大幅提高加工系统预测维护的易操作性和应用范围.该方法已在精密曲线磨削主轴系统运行状态的监测中取得了良好的效果,并为系统性能退化程度的在线评估奠定了基础.     

通用航空训练飞行发动机数据异常检测初探

大型运输机发动机的健康管理研究较为广泛,相对于运输航空,针对通用航空领域以训练飞行为主的小型教练机发动机的异常检测技术还不够成熟.训练飞行具有飞行模式固定,起降频次较高,信息数据结构简单的特点,更适合引入深度学习对其进行建模分析.本文归纳了当前主流的几种深度异常检测模型,从原理、计算复杂度和优缺点三个角度进行分析.为通...     

基于多任务学习的视频异常检测方法

针对异常事件位于图像前景的某个局部区域,且背景区域对于异常检测存在干扰的问题,提出了一种多任务异常检测双流模型,模型架构包含未来帧预测网络和光流重构网络。首先利用前景检测算法获取自然图像和光流图像的目标区域,再将选取的区域送入到编码-解码网络完成未来帧预测和运动重构,对运动特征和表观特征进行提取,最后,使用深度概率网络给出的概率值作为判断异常的决策,并与重构损失及预测损失相结合来判断视频的异常性。本文针对大型场景的3个视频监控数据集(UCSD行人数据集、Avenue、Shanghai Tech)对本文提出的模型进行了异常性评估,所提出的方法在3个数据集上的AUC值分别为97.4%,86.4%,73.4%。与现有工作相比,本文的模型架构简洁且易于训练,异常检测结果更加准确。     

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。     

飞行数据异常检测技术综述

飞行数据是一系列与飞行和运行状态相关的参数。飞行数据异常检测技术旨在监测航空器关键部件的健康状态、发现机组飞行操纵等问题,从而有利于维修维护、消除安全隐患和确保飞行安全。但是,标签数据的缺少、高准确率要求、计算资源限制等问题为实际应用带来严峻挑战。阐述了飞行数据异常检测的基本内涵和研究现状,并在此基础上探讨了潜在的问题和可能的发展方向,力求为飞行数据异常检测技术的发展提供可行的研究思路。     

基于相似度对比学习的连接器零样本异常检测方法

连接器是电子装备不可或缺的功能部件,其工作接触面的洁净无异物是电子装备正常工作的必要条件。 针对连接器种类和样式繁多、异物样本少且形态不固定导致的误检、漏检频发问题,本文提出了一种新颖的零样本异常检测方法,通过在无关背景图片上合成随机异常,构建正常-异常样本图片对,经过网络预测得到表征样本对之间的像素级相似度的差异度分数图,以此对异常进行检测和定位。 通过异常区域掩码监督,使网络专注于正常-异常样本之间的像素差异,弱化网络对图片自身语义信息的关注,同时减少真实样本的需求量,提升检测器的泛化能力。 为验证算法有效性,仅使用合成数据训练网络,在DeepPCB 数据集上进行了评估,方法取得 88. 2% 的 mAp,迁移学习之后取得 99. 1% 的 mAp,为该数据集上目前最好的效果。 实验结果表明本文提出的零样本异常检测方法具有良好的泛化能力。     

局部正交子空间投影高光谱图像异常检测算法

正交子空间投影是一种监督分类算法,需要已知待分类目标的特征信息。为了扩展该算法的应用场合,提出局部正交子空间投影算法,并成功应用于高光谱图像异常检测。异常检测常用于自然背景下的人工目标提取,在小范围邻域内地物类型相对单一。基于此,以被检测点作为感兴趣目标、被检测点邻域内样本均值作为不感兴趣目标,构造局部投影算子。实验结果表明：能够检测出含量高于30％的亚像元目标;可通过适当增大滑动窗尺寸,检测像元面积较大的目标;不受Hughes效应影响;当波段数为80时,运算时间低于RX算法的十分之一。局部正交子空间投影算法检测精度高、运算速度快,适用于实时高光谱图像异常检测。     

基于背景判别与邻域补偿的高光谱异常检测

为克服高光谱局部异常检测算子背景虚警严重,探测效果不佳等问题,提出了基于核光谱角背景判别与邻域补偿的异常检测算法。算法从背景像元的筛选和探测结果的补偿两个角度提高像元探测精度,在背景像元的处理方面,提出了一种基于核光谱角距离相似度的背景像元筛选算法,将光谱分辨性能更强的核光谱角引入背景差异性判别过程,准确可靠地实现局部背景像元的筛选和优化;同时,针对异常检测算子探测精度不高等问题,引入邻域加权的空谱联合补偿机制,并提出基于核光谱角距离相似度的动态模板卷积补偿算法,显著增强了背景与目标的可分性。在与RX、LRX、KRX和CRD等异常检测算法的对比中发现,该算法表现出较强的探测性能,在抑制虚警和提高探测精度等方面达到了不错的效果。     

基于过采样投影近似基追踪的无人机异常检测

针对无人机飞行模式切换导致飞行数据在线异常检测准确率低的问题,提出基于过采样投影近似基追踪(OSPABP)的在线异常检测框架。首先利用滑窗和Z-score变换消除飞行数据流量纲,并抽取相关的飞行数据子集;然后过采样当前时刻子集的输入数据,放大异常数据对数据子空间的影响,并通过在线估计和追踪匹配过采样后数据子空间的投影近似基方向变化,从而判断子集实时输入数据的异常程度。同时该方法还可抑制飞行模式切换对异常检测效果的影响。采用Flight Gear模拟飞行数据和明尼苏达大学真实无人机飞行数据的实验结果表明,所提出方法对飞行模式切换敏感度低,可明显降低异常检测的误检率,并有效提高检测准确率。此外,算法的计算和存储复杂度均可满足机载处理要求。     

基于卷积变分自编码器的异常事件检测方法

针对传统的异常事件检测方法中手工提取的浅层特征无法统一表达不同场景的表观和运动信息问题,提出了一种基于卷积变分自编码器(ConVAE)的异常事件检测方法.首先构建了一个卷积变分自编码器网络,以视频帧序列作为网络输入,提取场景的深度特征;接着采用多变量高斯模型对在所有帧序列的深度特征图中位于同一位置的特征向量进行拟合,获...