北京航空航天大学学报 ›› 2021, Vol. 47 ›› Issue (4): 844-852.doi: 10.13700/j.bh.1001-5965.2020.0041

• 论文 • 上一篇    下一篇

距离相关系数融合GPR模型的卫星异常检测方法

孙宇豪1,2, 李国通1,2,3, 张鸽1,2   

  1. 1. 中国科学院微小卫星创新研究院, 上海 201203;
    2. 中国科学院大学, 北京 100049;
    3. 上海科技大学 信息科学与技术学院, 上海 201210
  • 收稿日期:2020-02-17 发布日期:2021-04-30
  • 通讯作者: 李国通 E-mail:ligt@microsate.com
  • 作者简介:孙宇豪,女,硕士研究生。主要研究方向:卫星异常检测技术;李国通,男,博士,研究员,博士生导师。主要研究方向:卫星导航与定位技术、信号检测和识别技术;张鸽,男,博士研究生。主要研究方向:卫星自主健康管理技术。
  • 基金资助:
    上海市科学技术委员会科研计划(17DZ1100700)

A satellite anomaly detection method based on distance correlation coefficient and GPR model

SUN Yuhao1,2, LI Guotong1,2,3, ZHANG Ge1,2   

  1. 1. Innovation Academy for Microsatellite of CAS, Shanghai 201203, China;
    2. University of Chinese Academy of Sciences, Beijing 100049, China;
    3. School of Information Science and Technology, ShanghaiTech University, Shanghai 201210, China
  • Received:2020-02-17 Published:2021-04-30
  • Supported by:
    Scientific Research Plan of Shanghai Science and Technology Commission (17DZ1100700)

摘要: 卫星在轨运行期间,遥测数据表现形式通常为多维时间序列。高斯过程回归(GPR)模型可以为重要的遥测参数提供动态门限,及时发现隐藏在工程阈值内的故障征兆,但是高维卫星数据使得GPR模型具有局限性。因此,为获取与多个遥测参数相关的动态门限,在GPR模型的基础上,融合距离相关系数对预测变量进行选择,减少信息冗余和计算量,提高模型的可解释性,并估计模型的泛化误差以设置更合理的预测区间,提高模型的泛化能力,检测数据流的持续异常。对实际在轨卫星数据进行仿真实验,验证了距离相关系数融合GPR模型的卫星异常检测方法可以在卫星故障早期检测到数据异常,而且提高了模型的预测性能,降低了虚警率。

关键词: 卫星异常检测, 高斯过程回归(GPR), 距离相关系数, 变量选择, 泛化误差

Abstract: During the orbital operation of the satellite, the telemetry data is usually represented by multidimensional time series. The Gaussian Process Regression (GPR) model can provide dynamic thresholds for important telemetry parameters and timely discover failure symptoms hidden within the engineering threshold. However, high dimensional satellite data makes GPR model limited. Therefore, in order to obtain the dynamic threshold related to multiple telemetry parameters, based on the GPR model, the distance correlation coefficient is combined to select predictive variables, reduce the information redundancy and the amount of calculation, and improve the interpretability of the model.The generalization error of the model is estimated to set a more reasonable prediction interval, to improve the generalization ability and detect the continuous abnormality of the data stream. Simulation experiments on actual orbiting satellite data verify that this method can detect data anomalies in the early failure of the satellite, improve the prediction performance of the model and reduce the false alarm rate.

Key words: satellite anomaly detection, Gaussian Process Regression (GPR), distance correlation coefficient, variable selection, generalization error

中图分类号: 


版权所有 © 《北京航空航天大学学报》编辑部
通讯地址:北京市海淀区学院路37号 北京航空航天大学学报编辑部 邮编:100191 E-mail:jbuaa@buaa.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发