一种基于温度曲线特征的卫星温控系统故障诊断方法

摘要

本发明公开了一种基于温度曲线特征的卫星温控系统故障诊断方法，包括1、按照时序对遥测温度数据进行收集，并按周期对遥测温度数据信息进行存储；2、初始化周期i；3、对第i个周期的Ni个数据做差分计算，得到第i个周期对应的差分序列；4、设定阈值α，统计差分序列中数值绝对值大于α的数量Qi；5、使i加1，如果i>总的周期数M，转步骤6，若i≤M，跳转至步骤3；6、通过步骤4计算得到以上M个周期计算出的波动强度特征值Q1,Q2,…,QM；7、对新接收的待检测数据在一次差分的基础上统计差分值超过阈值的数量，作为待检测特征；步骤8：在显著性水平下，计算正态分布下的置信区间和拒绝域，并进行判断。本发明具有通过分析历史遥测温度数据进而提高诊断精度的优点。

说明书

技术领域

本发明涉及一种基于温度曲线特征的卫星温控系统故障诊断方法，属于计算机领域。

背景技术

卫星的温控系统是卫星的重要组成部分，它控制着卫星内部及外部环境的热交换，是卫星内各系统正常工作的保障，其可靠性直接影响到自身及其他系统、乃至整个卫星的工作状态。卫星内部的电子元器件对工作环境的温度条件具有明确的规定范围，一旦温控系统出现故障，当环境温度发生变化却无法得到有效的调控，元器件本身的温度会随之发生相应变化，若温度超出设计范围，它们的性能参数也将改变，甚至会引起元器件的破坏，从而导致卫星系统的寿命大大缩减。日本“大隅号”实验卫星、加拿大通讯技术卫星、美国“陆地卫星—4”等均因温控系统故障而造成重大损失。

目前，由于太空环境的复杂性和卫星运行状态的多样性，工作人员往往对卫星故障机理缺乏先验性的了解，被动、滞后的修复措施对于卫星安全、稳定和经济运行十分不利，尤其当温控系统出现异常时，将导致卫星内部各个系统的性能下降，直接影响其正常工作。为了保证卫星内部各个工作器件的测量精度和技术性能，温控回路必须对整个系统的工作过程进行温度控制并进行状态监测，根据掌握的温度信息实时快速地进行故障诊断，及时发现卫星温控系统潜在的故障隐患。如何及时准确地发现并处理卫星温控系统出现的异常，对卫星运控管理非常重要，关系到卫星在轨使用寿命，因此，对卫星温控系统进行故障诊断对其运行监测具有重要的实用意义。

现有的卫星温控系统状态诊断方法有如下分类：专家知识故障诊断方法、基于模型的故障诊断法和基于神经网络的诊断法。专家知识故障诊断法，是指计算机在诊断过程中不断采集被诊断对象的信息，并综合运用知识库中的经验规则进行推理，从而快速地找到系统可能的故障。基于专家知识的故障诊断系统能够充分利用数据库技术，将专家诊断知识规则及诊断结果有序存储于数据库中，能够随时进行浏览更新维护用，但知识表达的优劣对知识的应用范围和效率影响很大，同时也影响知识的获取和故障解决方案的学习机制。基于模型的故障诊断法首先建立温度控制系统模型，再针对模型特点给出求解方法，最后给出故障诊断的实例，然而模型的准确构建往往十分困难。近年来，基于神经网络的诊断法得到了发展，其优点是高度非线性、高度容错和联想记忆等，但是，人工神经网络应用于故障诊断也存在许多不足，诊断方法属“黑箱”方法，不能揭示出系统内部的一些潜在关系，无法对诊断过程给予明确解释。网络训练时间较长，并且对未在训练样本中出现的故障无诊断能力，甚至得出错误诊断结论，这些都增加了神经网络在实际应用中的困难。

此外，以上方法仅停留在基于残差分析，根据故障状态字和数据正常范围对卫星进行诊断，或者判断与已有故障模式的近似程度，容易造成异常情况误判或漏判，且具有很大的局限性。一方面，若温控系统在初期阶段出现故障，仅有小幅度的波动而未超过阈值，在此情况下，已有方法难以检测出潜在故障；另一方面，若卫星所执行任务有变化，导致当前温度变化与历史数据相差很大，实际上为正常作业，却易被判断为故障。根本原因在于原有方法过分专注于数据在固定时刻的取值，使得诊断规则的普适性差。

本发明关注的基于温度曲线特征的卫星温控系统故障诊断方法，一方面构造了周期内一次差分超阈值数量这一特征，以这一统计值反映温度曲线的波动程度；另一方面，通过采集多个历史周期的特征，形成正常状态下的特征分布，根据置信度求出特征值隶属于正常状态的区间，进一步求出待检测数据的特征值，判断待检测数据是否符合该特征分布，若待检测数据的特征取值超出置信区间则诊断为故障。此发明方法基于周期时间内总的波动状态，而不是某个具体时间点上温度的取值，能够分离出稳定曲线(对应于正常状态下的曲线)和频繁波动且幅度大的曲线(对应于故障状态下的曲线)。

发明内容

针对现有技术存在的问题，本发明要解决的问题在于提出了一种通过分析历史遥测温度数据进而提高诊断精度,减少误判和漏判情况发生的基于温度曲线特征的卫星温控系统故障诊断方法。

为解决该问题，本发明所采取的技术方案是：

步骤1：按照时序对遥测温度数据进行收集，并按周期对遥测温度数据信息进行存储，所述周期是以一段时间内遥测温度曲线波的极大值或极小值为前后周期的划分点，两个相邻的极大值或极小值之间的长度为一个周期，第i个周期对应第i组数据

步骤2：初始化周期i；

步骤3：对第i个周期的N_i个数据做差分计算，得到第i个周期对应的差分序列

步骤4：设定阈值α，统计差分序列中数值绝对值大于α的数量，作为反映温度曲线波动特征的变量，称为波动强度，记为Q_i，

其中，q_ij为判断当前差分值是否超过阈值的逻辑结果；

步骤5：使i加1，如果i>总的周期数M，转步骤6，若i≤M，跳转至步骤3；

步骤6：通过步骤4计算得到以上M个周期计算出的波动强度特征值Q₁,Q₂,…,Q_M，所述Q_i服从N(k,σ₀²)的正态分布，样本均值k和方差σ₀²通过公式(1)得到；

步骤7：对新接收的待检测数据，以周期为单位对数据进行划分，并在一次差分的基础上统计差分值超过阈值的数量，作为待检测特征；

步骤8：在显著性水平0.05下，计算正态分布下的置信区间和拒绝域，如果待检测波动强度特征值位于置信区间内则给出卫星温控系统正常的诊断结果，反之则给出温控系统异常的诊断结果。

作为本发明的进一步改进：

步骤1中对遥测温度数据按周期存储之前，对遥测温度数据进行数据清洗。

进一步地，所述数据清洗是指若接收到的遥测温度数据存在少量数据缺失情况，则根据数据记录的取值分布情况用平均值来对空值进行填充；若所接收到的遥测温度数据存在丢包现象，对应于某周期内的数据大量缺失，则剔除丢失数据的所对应的周期，不纳入统计范围，选择正常运行状态下的温度数据，作为后阶段故障诊断的依据。

进一步地，步骤1中所述遥测温度数据信息是指遥测温度数据的数据来源、标识字段、数据记录开始时间、数据记录结束时间、相邻两条记录的时间间隔。

与现有技术相比，本发明的有益效果在于：

本发明一种基于温度曲线特征的卫星温控系统故障诊断方法，通过构造差分超阈值数量这一新特征，可以有效的提炼出温度曲线波动性质。通过对比历史数据形成的特征分布和待检测特征值之间的差异以及置信区间的设置，既提高了故障报警的容忍度，又保证了故障诊断结果的置信度。本发明具有提高诊断精度，减少误判和漏判情况发生的优点。

附图说明

图1为基于温度曲线特征的卫星温控系统故障诊断方法流程图；

图2为周期划分示意图；

图3为第一周期的差分序列图；

图4为特征分布图；

图5为待检测数据。

具体实施方式

本发明所描述的温控为：星体内部仪器板上及蓄电池组上共布置了16路主动电加热器，采用遥控和程控方式控制加热器的开启和关闭，调整星体内部热耗，控制星体温度稳定。

图1出示了本发明一种基于温度曲线特征的卫星温控系统故障诊断方法，该方法包括以下步骤：步骤1：按照时序对遥测温度数据进行收集，并按周期对遥测温度数据信息进行存储；步骤2：初始化周期i；步骤3：对第i个周期的N_i个数据做差分计算，得到第i个周期对应的差分序列步骤4：设定阈值α，统计差分序列中数值绝对值大于α的数量，记为波动强度Q_i；步骤5：使i加1，如果i>总的周期数M，转步骤6，若i≤M，跳转至步骤3；步骤6：通过步骤4计算得到以上M个周期计算出的特征值Q₁,Q₂,…,Q_M，所述Q_i服从N(k,σ₀²)的正态分布；步骤7：对新接收的待检测数据，以周期为单位对数据进行划分，并在一次差分的基础上统计差分值超过阈值的数量，作为待检测特征；步骤8：在显著性水平0.05下，计算正态分布下的置信区间和拒绝域，如果待检测特征值位于置信区间内则给出卫星温控系统正常的诊断结果，反之则给出温控系统异常的诊断结果。本发明通过构造差分超阈值数量这一新特征，可以有效的提炼出温度曲线波动性质。通过对比历史数据形成的特征分布和待检测特征值之间的差异以及置信区间的设置，既提高了故障报警的容忍度，又保证了故障诊断结果的置信度。本发明具有提高诊断精度，减少误判和漏判情况发生的优点。

步骤1：按照时序对遥测温度数据进行收集，并按周期对遥测温度数据信息进行存储；当遥测温度数据到达数据接收系统，按照时序对数据进行收集与存储，并对数据作基础统计。例如，历史数据文件中探测相机在2015年6月1～30日获取的温度数据基本信息如表1所示：

表1卫星遥测温度数据量统计

所述周期是以一段时间内遥测温度曲线波的极大值或极小值为前后周期的划分点，两个相邻的极大值或极小值之间的长度为一个周期，第i个周期对应第i组数据本实施例中取波峰作为前后周期划分点，根据所接收的历史数据，一共提取出543个周期，则M＝543，温度数据如表2所示，其中i∈{1,…,M}，i为所接收的遥测温度数据中第i个周期的标识，第i个周期即对应第i组数据

表2按周期存储数据列表

对遥测温度数据按周期存储之前，对遥测温度数据进行数据清洗。数据清洗是指若接收到的遥测温度数据存在少量数据缺失情况，则根据数据记录的取值分布情况用平均值来对空值进行填充；若所接收到的遥测温度数据存在丢包现象，对应于某周期内的数据大量缺失，则剔除丢失数据的所对应的周期，不纳入统计范围，选择正常运行状态下的温度数据，作为后阶段故障诊断的依据。本实施例中，观察到数据中出现一处中断，根据出现中断的时间(2015/6/2400:00:00左右)查找该时段对应的运控评估中心值班日志，其中6月24日的工作情况为：当天某基站数传锁定接收正常，但数据未保存，没能向中心发送。因此，直接将对应丢失数据的周期剔除，不纳入统计范围。

步骤2：初始化周期i；即从所采集的第一个周期的数据开始执行。

步骤3：对第i个周期的N_i个数据做差分计算，得到第i个周期对应的差分序列例如，第一个周期对应的差分序列为：

步骤4：设定阈值α，统计差分序列中数值绝对值大于α的数量，记为波动强度Q_i；本实施例中，设定阈值α＝0.2，统计该周期内差分序列中数值绝对值大于0.2的数量，并记录该数据，例如，Q₁＝17。

步骤5：使i加1，如果i>总的周期数M，转步骤6，若i≤M，跳转至步骤3；

步骤6：通过步骤4计算得到以上M个周期计算出的波动强度值Q₁,Q₂,…,Q_M如表3所示，统计所有数值，其统计表如表4所示，波动强度Q_i服从N(k,σ₀²)的正态分布，样本均值k和方差σ₀²通过公式(1)得到；

表3各个周期特征值

Q₁Q₂Q₃Q₄Q₅Q₆171614151715…Q₅₃₉Q₅₄₀Q₅₄₁Q₅₄₂Q₅₄₃…1716141517

表4特征值统计表

以上数据符合正态分布规律，求得样本的均值和方差分别为15.779和2.6965。

步骤7：对新接收的待检测数据，如图5所示，以周期为单位对数据进行划分，并在一次差分的基础上统计差分值超过阈值的数量，结果为21，作为待检测特征；

步骤8：在显著性水平0.05下，计算正态分布下的置信区间和拒绝域，如果待检测特征值位于置信区间内则给出卫星温控系统正常的诊断结果，反之则给出温控系统异常的诊断结果。

在显著性水平0.05下，置信区间为(15.779-3.219，15.779+3.219)，则拒绝域为(-∞,12.56)∪(18.998,+∞)，由于该特征值为整数，因此拒绝域可写成(-∞,12]∪[19,+∞)，而待检测特征值为21，属于拒绝域，因此判断出待检测特征与统计得到的正常状态下特征间存在本质差异，存在故障。

以上所述仅为本发明较佳实施例，并非限定本发明保护范围，凡在本发明技术方案基础上，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。