[发明专利]一种用于航天器自主诊断的大样本遥测数据快速优化方法

说明书

一种用于航天器自主诊断的大样本遥测数据快速优化方法，本发明将基于特征值查询的数据优化方法和基于全查询的数据优化方法相结合，引入层次分析法思想，自上而下建立分层结构，形成一种基于分层结构的二级斜率数据快速优化方法。该方法实现超大样本航天器数据优化的高准确度和高效率性，其方法可用于具有时间序列特点的任意超大样本数据优化中。通过在东三和东四平台卫星上的应用，证明方法有效可行。

技术领域

本发明涉及一种用于航天器自主诊断的大样本遥测数据快速优化方法，属于航天器自主诊断数据优化技术领域。

背景技术

航天器遥测数据是按照时间先后顺序由航天器发送到地面的，是典型的时间序列数据。一般地，数据采集或传输异常会引发数据错误，进而导致正确数据中夹杂着不定量的错误数据(即野值)，而在自主诊断时为保证结果的正确性需要剔除野值，因此有必要开展数据优化工作。然而部分在轨航天器由于遥测量巨大，其快速优化工作存在不足。

以东三平台静止轨道卫星为例，地面站24小时全天可见，快变遥测0.5s下传一次，1个快变遥测1天则下传172800个点，在进行该遥测月度数据分析、年度数据分析时，该参数需要同时查询的点数超过500万和6000万，采用现有方法对上述具有超大样本特点的数据进行快速优化工作存在困难。目前，自动化数据优化方法主要分为2种：1)基于特征值查询的数据优化方法，优点是大幅降低查询的数据量，提高了优化速度，但由于特征值属于抽样查询，降低了优化的准确度；2)基于全查询的数据优化方法，优点是优化准确度大大提高，但优化效率大大降低，特别是在进行多星多参数数据优化时，优化的数据会成百上千倍的增加。因此需要寻找一种数据优化方法同时解决准确性和高效性问题。

发明内容

本发明解决的技术问题是：克服现有技术的不足，针对航天器自主诊断中超大样本数据优化方法准确性和高效性难以兼顾的问题，提出了一种用于航天器自主诊断的大样本遥测数据快速优化方法。本方法可以实现超大样本航天器遥测数据优化的高准确度和高效率性，其准确度可以与基于全查询的数据优化方法保持一致，但效率却可以大幅增加，效率提升与野值占比有关，若野值占比为万分之一，则效率可以提高近万倍。

本发明的技术解决方案是：

一种用于航天器自主诊断的大样本遥测数据快速优化方法，包括步骤如下：

1)根据12m个月的历史遥测数据，确定一级剔野斜率K₁、二级剔野斜率K₂及边界剔野的上下边界；其中，m为正整数；

2)判断航天器目标时间段遥测数据的数据量s是否小于或等于地面遥测数据处理中心单次最大的遥测数据处理量n，若s小于或等于n则进入3)，反之，则进入4)；

3)根据步骤1)所述一级剔野斜率K₁及边界剔野的上下边界，对航天器目标时间段遥测数据进行剔野，获得优化后的遥测数据；

4)根据步骤1)所述一级剔野斜率K₁、二级剔野斜率K₂及边界剔野的上下边界，对航天器目标时间段遥测数据进行剔野，获得优化后的遥测数据。

步骤1)所述确定一级剔野斜率K₁、二级剔野斜率K₂及边界剔野的上下边界的方法，具体为：

11)从12m个月的遥测数据中，选取一个轨道周期的遥测数据，所述被选取的一个轨道周期的遥测数据不含有野值；

计算被选取的遥测数据中前后两帧遥测数据差值，将差值最大值作为该遥测数据的一级剔野斜率K₁；将5倍的K₁作为该遥测数据的二级剔野斜率K₂；