[发明专利]基于PCA的多维航天器遥测数据的故障诊断方法

说明书

基于PCA的多维航天器遥测数据的故障诊断方法，属于故障诊断领域。本发明为了解决现有采用人工监测并检测航天器的遥测数据，检测效率低的问题。对航天器的遥测数据进行归一化处理得到特征协方差矩阵，根据特征协方差矩阵得到特征协方差矩阵的特征值和特征向量；采用PCA方法对特征协方差矩阵的特征值和特征向量进行降维处理，得到降维数据集的特征值和特征向量；将测试数据向所述特征向量做投影，得到投影后的分量；将投影后的分量与降维数据集的特征值进行一一对比，若投影后的特征值中有一个值大于降维数据集的特征值，则测试数据异常，若投影后的特征值中每一个值均小于降维数据集的特征值，则测试数据正常。它用于检测数据故障。

技术领域

本发明涉及利用航天器遥测数据进行故障诊断技术领域，特别涉及一种基于主成分分析(PCA)的多维航天器遥测数据的故障诊断方法。即应用PCA算法在航天器故障诊断问题，目标为减小航天器的故障率，属于故障诊断领域。

背景技术

航天器作为典型的安全攸关系统，在航天器设计之初已尽可能考虑各种因素，确保高可靠安全运行。随着航天装备需求越来越多样、设计复杂性越来越高，航天器的智能自主功能越来越强，航天器提早发现异常和故障要求越来越高，准确检测和诊断故障的难度也越来越大。随着航天事业的发展，当今发射的航天器数量越来越多，航天器的结构和功能越来越复杂，各种新技术的应用也使得航天器的故障呈现出增多的趋势。航天器故障诊断技术对于提高航天器产品可靠性，减少故障发生概率具有重要的意义。航天器虽然在设计中已充分考虑了各种因素，但仍有许多航天器会发生在轨故障，导致任务失败。航天器飞行任务的扩展以及系统安全可靠性要求的提高促进了航天器故障诊断技术的发展。

航天器的遥测数据量大，维数多，在对其监测过程中，会对其进行检测耗费大量的人力物力。

发明内容

本发明的目的是为了解决现有采用人工监测并检测航天器的遥测数据，检测效率低的问题。现提供基于PCA的多维航天器遥测数据的故障诊断方法。

基于PCA的多维航天器遥测数据的故障诊断方法，所述方法包括以下步骤：

步骤1、对航天器的遥测数据进行归一化处理，得到特征协方差矩阵，根据特征协方差矩阵得到特征协方差矩阵的特征值和特征向量；

步骤2、采用PCA方法对特征协方差矩阵的特征值和特征向量进行降维处理，得到能够反映特征协方差矩阵预设特征范围的数据集，作为降维数据集的特征值和特征向量；

步骤3、将测试数据向所述特征向量做投影，得到投影后的分量；

步骤4、将投影后的分量与降维数据集的特征值进行一一对比，若投影后的特征值中有一个值大于降维数据集的特征值，则测试数据异常，若投影后的特征值中每一个值均小于降维数据集的特征值，则测试数据正常。

优选地，步骤1中，得到特征协方差矩阵的具体过程为：

步骤11、设定航天器的遥测数据的维度n和航天器遥测数据的样本总量m，获取每个维度数据的平均值；

步骤12、采用遥测数据中每个维度下的数据减去对应维度数据的平均值，得到中心化数据；

步骤13、根据中心化数据，得到特征协方差矩阵。

优选地，步骤11中，每个维度数据的平均值，表示为：

式中，i为航天器遥测数据的第i个样本，x_ij为航天器遥测数据的第i个样本的第j维数据，μ_j为第j维数据的平均值。

优选地，步骤12中，中心化数据表示为：

式中，为中心化数据。

优选地，步骤13中，特征协方差矩阵C表示为：