[发明专利]基于异步自回归预测模型的卫星故障检测方法及装置

权利要求书

1.一种基于异步自回归预测模型的卫星故障检测方法，其特征在于，包括以下步骤：

获取待检测卫星数据；

将所述待检测卫星数据的第一预设时刻特征数据输入预训练的自回归预测模型，得到第二预设时刻特征数据的预测值，并计算所述第二预设时刻特征数据的预测值和真实值的重建误差；

对所述重建误差和预设阈值进行比较，根据比较结果检测所述待检测卫星数据中的故障数据。

2.根据权利要求1所述的方法，其特征在于，在所述将待检测卫星数据的第一预设时刻特征数据输入预训练的自回归预测模型之前，还包括：

获取训练数据集，其中，所述训练数据集包括正常卫星数据样本和异常卫星数据样本；

利用非均匀时间编码对所述训练数据集进行数据转换，利用数据转换后的正常卫星数据样本对自回归预测模型进行训练，得到所述预训练的自回归预测模型；以及；

根据所述正常卫星数据样本的标签和所述异常卫星数据样本的标签计算所述训练数据集的重建误差，通过计算所述训练数据集的重建误差的最优贝叶斯分类面得到所述阈值。

3.根据权利要求2所述的方法，其特征在于，所述获取训练数据集，包括：

获取初始卫星数据样本在第三预设时刻的多帧数据；

对所述多帧数据进行特征提取得到所述第三预设时刻的特征数据；

利用中值滤波的方式对所述第三预设时刻的特征数据进行预处理得到所述训练数据集。

4.根据权利要求2所述的方法，其特征在于，所述利用非均匀时间编码对所述训练数据集进行数据转换，包括：

获取所述训练数据集在第四预设时刻的特征数据的时间戳序列；

利用差分方法得到所述时间戳序列和所述第四预设时刻的相对信息；

利用预设的激活函数得到所述相对信息的问题函数，并利用查询数据查询所述问题函数以进行数据转换。

5.根据权利要求2所述的方法，其特征在于，所述利用数据转换后的正常卫星数据样本对自回归预测模型进行训练，得到所述预训练的自回归预测模型，包括：

将所述数据转换后正常卫星数据样本的第五预设时刻的特征数据输入自回归预测模型，得到所述第五预设时刻的样本特征数据预测值；

基于所述第五预设时刻的样本特征数据预测值和真实值，训练所述自回归模型得到所述预训练的自回归预测模型。

6.一种基于异步自回归预测模型的卫星故障检测装置，其特征在于，包括：

数据获取模块，用于获取待检测卫星数据；

误差计算模块，用于将所述待检测卫星数据的第一预设时刻特征数据输入预训练的自回归预测模型，得到第二预设时刻特征数据的预测值，并计算所述第二预设时刻特征数据的预测值和真实值的重建误差；

故障检测模块，用于对所述重建误差和预设阈值进行比较，根据比较结果检测所述待检测卫星数据中的故障数据。

7.根据权利要求6所述的装置，其特征在于，在所述误差计算模块之前，还包括模型训练模块，所述模型训练模块，包括：

训练数据获取模块，用于获取训练数据集，其中，所述训练数据集包括正常卫星数据样本和异常卫星数据样本；

数据转换训练模块，用于利用非均匀时间编码对所述训练数据集进行数据转换，利用数据转换后的正常卫星数据样本对自回归预测模型进行训练，得到所述预训练的自回归预测模型；以及；

阈值计算确定模块，用于根据所述正常卫星数据样本的标签和所述异常卫星数据样本的标签计算所述训练数据集的重建误差，通过计算所述训练数据集的重建误差的最优贝叶斯分类面得到所述阈值。

8.根据权利要求7所述的装置，其特征在于，所述训练数据获取模块，还用于：

获取初始卫星数据样本在第三预设时刻的多帧数据；

对所述多帧数据进行特征提取得到所述第三预设时刻的特征数据；

利用中值滤波的方式对所述第三预设时刻的特征数据进行预处理得到所述训练数据集。