[发明专利]一种基于集成LSTM的航天器遥测数据异常的检测方法

摘要

一种基于集成LSTM的航天器遥测数据异常的检测方法，它属于遥测数据异常的检测技术领域。本发明解决了现有方法对遥测数据上下文异常的检测的准确率低的问题。本发明对训练数据进行预处理，将训练数据分为训练集A和训练集B两个类别，再将训练集A和训练集B分别基于LSTM模型进行训练，能有效减少长期依赖对检测结果的影响，提升整体异常的检测的正确率；LSTM模型的预测结果按一定权重集成，得到最终的遥测数据预测值，利用预测结果与实际值的误差做差，即将误差进行平滑处理，并根据动态阈值检测出遥测数据的异常区间，与现有方法相比，本发明方法可以将航天器遥测数据上下文异常检测的准确率提升11％以上。本发明可以应用于遥测数据异常的检测技术领域。

主权项

1.一种基于集成LSTM的航天器遥测数据异常的检测方法，其特征在于，该方法包括以下步骤：步骤一、选取训练数据其中：是由t时刻的遥控指令矩阵以及t时刻的遥测值表示成的一组m维向量，且t时刻的遥控指令矩阵为t时刻的遥测值为对选取的训练数据S进行预处理获得重构的输入X；步骤二、分别提取重构的输入X包含的每个次矩阵中的遥控指令矩阵，每个次矩阵中的遥控指令矩阵分别表示为再分别计算出每个次矩阵对应的遥控指令矩阵的L2范数，取计算出的全部的L2范数的中位数作为阈值β，将L2范数大于阈值β的遥控指令矩阵对应的次矩阵构成的集合作为训练集A，将L2范数小于等于阈值β的遥控指令矩阵对应的次矩阵构成的集合作为训练集B；步骤三、构建包含LSTM模型A和LSTM模型B的集成LSTM模型，利用步骤二获得的训练集A和训练集B分别对LSTM模型A和LSTM模型B进行训练，来获得训练好的LSTM模型A和LSTM模型B；步骤四、测试数据经过预处理获得测试集，将测试集分别输入训练好的LSTM模型A和LSTM模型B，以分别得到LSTM模型A输出的每个次矩阵对应的遥测值的预测值构成的遥测预测值序列和LSTM模型B输出的每个次矩阵对应的遥测值的预测值构成的遥测预测值序列设置融合参数δ，根据LSTM模型A输出的每个次矩阵对应的遥测值的预测值构成的遥测预测值序列、LSTM模型B输出的每个次矩阵对应的遥测值的预测值构成的遥测预测值序列和融合参数δ确定最终的遥测值预测序列步骤五、将步骤四确定的最终的遥测值预测序列中的值与对应时刻的实际遥测值做差，获得误差序列e＝{e⁽¹⁾，e⁽²⁾，…，e^(t)，…}，e^(t)代表t时刻的误差；采用指数加权平均方法对误差序列进行平滑处理，得到平滑误差序列将平滑误差序列中的平滑误差值进行分组，再分别计算出每组的动态阈值∈，将每组内超出动态阈值∈的平滑误差值与该组内小于动态阈值∈、且最接近动态阈值∈的平滑误差值做差，若差值大于判别阈值p，则将该超出动态阈值∈的平滑误差值所对应时刻的遥测值视为异常值；若差值小于等于判别阈值p，则将该超出动态阈值∈的平滑误差值所对应时刻的遥测值视为正常值；步骤六、对于待测的航天器遥测数据，则重复步骤四至步骤五的过程，实现待测的航天器遥测数据的异常的检测。