[发明专利]利用多元多步预测技术的航天器姿态系统异常检测方法

说明书

本申请涉及一种利用多元多步预测技术的航天器姿态系统异常检测方法，所述方法包括通过利用注意力机制对长短期记忆模型进行改进得到多元多步预测神经网络，该神经网络可通过对多个航天器姿态系统的不同参数的多个历史时刻获取的数据进行预测，得到多个下一时刻的预测数据，这样根据下一时刻的实际数据以及与对应时刻的预测数据进行计算得到两者之间的误差，再将该误差与对应参数的误差阈值进行对比以实现对航天器姿态系统异常检测。采用本方法能够有效实现对姿态系统遥测参数的实时监测，从而进行异常检测。

技术领域

本申请涉及航天器遥测数据异常检测技术领域，特别是涉及一种利用多元多步预测技术的航天器姿态系统异常检测方法。

背景技术

航天技术的发展推动着人类活动领域从大气层扩展到宇宙空间。航天器是综合利用电子、机械、材料、能源、控制科学以及计算机科学等多学科领域尖端知识的大型多功能复杂系统，其研制需要耗费大量的人力、资源。而随着信息技术的迅速发展，航天器这样大型复杂系统的功能不断完善和增加，伴随着是其组件更多更复杂，组件之间的组合和协同更加困难，且一旦出现问题就会造成系统异常甚至故障。并且，航天器身处复杂未知的太空中，由于各种不可避免的难以预见的因素的影响，如辐射、太空碎片等，导致系统可能会出现各种各样的异常，以致影响系统的可靠性，使得其难以完成预定的功能，甚至造成严重的经济损失和灾难性事故。

卫星是数量最多的航天器，承担着科学探测、通讯、气象观测、导航、侦察等重要科学研究和实际应用任务。卫星是一个复杂的被控对象，作为卫星最重要的控制子系统的姿态控制系统，主要承担姿态确定和姿态控制两大任务，即获取卫星所处的位置在状态，控制卫星按照预定的轨道和姿态运行，确保卫星完成飞行、工作任务。据统计，与其他控制系统相比，姿态控制系统更容易遭受外太空影响发生故障，且直接影响卫星的运行，危害更严重。因此构建姿态系统异常检测模型，对姿态系统运行状态实时监测，在发生异常时予以警告，人工排查，避免发生重大故障，保障姿态系统正常运行。

姿态系统异常检测主要包括两个方面，首先是检测是否发生异常，接着需要定位异常产生的原因及部件。在实际运用中，基于信号监测的门限值检验，冗余配件或者功能相关部件的一致性、相关性检测仍有着广泛的运用，但是前者可能会受到噪声、环境变化的影响，造成误检，后者冗余需要增加额外的设备及相应维护成本，因此基于模型、数据等的异常检测方法受到学者专家的重视。目前前沿的研究主要分为三大类：基于模型、基于数据、基于混合模型及数据的异常检测。

由于大部分控制系统都是基于物理、数学建模，因此，基于模型的异常检测有科学的理论基础，近几十年在卫星姿态系统中应用比较多。基于模型的异常检测构建系统的数学模型，利用状态估计、参数估计、等价空间方程等方法产生残差，然后基于该残差解析进行异常检测。但是随着卫星控制系统日趋复杂，传统的建模方法越来越难以对其部件或者整体建立精确的模型。并且环境的不确定性导致基于建模的异常检测方法适应性较弱，越来越难应对姿态系统这种多变量、非线性的复杂系统。一方面，研究偏向于状态/参数同步估计和基于多模型的集成、考虑不确定性因素的鲁棒建模等更为复杂的建模，另一方面，数据驱动的建模和异常检测也在引起业界的重视。

数据驱动的异常监测被成功运用到工业复杂系统。对于姿态系统而言，数据驱动的异常越来越受到业界和学术界的重视。对目前已有研究的整理，根据异常的类型是单参数异常还是多参数异常，也可以单元异常检测和多元异常检测量大类。单元异常一般针对某一个或者一类参数进行分析，姿态系统对这类的研究较少。姿态系统参数众多，模态复杂，因此对其多元异常研究较多。多元异常检测方法可分为监督学习和非监督学习两大类。若异常数据已经被提前标注，则使用机器学习等分类器对其进行异常识别。对于未标注的异常,随着机器学习、深度学习的发展，基于数据驱动的异常检测也凭借其优秀的检测效果和对不确定性的适应性，得到了越来越多的认可和应用。