[发明专利]基于ELM的单维遥测数据异常判读方法

摘要

基于ELM的单维遥测数据异常判读方法，涉及卫星遥测数据检测技术领域。本发明是为了解决在遥测数据的异常检测中，人工判读及专家经验在复杂及未知异常检测中存在局限性的问题。为了实现单维遥测数据的异常判读，本发明从航天器实际运行过程中可监测的遥测数据参数时间序列出发，离线训练基于优化的极限学习机算法的异常判读预测模型，构建遥测数据规则库。实时遥测数据被解析及预处理后，经过判读模型形成的判据规则对数据进行判读，将判读结果输出。本发明更适合于在轨卫星数据进行自动判读。

主权项

1.基于ELM的单维遥测数据异常判读方法，其特征在于，该方法包括预测模型离线训练部分和实时异常检测部分；预测模型离线训练部分包括以下步骤：步骤一：根据遥测数据的历史时间序列，利用网格搜索法确定ELM模型结构，并根据ELM模型结构的输入层神经元个数构造ELM模型的训练输入向量；步骤二：将训练输入向量代入ELM模型中，利用ELM算法对ELM模型进行训练，获得q组训练模型，其中10≤q≤50；步骤三：根据ELM模型在验证集的残差概率分布，计算每组训练模型的固定不确定度u1；实时异常检测部分包括以下步骤：步骤四：对当前遥测数据进行归一化和去野值处理；步骤五：根据步骤四处理后的数据和ELM模型结构的输入层神经元个数构造ELM模型的当前输入向量；步骤六：将当前输入向量代入步骤二获得的q组训练模型中，获得q个预测结果；步骤七：将步骤六获得的q个预测结果进行加权，获得最优预测值，并根据q个预测结果的概率分布获得当前时间点的动态不确定度u2；步骤八：将固定不确定度u1与动态不确定度u2进行合成，获得最终不确定度；步骤九：将最终不确定度与最优预测值相加获得最终预测区间；步骤十：判断步骤四处理后的数据是否在最终预测区间内，是则判定当前遥测数据正常，否则判定当前遥测数据异常。