申请/专利权人：华南理工大学

申请日：2022-02-25

公开（公告）日：2024-04-09

公开（公告）号：CN114626444B

主分类号：G06V10/82

分类号：G06V10/82;G06V10/30;G06V10/80;G06N3/0455;G06N3/0442;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2022.07.01#实质审查的生效;2022.06.14#公开

摘要：本发明公开了一种基于多分辨率集成的航天器遥测异常检测方法，步骤如下：获取航天器传回的遥测数据，并进行包括标准化在内的预处理；对航天器遥测数据进行下采样，组织成不同长度的输入序列数据；将所述输入序列数据输入多分辨率编码模块，得到相应的隐层特征；融合这些隐层特征，并将融合后的隐层特征输入多分辨率解码模块，得到输出序列数据；引入形状约束损失约束输出序列的形状，结合重构损失进行迭代训练；根据输入序列和输出序列的重构误差计算相应的异常分数，检测出遥测数据中的异常值。本发明通过将航天器遥测数据输入多分辨率编码、解码模块，充分建模数据中的序列信息，能够高效检测出航天器遥测数据中异常值。

主权项：1.一种基于多分辨率集成的航天器遥测异常检测方法，其特征在于，所述航天器遥测异常检测方法包括以下步骤：S1、获取航天器遥测数据，并对遥测数据进行包括标准化在内的预处理；S2、对航天器遥测数据进行下采样，组织成不同长度的输入序列数据；S3、将所述输入序列数据输入多分辨率编码模块，得到隐层特征；S4、融合所述隐层特征，将融合后的隐层特征输入多分辨率解码模块，得到输出序列数据；S5、引入形状约束损失约束输出序列的形状，并结合重构损失迭代训练；S6、根据输入序列和输出序列的重构误差计算相应的异常分数，检测出遥测数据中的异常值；其中，所述步骤S2中对航天器遥测传感数据X＝{x1,x2,…,xT}，进行下采样得到K条下采样序列，其中xT表示T时刻的遥测数据，T表示序列数据的长度，下采样过程如下： 式中表示第k条下采样序列第t时刻的遥测数据值，k＝1,2,…,K，Tk表示序列的长度，τ表示下采样单元的大小，第1条下采样序列X1＝X；其中，所述步骤S3中多分辨率编码模块包括K个基于长短期记忆网络的编码器，编码器的个数与所述下采样序列的数目相同，第k个基于长短期记忆网络的编码器隐层状态融合过程如下： 式中，为第k个编码器在t-1时刻的隐层状态，和分别表示第k-1个编码器在τt-1时刻和τt时刻的隐层状态，τ表示下采样单元的大小，β∈0,1]表示权重系数，表示第k个编码器在t时刻经过多分辨率融合后的隐层状态；将所述隐层状态输入长短期记忆网络进行隐层状态更新，过程如下： ct＝ft⊙ct-1+it⊙gt 式中，和分别表示第k个编码器在t时刻的输入数据和隐层状态，it、ft、ot分别是长短期记忆网络的输入门、遗忘门和输出门，gt是记忆单元临时状态，ct是记忆单元状态，σ和tanh均为非线性激活函数，⊙表示逐元素相乘，M是由可训练参数组成的仿射变换；其中，所述步骤S4中融合输入序列的隐层特征的过程如下： 式中，表示第k个编码器在最后时刻Tk的隐层状态，表示向量间依次拼接操作，MFC是由可训练参数组成的仿射变换，表示经过拼接融合后的隐层特征；所述多分辨率解码模块包括K个基于长短期记忆网络的解码器，第k个基于长短期记忆网络的解码器隐层状态融合过程如下： 式中，为第k个解码器在t+1时刻的隐层状态，为第k+1个解码器在时刻的隐层状态，τ表示下采样单元的大小，为向上取整操作，β∈0,1]表示权重系数，表示第k个解码器在t时刻经过多分辨率融合后的隐层状态；将所述隐层状态输入长短期记忆网络进行隐层状态更新及得到输出数据，过程如下： ct＝ft⊙ct-1+it⊙gt 式中，和表示第k个解码器在t时刻的隐层状态、输出数据，it、ft、ot分别是长短期记忆网络的输入门、遗忘门和输出门，gt是记忆单元临时状态，ct是记忆单元状态，σ和tanh均为非线性激活函数，⊙表示逐元素相乘，M是由可训练参数组成的仿射变换，和表示输出单元的权重和偏置项。

全文数据：

权利要求：

百度查询： 华南理工大学 基于多分辨率集成的航天器遥测异常检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD