陆 峥, 金 光, 杨天社, 吴 冠, 兰新章

(1. 国防科技大学信息系统与管理学院, 湖南 长沙 410073; 2. 中国西安卫星测控中心, 陕西 西安 710043; 3. 复杂航空系统仿真重点实验室, 北京 100076)

0 引 言

随着我国卫星数量的逐年增多以及卫星系统的更新换代,现有的在轨卫星监测系统已经无法适应高密度和高可靠性卫星系统状态监控任务的需求。因此,在轨卫星的多级健康状态评估技术对航天器的健康管理具有重要意义。文献[1-5]介绍了集成的航天器健康管理架构(integrated vehicle health management, IVHM)完整组成,本文的健康评估属于其中的一个重要环节,主要研究利用卫星遥测参数和基于卫星可重构性研究的多级健康状态评估方法,评估结果以定量形式给出,文献[6]以健康度量化健康状态的程度,对于航天器的健康管理具有实用价值。

文献[7-8]中利用遥测数据挖掘工具Orca和IMS(inductive monitoring system)用于航天器任务执行系统和国际空间站的健康监测,其中,软件Orca基于k-means算法原理进行健康状态监测,软件IMS利用基于聚类的方法提取正常情况下的数据集合,然后计算出实时的数据向量与正常状态的数据向量之间距离的方差作为特征量进行健康状态监测。文献[9]中提出采用神经网络模型解决评估过程中多参数、多尺度和非齐次性数据,并对国际系统COSPAS-SARSAT进行健康状态评估。文献[10]中提出使用有监督的数据挖掘方法,例如决策树方法、主成分分析方法等,进行飞行器健康状态的异常检测,使用无监督的数据挖掘方法,例如k-means算法、正交分割聚类以及一元相关向量机方法,进行飞行器健康状态的实时监测。……