李志强 张香燕 田华东

(北京空间飞行器总体设计部,北京 100094)

卫星遥测数据包含了星上各部件在轨运行的丰富信息,地面通常根据下传的遥测数据对其运行情况进行监视和评估。研究分析在轨卫星的遥测数据变化规律,在此基础上对遥测数据进行长期和短期预测,不仅有助于发现各部件和性能的老化衰退程度,还能根据预测数据进行提前预警和故障预示,以便提前发现非预期的异常变化并及时有效地处置,对降低卫星在轨运行风险、确保长期安全可靠运行具有重要意义[1-2]。

由于卫星面临复杂的空间环境,影响遥测参数变化的空间因素较多,如辐射粒子、中性大气、地磁等空间要素,还有运行轨道、姿态等影响,这些不确定或者周期性因素与卫星各部件相互作用产生效应,造成遥测数据呈现不同规律的波动,给遥测数据预测带来了困难。遥测数据的变化规律是时间序列的各种统计特征的叠加,既有趋势性,又有季节性,还有周期性的和不规则的变动,这些都反映了遥测数据变动规律的复杂性。研究时间序列数据的统计规律,并假定这种规律在未来时刻仍将发挥作用,就可以建立合适的时间序列数学模型来描述这种规律,并利用它作出合理的预测。

传统上,对遥测数据进行预测一般采用几种常见的预测方法,如曲线拟合、返向传播(BP)神经网络、小波分析、灰色系统预测等。曲线拟合方法一般适用于单一或者固定……