一种基于约束FP树的天体光谱数据相关性分析方法

寻找未知的天文规律是人类探索宇宙奥妙所追求目标之一.利用关联规则来描述天体光谱数据特征与其物理化学性质之间存在的、未知的相关性,是实现该目标的一种有效手段.以国家重大科学工程LAMOST项目为背景,利用一阶谓词逻辑作为天体光谱知识表示技术,提出一种约束FP树及其构造算法,从而有效提高天体光谱数据相关性分析的针对性和效率.并在此基础上,提出一种基于约束FP树的天体光谱数据相关性分析方法.实验结果分析表明,利用该相关性分析方法挖掘天体光谱数据特征和物理化学性质之间存在的相关性,是可行的和有价值的.     

基于LabVIEW的卫星有效载荷遥测数据解析处理方法

针对有效载荷遥测数据解析处理难以适应不同卫星载荷的地面测试通用性的问题，提出了一种基于LabVIEW的遥测数据解析处理方法。该方法将底层硬件控制及顶层数据分析功能独立，构建一个UDP网络，以JSON数据作为各独立控制系统间交换接口。遥测解析系统接收底层RS422通信系统送来的JSON格式原始遥测数据包，根据可设置的配置文件完成识别遥测包类型、提取预设原始参量、解析参数、存储显示数据，向顶层控制系统转发JSON格式解析后数据。所设计的测试系统经2个卫星载荷的实际工程应用和3个卫星载荷的桌面仿真测试，实现了不同载荷遥测数据解析通用性，可为快速搭建地面测试系统提供设计参考。     

基于动态加权集成学习的遥测数据预测方法

飞行任务中的遥测数据是飞行器中各功能子系统监测模块顺序产生的多维时间序列,其反应各子系统功能是否正常,对遥测数据的精准预测是研判飞行器运行状态的重要依据;针对已有时间序列预测算法会随时间劣化的缺点,提出基于集成学习原理的动态加权神经网络集成算法;该方法通过神经网络强数据拟合能力,集成学习算法具有的泛化特性和动态加权算法适应数据的漂移变化特性,提升算法的整体预测精度;选择多层感知机神经网络作为基学习器,给出神经网络基学习器结构设计方法和优化方法,以及动态加权算法的具体过程,将其与静态加权算法进行比较实验,该算法对预测精度提高效果显著,一定程度抑制数据的漂移,结果表明采用动态加权集成学习适合对遥测数据的预测.     

基于随机森林的卫星快变遥测数据建模

现代卫星已逐渐成为国家重大基础设施,为了解其在轨运行状态,需要对遥测数据进行分析;其中快变遥测数据包含了大量卫星服务情况信息,对该数据进行基于机器学习算法的分析建模,可以更好利用特征维度高、数据量大的快变遥测数据,为人工智能在卫星数据建模、运维方面提供一种可能方案;提出一种基于随机森林算法对在轨卫星快变遥测数据进行建模的方法,并引入改进的二次网格搜索方法对模型参数进行调优;使用模型对某频点功率测量值进行预测,结果显示R2值达到0.98以上,预测值误差较小,建立了效果较好的快变遥测数据模型,为实现基于机器学习的快变遥测数据分析提供了一种可能的方案;     

计算机遥测系统的数据流分析

计算机遥测系统是遥测技术的重要发展方向之一,在多信源、多用户的情况下更为重要,计算机遥测系统实际上是一种复杂的随机服务系统,本文引用排队论对两种可能的计算机遥测系统的"数据损失率"等指标进行了定量分析,建立了数学模型与公式体系.     

基于遥测参数建模的无人飞行器发动机故障诊断

无人机系统工作处于外回路,从故障发生到判定需要一定的时间做出反馈与控制,若未及时处理,将影响无人机系统运行的稳定性。无人机作为一个大的迟滞延迟复杂系统,只能通过遥测遥控数据掌握飞行器状态。而无人飞行器故障预测与健康管理技术(PHM),是利用先进的传感器的集成,实时下传无人机遥测数据,并借助各种算法和智能模型来预测、监控和管理无人机的状态。本文以遥测数据作为基础,结合无人机的实际工程应用需求,分析无人机发动机典型故障模式,建立无人机发动机典型故障的粒子滤波、K-Means聚类、多层感知器等三种诊断模型。并在最后利用试验数据对诊断结果进行了比较和分析,对三种方法的适用性展开了阐述和说明。实验结果表明,提出的诊断方法能够有效地用于无人机发动机故障诊断中,在工程应用方面具有较高的实用价值。     

遥测振动测量数据的处理方法研究

文中总结并分析了遥测数据中振动信号的处理方法。振动信号在遥测数据中属于速变参数,按照周期成分划分可以将振动信号分为随机振动信号和周期振动信号,针对两种形式上的振动信号,处理方法也略有不同,研究两种形式振动信号的处理方法对振动信号的处理具有实际指导意义。     

面向故障分析的遥测参数可视化平台

随着国内商业航天的快速发展,各种新型飞行器逐渐进入发射场开展飞行试验;为对飞行试验故障进行分析,以通用性和便捷性为目标,使用VC++6.0开发了遥测参数可视化平台;平台实现了同时动态演示飞行过程和动态绘制遥测参数曲线的功能,能够把飞行器弹道姿态与遥测数据直接关联起来;实现了自动标识关键飞行时刻、自动计算极值、矩形放大、全部遥测数据的快速分析显示等功能,提高了故障分析工作的效率;平台能够读取多种飞行器三维模型文件,能够自动设置显示界面,增强了通用性;平台具有遥测参数实时添加功能和坐标轴自动计算等功能,显著减少了准备工作;平台能够独立运行于笔记本电脑,适用于各种新型飞行试验的故障初步分析工作。     

测量船遥测数据处理方法研究

测量船作为我国测控网的组成部分,在航天测控任务中仍发挥着重要的作用,为适应航天测控网对遥测数据的新需求,测量船处理遥测数据的方法及流程需要改进.本文分析了测量船遥测系统,火箭遥测原始数据格式,并对原始数据的处理方法进行了研究.     

机器学习在卫星遥测分析建模中的应用

卫星在研制和应用的各个环节产生了庞大的特征和相关性复杂的遥测数据,人工判读或使用专家策略进行分析均无法充分梳理出这些数据的相关性并进一步挖掘和应用它们的价值;利用Python强大的机器学习生态环境和算法,能够实现对卫星遥测数据的分析和建模;以星载铷钟遥测数据为样本,提出了对卫星遥测数据进行算法分析和建立模型的方法,为实现对铷钟的健康状态进行实时评估、预报、精准控制奠定了基础;除遥测数据外,该方法亦可用于分析卫星其它数据,为卫星研制和应用过程中利用机器学习技术提高智化能水平提供了参考。     

面向飞行器遥测数据的关联规则挖掘方法研究

飞行器遥测数据是飞行器状态的直接体现,对飞行器遥测数据的不断深入分析和研究,可为飞行器的安全性和稳定性提供有效保障;目前复杂飞行器的遥测数据存在试验数据量大、人工判读效率低、数据间关联关系复杂且不易梳理等问题;同时,数据智能化分析程度低,缺少对海量历史试验数据的有效利用;为克服现有技术不足,通过对飞行器遥测数据的关联规则挖掘方法进行研究,提出基于状态转换提取的关联规则挖掘算法,并与FP-Growth算法进行试验挖掘对比分析,实现对飞行器遥测数据参数的关联规则挖掘分析,有效地解决飞行器遥测数据间关联规则的梳理问题,试验结果准确率高,为飞行器工况与参数的关联规则挖掘提供重要参考意义.