卫星在轨状态异变的演变趋势分析与预测算法研究

发布时间：2017-11-20 10:06

  本文关键词：卫星在轨状态异变的演变趋势分析与预测算法研究

  更多相关文章： 卫星异变状态 时间序列预测 ARMA预测模型 模糊聚类 相似度

【摘要】：由于卫星对于国家具有极其重要的战略意义,并且卫星的制作费用昂贵,卫星的健康与故障是近来专家学者研究的重要课题。又由于卫星被各种因素的干扰极多,所以对卫星在轨异变状态的预测就变得意义尤其重大。相应的,这样又使得对其的预测更加困难。本论文基于卫星异变数据,从两个方向来研究预测算法。第一是基于趋势的预测方法,其中通过小波算法区分高频分量和低频分量,再运用ARMA预测模型,SVR预测模型对各分量进行预测,最后得到了有效的预测结果。第二是基于相似度的预测算法,论文中创新性的提出了通过模糊聚类的方法,求得相似的序列区间,通过相似度的匹配进行预测,准确预测到卫星异变发生的时间点。第一,基于趋势的预测方法中,本论文针对卫星实测数据的特性,提出了通过基于小波分解、SVR预测模型、ARMA预测模型的优化方法。由于卫星信号中含有很多高频的抖动,所以本文中先通过小波分解将信号分为低频的走向趋势和高频的信号抖动。再对低频分量用SVR预测模型来开展预测实验,对高频分量用ARMA预测模型来开展预测实验。最后将两项预测结果进行小波重构得到最后的预测结果。第二,基于相似度的预测算法中,本论文创新性的将模糊聚类算法运用到相似度匹配预测中,模糊聚类主要对历史相似数据区域进行划分和选取。首先将历史数据库中的数据段,利用模糊聚类算法对不同的异变类型聚类。再将待预测数据段和数据类型库中的数据段做相似度匹配,根据匹配到的历史数据段的相应参数和特性来预测需要的预测值。此方案得到的预测结果在误差指标上较于常用的相似度匹配预测算法有一个数量级的提升。综合以上两方面,本论文基于卫星发生紧急异变的仿真情况下,提出了一种联合基于趋势预测和基于相似度预测综合预测算法,解决了在此情况下实验数据样本不足的问题。通过本论文对卫星在轨状态异变的预测算法研究,能够准确的对卫星异变发生的时间段进行预估,解决了卫星健康管理工作上的实际问题。同时,在相似度匹配预测方面,创新性提出了融合模糊聚类的匹配算法,为处理复杂信号的预测提供了一条新的思路。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V467;V557

【参考文献】

中国期刊全文数据库 前1条

1 华中平;肖定华;张立;彭安华;;基于相似聚类分析的交叉口交通流量预测[J];湖北工业大学学报;2006年05期

中国博士学位论文全文数据库 前1条

1 任能;制冷系统故障检测、诊断及预测研究[D];上海交通大学;2008年

中国硕士学位论文全文数据库 前2条

1 于龙;基于模糊聚类选取相似日的短期电力负荷预测[D];上海交通大学;2013年

2 陈乐;基于加权相似度和加权支持向量机的短期电力负荷预测研究[D];华南理工大学;2012年

，

本文编号：1206733