时序遥测数据异常检测方法研究

发布时间：2020-04-19 14:09

【摘要】：异常检测技术在故障预测与健康状态管理领域有着重要的作用。及时有效地发现在轨卫星的异常状态是监测卫星性能、探测故障、识别故障根源、提高卫星安全性的重要任务。本文在现有的数据挖掘和机器学习方法的基础上,分析了某卫星2014年至2015年的时序遥测数据,研究了时序遥测数据的特征提取和异常检测算法,用于及时发现时序遥测数据的潜在异常。由于卫星物理结构复杂,工作环境恶劣,传感器收集到的遥测数据量大,维度高,数据呈现非平稳、非线性的特性,异常数据特征不易提取。为较好地处理上述情况,提出了一种基于经验模态分解与样本熵的异常特征提取算法。该算法首先采用经验模态分解算法分解得到各个参数的整体变化趋势,然后计算各个参数趋势项的样本熵作为特征数据。实验表明,该方法不仅可以降低数据维度,而且能够处理时序遥测数据的非线性、非平稳性的问题,从而有效地提取时序遥测数据的异常特征,反映时序遥测数据的状态变化。实时异常检测算法受到异常检测阈值难以确定,异常检测可靠性不能保证等问题的影响,异常检测效果不佳,为解决阈值难以确定的问题,提高异常检测可靠性,本文提出了一种基于短期预测和动态阈值的遥测单参数异常检测算法。该算法首先采用差分进化算法优化核极限学习机的模型参数,并将优化后的模型用于单参数动态阈值的短期预测;然后利用差分进化算法优化的比例系数法构造动态阈值区间;最后采用集成策略构建集成的DE-PCM-OKELM模型来提高模型的稳定性和异常识别精度。该算法可以在较短的时间内预测出动态阈值区间,进一步识别正常数据和异常数据,实现遥测数据的异常检测。实验表明,该模型具有更好的异常检测精度,能够准确描述单个遥测参数的数据变化范围,及时识别遥测参数异常的发生。单参数异常检测算法不适用于遥测参数数据量大、遥测数据维度高的情况,同时单参数异常检测无法准确检测多参数异常的发生。为较好地处理上述情况,本文提出了一种基于角度偏离的遥测多参数异常检测算法。该方法首先利用共享近邻算法在高维数据空间构建相关数据集空间,用角度代替距离,采用基于角度偏离的属性选择算法筛选与异常相关的属性,然后使用归一化的马氏距离计算异常值,最后结合统计学知识计算得到异常阈值并对数据集进行分类。实验表明,在领域知识匮乏的情况下,该算法的异常检测准确率可以达到95%以上,同时算法鲁棒性较高,能够实时、有效地检测卫星遥测数据异常。
【图文】：

框架图,论文,框架,异常检测

测算法来实现时序遥测数据的异常检测。1.4 本文组织架构与章节安排本文框架如图1.1所示，其中数据预处理模块对应本文第二章，针对卫星时序遥测数据的特点，提出了一种行之有效的异常特征提取算法，能够有效地提取卫星异常数据特征，为进一步进行异常检测技术研究做准备；基于短期预测和动态阈值的遥测单参数异常检测模块对应本文第三章，首先得到实时数据的动态阈值区间，之后通过将实时数据与动态阈值进行对比，来发现异常数据，实现卫星状态的异常检测，解决了异常检测方法阈值设置过程难度大的问题；基于角度偏离的遥测多参数异常检测模块对应本文第四章，在领域知识匮乏的情况下，通过采用基于角度偏离的异常属性筛选算法选择与异常相关的属性，计算遥测数据的异常值，避免了某些与异常不相关的属性对异常检测结果的影响，解决了单参数异常检测算法全局性不强的问题。本文后续章节将详细描述上述框架中的各个模块。围绕这些模块

流程图,经验模态分解,异常特征,提取算法

从式(2.26)可以看出，序列的样本熵的计算结果与样本数量 N 、嵌入维度m 以及相似阈取值有关，大量的实验证明，当 m= 2， r (0.1~ 0.25) std ( X)时，能够计算出更具合理性似熵[49]。因此，在本章的实验中，设置 m= 2， r 0.15 std ( X)。从样本熵的计算过程可以看出，样本熵在计算的过程中不需要与自身的数据段进行比较服了结果可能出现偏差的问题。与近似熵相比，样本熵节省了计算时间，提高了计算精度算结果不再依赖序列长度，而且样本熵具有较好的一致性和抗干扰能力[50; 51]。但是，样本然存在一些问题，当样本数量 N 和相似阈值r 较小时，会发生找不到匹配向量的问题，从法计算样本熵。本章是在大数据量样本的前提下进行的实验，而且相似阈值r 也是在大量验证明下选取的，因此，本章在计算样本熵时不存在上述问题。.5 EMD-SE 异常特征提取算法描述针对卫星遥测数据存在非线性、平稳性差以及异常特征不易提取的问题，，本章提出了一于经验模态分解与样本熵的特征提取算法(Empirical Mode Decomposition - Sample EntrMD-SE)。首先采用经验模态分解算法得到各个参数的整体变化趋势，然后计算各个遥测参势项的样本熵作为异常特征数据。本方法包含 2 个阶段，具体的操作流程如图 2.1 所示：
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：V467

【参考文献】