一种滤波分解序列的卫星遥测数据预测方法

    公开(公告)号:CN115438303A

    公开(公告)日:2022-12-06

    申请号:CN202210838578.9

    申请日:2022-07-18

    Abstract: 本发明公开了一种滤波分解序列的卫星遥测数据预测方法,采用HP滤波法将原始遥测数据分解,得到趋势项和波动项。其中,趋势项用于表示中长期预测中的趋势性问题,波动项用于表示短期预测中的季节性、周期性和不规则变动性问题。本发明分别分析趋势项和波动项的预测结果,将两者的预测结果相加,得到卫星遥测数据的最终预测结果,能够消除遥测数据中趋势性和波动性的影响,对卫星遥测数据进行短期和中长期预测,提高预测精度与准确度;适用于具有趋势和波动特性叠加的复杂规律遥测模拟量参数预测,通过序列分解,消除了趋势与波动之间的相互影响,区别于现有的遥测数据预测方法,能够实现对遥测数据的短期和中长期预测。

    一种航天器遥测时序数据生成方法、装置、介质及产品

    公开(公告)号:CN118013417A

    公开(公告)日:2024-05-10

    申请号:CN202410098822.1

    申请日:2024-01-23

    Abstract: 本发明公开一种航天器遥测时序数据生成方法、装置、介质及产品,涉及遥测时序数据生成领域,方法包括:将航天器遥测时序训练数据集合输入至航天时序数据生成模型中训练;航天时序数据生成模型包括数据嵌入与重构子模型、扩散transformer子模型;数据嵌入与重构子模型用于将一组预设可学习向量引入至航天器遥测时序训练数据,然后映射到低维潜在空间中;扩散transformer子模型用于实现数据重构生成;将随机噪声输入至训练完成的航天时序数据生成模型中,通过扩散transformer子模型的逆过程生成低维数据,再通过数据嵌入与重构子模型还原为航天器遥测时序新数据。本发明能够快速生成高质量的航天器遥测时序数据。

    航天器自主诊断重构的轻量化数据模型自适应构建方法

    公开(公告)号:CN119475719A

    公开(公告)日:2025-02-18

    申请号:CN202411512744.1

    申请日:2024-10-28

    Abstract: 一种航天器自主诊断重构的轻量化数据模型自适应构建方法,首先,构建故障模式集并得到与之关联的遥测参数集;然后,整理、收集遥测参数的历史数据样本,基于傅里叶变换分析遥测参数周期性规律并确定可数据建模的遥测参数子集;其次,对样本按周期项、趋势项和随机项进行分解;接着,对历史数据样本的周期项进行统计分析,确定周期中每一时刻的数据,作为周期数据模板;最后,采用ARIMA方法对趋势项进行自适应拟合,构建趋势项表征模型,并与周期项、趋势项按时刻进行叠加,形成最终的数据模型。该发明相比于当前主流的基于深度学习的建模方法,数据模型更加轻量,且建模难度更低,适用于由海量遥测参数表征的航天器的数据建模工作。

    一种遥测数据预测方法、装置、介质及产品

    公开(公告)号:CN118015480A

    公开(公告)日:2024-05-10

    申请号:CN202410096017.5

    申请日:2024-01-23

    Abstract: 本发明公开了一种遥测数据预测方法、装置、介质及产品,涉及航天器遥测数据预测领域。方法包括:获取目标航天器在待测时刻序列中每个时刻不同变量对应的遥测数据,得到每个变量对应的实时遥测数据序列;将多个变量对应的实时遥测数据序列均输入到训练后的多尺度时间卷积网络中,得到实时时间相关性特征;根据多个变量对应的实时遥测数据序列,基于相似度原理和训练后的多头注意力机制,确定实时图结构特征;将实时时间相关性特征和实时图结构特征均输入到训练后的图注意力网络中,得到当前时刻的下一时刻不同变量对应的遥感预测数据。本发明能够同时捕捉遥测数据的时间依赖性和各个变量之间空间依赖性,进而提高航天器遥测数据的预测精度。

Patent Agency Ranking