基于数据关联性分析的飞轮异常检测

• 作者: 徐敏强 王日新 龚学兵
• 来源期刊: 航空学报
• 学科: 航空航天
• 关键词: 闭环系统 飞轮 关联性分析 无监督学习 异常检测 云模型
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 电子与控制
• 页码范围: 898-906
• 页数: 9页
• 分类号: V474
• 字数: 5206字
• 语种: 中文
• DOI: 10.7527/S1000-6893.2014.0124

摘要

针对航天器早期故障在闭环系统下难以被检测、数学模型难以精确建立的问题,提出了一种基于数据关联性分析的归纳式系统异常监测(IMS)方法.该方法采用无监督学习的聚类算法,利用具有关联性的参数构建数据向量,通过聚类分析自动建立健康数据向量的族类阈值区间.关联关系的破坏将引起部分参数超出族类阈值区间,使系统的异常程度存在模糊性与随机性.引入云模型评价指标,将闭环系统异常程度的不确定性通过熵与超熵定量表示,从而更加准确地判断闭环系统的异常程度.仿真结果表明:该方法能够建立卫星飞轮闭环系统的族类知识库,并可以根据云模型提供的定性知识有效判断系统的异常程度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐敏强	哈尔滨工业大学深空探测基础研究中心	114	1285	21.0	29.0
2	王日新	哈尔滨工业大学深空探测基础研究中心	72	796	16.0	23.0
3	龚学兵	哈尔滨工业大学深空探测基础研究中心	3	15	2.0	3.0