1.本發(fā)明涉及衛(wèi)星健康數(shù)據(jù)管理技術(shù)領(lǐng)域，尤其涉及一種基于深度學(xué)習(xí)的衛(wèi)星健康數(shù)據(jù)綜合分析系統(tǒng)及方法。


背景技術(shù)：

2.目前，我國(guó)的航天事業(yè)發(fā)展迅速，衛(wèi)星的任務(wù)越來(lái)越復(fù)雜化，衛(wèi)星的遙測(cè)數(shù)據(jù)極速增加，進(jìn)而獲取的衛(wèi)星參數(shù)眾多，但是，目前的衛(wèi)星星務(wù)系統(tǒng)無(wú)法高效的滿(mǎn)足日常需求。
3.載荷參數(shù)關(guān)聯(lián)分析技術(shù)是故障檢測(cè)、健康分析與預(yù)測(cè)技術(shù)的基礎(chǔ)，在衛(wèi)星的有效載荷健康管理方面，現(xiàn)有的系統(tǒng)處理存在效率不高，數(shù)據(jù)判讀準(zhǔn)確性不大，以及模型構(gòu)建不合理等諸多問(wèn)題，導(dǎo)致目前很多情況下都是由人工根據(jù)經(jīng)驗(yàn)判斷數(shù)值的準(zhǔn)確性，極大地浪費(fèi)了人力。


技術(shù)實(shí)現(xiàn)要素：

4.本發(fā)明的目的在于提供一種基于深度學(xué)習(xí)的衛(wèi)星健康數(shù)據(jù)綜合分析系統(tǒng)及方法，旨在解決現(xiàn)有技術(shù)中的衛(wèi)星的有效載荷健康管理方面，系統(tǒng)處理存在諸多問(wèn)題，導(dǎo)致目前很多情況下都是由人工根據(jù)經(jīng)驗(yàn)判斷數(shù)值的準(zhǔn)確性，極大地浪費(fèi)了人力的技術(shù)問(wèn)題。
5.為實(shí)現(xiàn)上述目的，本發(fā)明采用的一種基于深度學(xué)習(xí)的衛(wèi)星健康數(shù)據(jù)綜合分析系統(tǒng)，包括數(shù)據(jù)挖掘模塊、載荷數(shù)據(jù)故障知識(shí)庫(kù)和有效載荷故障檢測(cè)模塊；
6.所述數(shù)據(jù)挖掘模塊與所述有效載荷故障檢測(cè)模塊連接，所述載荷數(shù)據(jù)故障知識(shí)庫(kù)分別與所述數(shù)據(jù)挖掘模塊和所述有效載荷故障檢測(cè)模塊連接；
7.所述數(shù)據(jù)挖掘模塊，用于獲取載荷數(shù)據(jù)，并將所述載荷數(shù)據(jù)進(jìn)行數(shù)據(jù)管理和規(guī)范化，獲得重組數(shù)據(jù)，并將所述重組數(shù)據(jù)上傳至所述有效載荷故障檢測(cè)模塊，以及根據(jù)所述重組數(shù)據(jù)建立數(shù)據(jù)倉(cāng)庫(kù)，并將所述數(shù)據(jù)倉(cāng)庫(kù)上傳至所述載荷故障知識(shí)庫(kù)；
8.所述載荷故障數(shù)據(jù)知識(shí)庫(kù)，用于獲取所述數(shù)據(jù)倉(cāng)庫(kù)，并根據(jù)某一特定狀態(tài)或特定時(shí)間區(qū)間或非人為事件內(nèi)，對(duì)所述數(shù)據(jù)倉(cāng)庫(kù)中的載荷參數(shù)的變化趨勢(shì)進(jìn)行分析，建立故障樣本集、故障模型和故障類(lèi)型；
9.所述有效載荷故障檢測(cè)模塊，用于獲取所述重組數(shù)據(jù)，并將所述重組數(shù)據(jù)進(jìn)行故障分析，獲取設(shè)置參數(shù)，最后根據(jù)所述設(shè)置參數(shù)在所述故障模型和所述故障類(lèi)型中進(jìn)行匹配，并輸出結(jié)果。
10.所述數(shù)據(jù)挖掘模塊，獲取衛(wèi)星的載荷數(shù)據(jù)，其中，載荷數(shù)據(jù)包括衛(wèi)星實(shí)時(shí)載荷數(shù)據(jù)庫(kù)、衛(wèi)星全生命周期載荷數(shù)據(jù)庫(kù)和衛(wèi)星數(shù)據(jù)綜合基礎(chǔ)數(shù)據(jù)庫(kù)，并對(duì)其進(jìn)行抽取、清洗、轉(zhuǎn)換和歸納，獲得重組數(shù)據(jù)，將重組數(shù)據(jù)建立成數(shù)據(jù)倉(cāng)庫(kù)，并上傳至所述載荷數(shù)據(jù)故障知識(shí)庫(kù)中進(jìn)行存儲(chǔ)，將重組數(shù)據(jù)中的實(shí)時(shí)數(shù)據(jù)上傳至所述有效故障檢測(cè)模塊；所述載荷數(shù)據(jù)故障知識(shí)庫(kù)基于數(shù)據(jù)倉(cāng)庫(kù)建立故障樣本集、故障模型和故障類(lèi)型；所述有效載荷故障檢測(cè)模塊，對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行故障分析，并根據(jù)分析結(jié)果提取設(shè)置參數(shù)，變將設(shè)置參數(shù)輸入故障模型和故障類(lèi)型中進(jìn)行匹配，最后輸出匹配結(jié)果，供工作人員實(shí)時(shí)發(fā)現(xiàn)衛(wèi)星異常，減少人力觀察。
11.其中，所述數(shù)據(jù)挖掘模塊包括數(shù)據(jù)解析單元和標(biāo)準(zhǔn)化單元，所述標(biāo)準(zhǔn)化單元與所述數(shù)據(jù)解析單元連接；
12.所述數(shù)據(jù)解析單元，用于獲取所述載荷數(shù)據(jù)，并將二進(jìn)制的所述載荷數(shù)據(jù)翻譯為標(biāo)準(zhǔn)格式的載荷分析業(yè)務(wù)數(shù)據(jù)，以及將所述載荷分析業(yè)務(wù)數(shù)據(jù)上傳至所述標(biāo)準(zhǔn)化單元；
13.所述標(biāo)準(zhǔn)化單元，用于對(duì)已有的所述載荷分析業(yè)務(wù)數(shù)據(jù)進(jìn)行格式標(biāo)準(zhǔn)化處理，獲得標(biāo)準(zhǔn)載荷分析數(shù)據(jù)。
14.所述數(shù)據(jù)解析單元將載荷數(shù)據(jù)進(jìn)行翻譯，所述標(biāo)準(zhǔn)化單元將翻譯后的載荷數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，有利于下一步操作。
15.其中，所述數(shù)據(jù)挖掘模塊還包括數(shù)據(jù)清洗單元和數(shù)據(jù)預(yù)處理單元，所述數(shù)據(jù)清洗單元與所述標(biāo)準(zhǔn)化單元連接，所述數(shù)據(jù)預(yù)處理單元與所述數(shù)據(jù)清洗單元連接，所述預(yù)處理單元還與所述載荷數(shù)據(jù)故障知識(shí)庫(kù)和所述有效載荷故障檢測(cè)模塊連接；
16.所述數(shù)據(jù)清洗單元，用于去掉所述標(biāo)準(zhǔn)載荷分析數(shù)據(jù)的重復(fù)行列，并填充缺值和時(shí)標(biāo)對(duì)齊，獲得清洗載荷分析數(shù)據(jù)；
17.所述數(shù)據(jù)預(yù)處理單元，用于將所述清洗載荷分析數(shù)據(jù)進(jìn)行離散化、二元化、歸一化和變量變換，獲得所述重組數(shù)據(jù)，并將所述重組數(shù)據(jù)上傳至所述有效載荷故障檢測(cè)模塊，同時(shí)，將所述重組數(shù)據(jù)建立成所述數(shù)據(jù)倉(cāng)庫(kù)，并將所述數(shù)據(jù)倉(cāng)庫(kù)上傳至所述載荷數(shù)據(jù)故障知識(shí)庫(kù)。
18.所述數(shù)據(jù)清洗單元，將標(biāo)準(zhǔn)化后的載荷數(shù)據(jù)進(jìn)行清洗，所述數(shù)據(jù)預(yù)處理單元，將清洗后的載荷數(shù)據(jù)進(jìn)行轉(zhuǎn)化和歸納，有利于下一步操作。
19.其中，所述數(shù)據(jù)挖掘模塊還包括特征提取單元和索引標(biāo)簽單元，所述特征提取單元與所述數(shù)據(jù)預(yù)處理單元連接，所述索引標(biāo)簽單元與所述特征提取單元連接；
20.所述特征提取單元，用于提取所述重組數(shù)據(jù)的特征，并將獲取的特征存入特征庫(kù)中；
21.所述索引標(biāo)簽單元，用于對(duì)所述重組數(shù)據(jù)建立索引標(biāo)簽。
22.所述特征單元，提取種族數(shù)據(jù)的特征，解決維數(shù)災(zāi)難問(wèn)題以及降低學(xué)習(xí)任務(wù)的難度，為后續(xù)的任務(wù)提供數(shù)據(jù)支撐，所述索引標(biāo)簽單元，對(duì)采集的重組數(shù)據(jù)建立索引標(biāo)簽，為后續(xù)的載荷數(shù)據(jù)入庫(kù)、檢索、查詢(xún)提供依據(jù)。
23.其中，所述載荷數(shù)據(jù)故障知識(shí)庫(kù)包括故障樣本單元和故障模型單元，所述故障樣本單元與所述數(shù)據(jù)預(yù)處理單元連接，所述故障模型單元分別與所述有效載荷故障檢測(cè)模塊和所述故障樣本單元連接；
24.所述故障樣本單元，用于獲取所述數(shù)據(jù)倉(cāng)庫(kù)，并根據(jù)某一特定狀態(tài)或特定時(shí)間區(qū)間或非人為事件內(nèi)，對(duì)所述數(shù)據(jù)倉(cāng)庫(kù)中的載荷參數(shù)的變化趨勢(shì)進(jìn)行分析，建立故障樣本集；
25.所述故障模型單元，用于根據(jù)所述故障樣本集建立故障模型和判斷規(guī)則。
26.所述故障樣本單元，基于數(shù)據(jù)倉(cāng)庫(kù)，并對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的載荷參數(shù)的變化趨勢(shì)進(jìn)行分析，建立故障樣本集，所述故障模型單元，根據(jù)故障樣本集建立故障模型和判斷規(guī)則。
27.一種基于深度學(xué)習(xí)的衛(wèi)星健康數(shù)據(jù)綜合分析方法，包括以下步驟：
28.獲取載荷數(shù)據(jù)，并將所述載荷數(shù)據(jù)進(jìn)行數(shù)據(jù)管理和規(guī)范化，獲得重組數(shù)據(jù)，并將所述重組數(shù)據(jù)上傳至有效載荷故障檢測(cè)模塊，以及根據(jù)所述重組數(shù)據(jù)建立數(shù)據(jù)倉(cāng)庫(kù)，并將所述數(shù)據(jù)倉(cāng)庫(kù)上傳至載荷故障知識(shí)庫(kù)；
29.獲取所述數(shù)據(jù)倉(cāng)庫(kù)，并根據(jù)某一特定狀態(tài)或特定時(shí)間區(qū)間或非人為事件內(nèi)，對(duì)所述數(shù)據(jù)倉(cāng)庫(kù)中的載荷參數(shù)的變化趨勢(shì)進(jìn)行分析，建立故障樣本集、故障模型和故障類(lèi)型；
30.獲取所述重組數(shù)據(jù)，并將所述重組數(shù)據(jù)進(jìn)行故障分析，獲取設(shè)置參數(shù)，最后根據(jù)所述設(shè)置參數(shù)在所述故障模型和所述故障類(lèi)型中進(jìn)行匹配，并輸出結(jié)果。
31.首先，獲取衛(wèi)星的載荷數(shù)據(jù)，其中，載荷數(shù)據(jù)包括實(shí)時(shí)載荷數(shù)據(jù)庫(kù)、全生命周期載荷數(shù)據(jù)庫(kù)和衛(wèi)星數(shù)據(jù)綜合基礎(chǔ)數(shù)據(jù)庫(kù)，并將各數(shù)據(jù)進(jìn)行管理和規(guī)范化，將生成的數(shù)據(jù)倉(cāng)庫(kù)上傳至所述載荷故障知識(shí)庫(kù)，將實(shí)時(shí)載荷數(shù)據(jù)上傳至所述有效載荷故障檢測(cè)模塊進(jìn)行分析；然后，所述載荷故障知識(shí)庫(kù)通過(guò)大數(shù)據(jù)的挖掘技術(shù)，將海量的數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)進(jìn)行分析，并建模，創(chuàng)建故障樣本集、故障模型及判斷規(guī)則、故障類(lèi)型，為算法分析提供數(shù)據(jù)支撐；所述有效載荷故障檢測(cè)模塊，接收實(shí)時(shí)載荷數(shù)據(jù)，并對(duì)其進(jìn)行分析，提取設(shè)置參數(shù)，變將設(shè)置參數(shù)導(dǎo)入所述載荷數(shù)據(jù)故障知識(shí)庫(kù)中的故障模型和故障類(lèi)型進(jìn)行匹配，最后輸出匹配結(jié)果，供工作人員實(shí)時(shí)獲取衛(wèi)星故障信息，并查看故障現(xiàn)象和原因信息，減少人工勞動(dòng)強(qiáng)度。
32.本發(fā)明的基于深度學(xué)習(xí)的衛(wèi)星健康數(shù)據(jù)綜合分析系統(tǒng)及方法，通過(guò)所述數(shù)據(jù)挖掘模塊，獲取衛(wèi)星的實(shí)時(shí)載荷數(shù)據(jù)庫(kù)、全生命周期載荷數(shù)據(jù)庫(kù)和微型數(shù)據(jù)綜合基礎(chǔ)數(shù)據(jù)庫(kù)，并對(duì)數(shù)據(jù)庫(kù)進(jìn)行管理和規(guī)范化，將生成的數(shù)據(jù)倉(cāng)庫(kù)上傳至所述載荷數(shù)據(jù)故障知識(shí)庫(kù)，將實(shí)時(shí)載荷數(shù)據(jù)上傳至所述有效載荷故障檢測(cè)模塊；所述載荷數(shù)據(jù)故障知識(shí)庫(kù)通過(guò)大數(shù)據(jù)的挖掘技術(shù)，將數(shù)據(jù)倉(cāng)庫(kù)的海量數(shù)據(jù)進(jìn)行分析，建模，對(duì)載荷參數(shù)的變化數(shù)據(jù)進(jìn)行分析，建立故障樣本集、故障模型和故障類(lèi)型；所述有效載荷故障檢測(cè)模塊，獲取實(shí)時(shí)載荷數(shù)據(jù)，并對(duì)其進(jìn)行故障分析，提取設(shè)置參數(shù)，最后將設(shè)置參數(shù)導(dǎo)入所述載荷故障數(shù)據(jù)知識(shí)庫(kù)，在故障模型和故障類(lèi)型中進(jìn)行匹配，最后輸出結(jié)果，供工作人員實(shí)時(shí)獲取衛(wèi)星健康信息，減少人工勞動(dòng)強(qiáng)度。
附圖說(shuō)明
33.為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
34.圖1是本發(fā)明的基于深度學(xué)習(xí)的衛(wèi)星健康數(shù)據(jù)綜合分析系統(tǒng)的結(jié)構(gòu)示意圖。
35.圖2是本發(fā)明的數(shù)據(jù)挖掘模塊的結(jié)構(gòu)示意圖。
36.圖3是本發(fā)明的載荷數(shù)據(jù)故障知識(shí)庫(kù)的結(jié)構(gòu)示意圖。
37.圖4是本發(fā)明的有效載荷故障檢測(cè)模塊的結(jié)構(gòu)示意圖。
38.圖5是本發(fā)明的基于深度學(xué)習(xí)的衛(wèi)星健康數(shù)據(jù)綜合分析方法的步驟圖。
39.1-數(shù)據(jù)挖掘模塊、2-載荷數(shù)據(jù)故障知識(shí)庫(kù)、3-有效載荷故障檢測(cè)模塊、11-數(shù)據(jù)解析單元、12-標(biāo)準(zhǔn)化單元、13-數(shù)據(jù)清洗單元、14-數(shù)據(jù)預(yù)處理單元、15-特征提取單元、16-索引標(biāo)簽單元、21-故障樣本單元、22-故障模型單元、23-故障類(lèi)型單元、31-故障分析單元、32-參數(shù)設(shè)置單元、100-基于深度學(xué)習(xí)的衛(wèi)星健康數(shù)據(jù)綜合分析系統(tǒng)。
具體實(shí)施方式
40.下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終
相同或類(lèi)似的標(biāo)號(hào)表示相同或類(lèi)似的元件或具有相同或類(lèi)似功能的元件。下面通過(guò)參考附圖描述的實(shí)施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對(duì)本發(fā)明的限制。
41.請(qǐng)參閱圖1至圖4，本發(fā)明提供了一種基于深度學(xué)習(xí)的衛(wèi)星健康數(shù)據(jù)綜合分析系統(tǒng)100，包括數(shù)據(jù)挖掘模塊1、載荷數(shù)據(jù)故障知識(shí)庫(kù)2和有效載荷故障檢測(cè)模塊3；
42.所述數(shù)據(jù)挖掘模塊1與所述有效載荷故障檢測(cè)模塊3連接，所述載荷數(shù)據(jù)故障知識(shí)庫(kù)2分別與所述數(shù)據(jù)挖掘模塊1和所述有效載荷故障檢測(cè)模塊3連接；
43.所述數(shù)據(jù)挖掘模塊1，用于獲取載荷數(shù)據(jù)，并將所述載荷數(shù)據(jù)進(jìn)行數(shù)據(jù)管理和規(guī)范化，獲得重組數(shù)據(jù)，并將所述重組數(shù)據(jù)上傳至所述有效載荷故障檢測(cè)模塊3，以及根據(jù)所述重組數(shù)據(jù)建立數(shù)據(jù)倉(cāng)庫(kù)，并將所述數(shù)據(jù)倉(cāng)庫(kù)上傳至所述載荷故障知識(shí)庫(kù)；
44.所述載荷故障數(shù)據(jù)知識(shí)庫(kù)，用于獲取所述數(shù)據(jù)倉(cāng)庫(kù)，并根據(jù)某一特定狀態(tài)或特定時(shí)間區(qū)間或非人為事件內(nèi)，對(duì)所述數(shù)據(jù)倉(cāng)庫(kù)中的載荷參數(shù)的變化趨勢(shì)進(jìn)行分析，建立故障樣本集、故障模型和故障類(lèi)型；
45.所述有效載荷故障檢測(cè)模塊3，用于獲取所述重組數(shù)據(jù)，并將所述重組數(shù)據(jù)進(jìn)行故障分析，獲取設(shè)置參數(shù)，最后根據(jù)所述設(shè)置參數(shù)在所述故障模型和所述故障類(lèi)型中進(jìn)行匹配，并輸出結(jié)果。
46.在本實(shí)施方式中，利用所述數(shù)據(jù)挖掘模塊1獲取衛(wèi)星的載荷數(shù)據(jù)，其中，載荷數(shù)據(jù)包括衛(wèi)星的實(shí)時(shí)載荷數(shù)據(jù)庫(kù)、全生命周期載荷數(shù)據(jù)庫(kù)和衛(wèi)星數(shù)據(jù)綜合基礎(chǔ)數(shù)據(jù)庫(kù)，并對(duì)數(shù)據(jù)庫(kù)進(jìn)行抽取、清洗、轉(zhuǎn)換和歸納的數(shù)據(jù)管理和規(guī)范化，生成重組數(shù)據(jù)，將重組數(shù)據(jù)建立成數(shù)據(jù)倉(cāng)庫(kù)，然后上傳至所述載荷數(shù)據(jù)故障知識(shí)庫(kù)2，將重組數(shù)據(jù)中的衛(wèi)星實(shí)時(shí)載荷數(shù)據(jù)上傳至所述有效載荷故障檢測(cè)模塊3；所述載荷數(shù)據(jù)故障知識(shí)庫(kù)2，獲取數(shù)據(jù)倉(cāng)庫(kù)，并通過(guò)大數(shù)據(jù)的挖掘技術(shù)，對(duì)數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行分析和建模，建立健康狀態(tài)知識(shí)庫(kù)，對(duì)算法分析提供數(shù)據(jù)支撐，同時(shí)，根據(jù)某一特定狀態(tài)或特定時(shí)間區(qū)間或非人為事件內(nèi)，對(duì)參數(shù)的變化趨勢(shì)進(jìn)行分析，通過(guò)構(gòu)建載荷的預(yù)測(cè)模型，將各參數(shù)預(yù)測(cè)趨勢(shì)輸入模型進(jìn)行計(jì)算，獲取載荷健康的趨勢(shì)預(yù)測(cè)，通過(guò)訓(xùn)練數(shù)據(jù)集，經(jīng)過(guò)bagging算法得出新訓(xùn)練的數(shù)據(jù)集集合，再通過(guò)初始化權(quán)值進(jìn)行計(jì)算，根據(jù)子模型融合函數(shù)跟初始化權(quán)值進(jìn)行計(jì)算，將操作數(shù)據(jù)方法和操作模型參數(shù)進(jìn)行相融合的集成學(xué)習(xí)方法，建立故障樣本集、故障模型和故障類(lèi)型，其中，故障模型中具有閾值判斷和包絡(luò)線(xiàn)判斷的規(guī)則，故障類(lèi)型中包含故障現(xiàn)象和故障原因；所述有效載荷故障檢測(cè)模塊3獲取衛(wèi)星的實(shí)時(shí)載荷數(shù)據(jù)，并對(duì)其進(jìn)行故障分析，提取出變化參數(shù)，生成設(shè)置參數(shù)，并將設(shè)置參數(shù)導(dǎo)入所述載荷數(shù)據(jù)故障知識(shí)庫(kù)2中，與故障模型和故障類(lèi)型進(jìn)行匹配，獲得故障類(lèi)型、故障現(xiàn)象、故障原因，以便于維修人員能對(duì)故障進(jìn)行快速定位和排除；進(jìn)而具有深度的自我學(xué)習(xí)算法，將海量數(shù)據(jù)進(jìn)行有效的利用以及模型的準(zhǔn)確構(gòu)建；支持靈活的配置，實(shí)現(xiàn)可擴(kuò)展性，支持外部算法的集成，為診斷手段提供多方支持，通過(guò)系統(tǒng)接口預(yù)留，將外部算法程序包進(jìn)行在線(xiàn)導(dǎo)入集成，配置路徑、入?yún)⒌刃畔ⅲ到y(tǒng)業(yè)務(wù)進(jìn)行調(diào)用配置可實(shí)現(xiàn)外部算法庫(kù)的集成；關(guān)聯(lián)挖掘技術(shù)，可進(jìn)行不同維度的數(shù)據(jù)分析，能夠大幅度的提高分析效率以及準(zhǔn)確性，保障故障診斷時(shí)可高時(shí)效的出結(jié)果；通過(guò)集成信息融合方法，對(duì)海量異構(gòu)數(shù)據(jù)進(jìn)行解析，分析判斷，有效地實(shí)現(xiàn)有效數(shù)據(jù)的分析與判讀，提高故障的分析效率，大大減少人工勞動(dòng)量。
47.進(jìn)一步地，請(qǐng)參閱圖2，所述數(shù)據(jù)挖掘模塊1包括數(shù)據(jù)解析單元11和標(biāo)準(zhǔn)化單元12，所述標(biāo)準(zhǔn)化單元12與所述數(shù)據(jù)解析單元11連接；
48.所述數(shù)據(jù)解析單元11，用于獲取所述載荷數(shù)據(jù)，并將二進(jìn)制的所述載荷數(shù)據(jù)翻譯為標(biāo)準(zhǔn)格式的載荷分析業(yè)務(wù)數(shù)據(jù)，以及將所述載荷分析業(yè)務(wù)數(shù)據(jù)上傳至所述標(biāo)準(zhǔn)化單元12；
49.所述標(biāo)準(zhǔn)化單元12，用于對(duì)已有的所述載荷分析業(yè)務(wù)數(shù)據(jù)進(jìn)行格式標(biāo)準(zhǔn)化處理，獲得標(biāo)準(zhǔn)載荷分析數(shù)據(jù)。
50.進(jìn)一步地，請(qǐng)參閱圖2，所述數(shù)據(jù)挖掘模塊1還包括數(shù)據(jù)清洗單元13和數(shù)據(jù)預(yù)處理單元14，所述數(shù)據(jù)清洗單元13與所述標(biāo)準(zhǔn)化單元12連接，所述數(shù)據(jù)預(yù)處理單元14與所述數(shù)據(jù)清洗單元13連接，所述預(yù)處理單元還與所述載荷數(shù)據(jù)故障知識(shí)庫(kù)2和所述有效載荷故障檢測(cè)模塊3連接；
51.所述數(shù)據(jù)清洗單元13，用于去掉所述標(biāo)準(zhǔn)載荷分析數(shù)據(jù)的重復(fù)行列，并填充缺值和時(shí)標(biāo)對(duì)齊，獲得清洗載荷分析數(shù)據(jù)；
52.所述數(shù)據(jù)預(yù)處理單元14，用于將所述清洗載荷分析數(shù)據(jù)進(jìn)行離散化、二元化、歸一化和變量變換，獲得所述重組數(shù)據(jù)，并將所述重組數(shù)據(jù)上傳至所述有效載荷故障檢測(cè)模塊3，同時(shí)，將所述重組數(shù)據(jù)建立成所述數(shù)據(jù)倉(cāng)庫(kù)，并將所述數(shù)據(jù)倉(cāng)庫(kù)上傳至所述載荷數(shù)據(jù)故障知識(shí)庫(kù)2。
53.進(jìn)一步地，請(qǐng)參閱圖2，所述數(shù)據(jù)挖掘模塊1還包括特征提取單元15和索引標(biāo)簽單元16，所述特征提取單元15與所述數(shù)據(jù)預(yù)處理單元14連接，所述索引標(biāo)簽單元16與所述特征提取單元15連接；
54.所述特征提取單元15，用于提取所述重組數(shù)據(jù)的特征，并將獲取的特征存入特征庫(kù)中；
55.所述索引標(biāo)簽單元16，用于對(duì)所述重組數(shù)據(jù)建立索引標(biāo)簽。
56.在本實(shí)施方式中，所述數(shù)據(jù)解析單元11，將獲取的二進(jìn)制載荷數(shù)據(jù)翻譯為標(biāo)準(zhǔn)格式的載荷分析業(yè)務(wù)數(shù)據(jù)，其中，可以通過(guò)xml文件描述二進(jìn)制載荷數(shù)據(jù)的數(shù)據(jù)格式，軟件基于xml文件對(duì)不同格式數(shù)據(jù)進(jìn)行解析，并將載荷分析業(yè)務(wù)數(shù)據(jù)傳輸至所述標(biāo)準(zhǔn)化單元12；所述標(biāo)準(zhǔn)化單元12，對(duì)已有載荷分析業(yè)務(wù)數(shù)據(jù)進(jìn)行格式標(biāo)準(zhǔn)化處理，實(shí)現(xiàn)統(tǒng)一格式，方便下一步操作；所述數(shù)據(jù)清洗單元13，去除標(biāo)準(zhǔn)載荷分析數(shù)據(jù)中的重負(fù)行列，并填充缺值和進(jìn)行時(shí)標(biāo)對(duì)齊，獲得清洗載荷分析數(shù)據(jù)；所述數(shù)據(jù)預(yù)處理模塊，對(duì)清洗載荷分析數(shù)據(jù)進(jìn)行離散化、二元化、歸一化和變量變換，獲得重組數(shù)據(jù)，為算法分析提供數(shù)據(jù)支撐，并將重組數(shù)據(jù)建立成數(shù)據(jù)倉(cāng)庫(kù)，以及將數(shù)據(jù)倉(cāng)庫(kù)上傳至所述載荷數(shù)據(jù)故障知識(shí)庫(kù)2進(jìn)行存儲(chǔ)，同時(shí)，將重組數(shù)據(jù)中的實(shí)時(shí)載荷數(shù)據(jù)上傳至所述有效載荷故障檢測(cè)模塊3 進(jìn)行檢測(cè)；所述特征提取單元15，對(duì)重組數(shù)據(jù)進(jìn)行特征提取與選擇，以此解決維數(shù)災(zāi)難問(wèn)題，以及降低學(xué)習(xí)任務(wù)的難度，并將獲取的特征存入數(shù)據(jù)庫(kù)中的特征庫(kù)中，為后續(xù)的任務(wù)提供數(shù)據(jù)支撐；所述索引標(biāo)簽單元16，對(duì)重組數(shù)據(jù)建立索引標(biāo)簽，也為后續(xù)采集的載荷數(shù)據(jù)入庫(kù)、檢索、查詢(xún)提供依據(jù)，通過(guò)大數(shù)據(jù)的挖掘技術(shù)，將海量數(shù)據(jù)進(jìn)行分析處理，有效地實(shí)現(xiàn)有效數(shù)據(jù)的分析與判讀，提高故障的分析效率，減少人工勞動(dòng)量。
57.進(jìn)一步地，請(qǐng)參閱圖3，所述載荷數(shù)據(jù)故障知識(shí)庫(kù)2包括故障樣本單元21 和故障模型單元22，所述故障樣本單元21與所述數(shù)據(jù)預(yù)處理單元14連接，所述故障模型單元22分別與所述有效載荷故障檢測(cè)模塊3和所述故障樣本單元21 連接；
58.所述故障樣本單元21，用于獲取所述數(shù)據(jù)倉(cāng)庫(kù)，并根據(jù)某一特定狀態(tài)或特定時(shí)間
區(qū)間或非人為事件內(nèi)，對(duì)所述數(shù)據(jù)倉(cāng)庫(kù)中的載荷參數(shù)的變化趨勢(shì)進(jìn)行分析，建立故障樣本集；
59.所述故障模型單元22，用于根據(jù)所述故障樣本集建立故障模型和判斷規(guī)則。
60.進(jìn)一步地，請(qǐng)參閱圖3，所述載荷數(shù)據(jù)故障知識(shí)庫(kù)2還包括故障類(lèi)型單元 23，所述故障類(lèi)型單元23分別與所述有效載荷故障檢測(cè)模塊3和所述故障模型單元22連接；
61.所述故障類(lèi)型單元23，用于基于所述故障模型對(duì)所述故障樣本集進(jìn)行分類(lèi)，獲得故障類(lèi)型。
62.在本實(shí)施方式中，所述故障樣本單元21獲取數(shù)據(jù)倉(cāng)庫(kù)，通過(guò)結(jié)構(gòu)化數(shù)據(jù)關(guān)聯(lián)挖掘技術(shù)，采用空間數(shù)據(jù)挖掘(樹(shù)形結(jié)構(gòu))、多維時(shí)間序列關(guān)聯(lián)分析(圖結(jié)構(gòu))，根據(jù)某一特定狀態(tài)或特定時(shí)間區(qū)間或非人為事件內(nèi)，對(duì)參數(shù)的變化趨勢(shì)進(jìn)行分析，建立故障樣本集，并實(shí)時(shí)更新數(shù)據(jù)倉(cāng)庫(kù)，以豐富故障樣本集；所述故障模型單元22以故障樣本集為基礎(chǔ)，建議閾值判斷和包絡(luò)線(xiàn)判斷的故障模型和判斷規(guī)則；所述故障類(lèi)型模塊，基于故障模型對(duì)故障樣本集進(jìn)行分類(lèi)，將故障類(lèi)型、故障現(xiàn)象和故障原因相應(yīng)關(guān)聯(lián)，為所述有效載荷故障檢測(cè)模塊3提供數(shù)據(jù)支撐。
63.進(jìn)一步地，請(qǐng)參閱圖4，所述有效載荷故障檢測(cè)模塊3包括故障分析單元 31和參數(shù)設(shè)置單元32，所述故障分析單元31與所述數(shù)據(jù)預(yù)處理單元14連接，所述參數(shù)設(shè)置單元32分別與所述故障分析單元31、所述故障模型單元22和所述故障類(lèi)型單元23連接；
64.所述故障分析單元31，用于獲取所述重組數(shù)據(jù)，并對(duì)所述重組數(shù)據(jù)中的參數(shù)異常情況進(jìn)行載荷內(nèi)和載荷間的故障分析，并將分析結(jié)果上傳至所述參數(shù)設(shè)置單元32；
65.所述參數(shù)設(shè)置單元32，用于獲取所述分析結(jié)果，并生成相應(yīng)的參數(shù)，以及將所述參數(shù)上傳至所述故障模型單元22和所述故障類(lèi)型單元23中進(jìn)行匹配，最后輸出匹配結(jié)果。
66.在本實(shí)施方式中，所述故障分析單元31，獲取實(shí)時(shí)載荷數(shù)據(jù)，并對(duì)實(shí)時(shí)載荷數(shù)據(jù)進(jìn)行載荷內(nèi)和載荷間故障分析，并將分析結(jié)果上傳至所述參數(shù)設(shè)置單元 32，所述參數(shù)設(shè)置單元32，根據(jù)分析結(jié)果提取各參數(shù)異常情況，并生成相應(yīng)的異常參數(shù)數(shù)據(jù)，通過(guò)調(diào)用所述故障模型單元22中的故障模型對(duì)異常參數(shù)進(jìn)行檢測(cè)，輸出的故障類(lèi)型與所述故障類(lèi)型單元23中進(jìn)行匹配，給出故障類(lèi)型、故障現(xiàn)象、故障原因，以便于維修人員能對(duì)故障進(jìn)行快速定位和排除，減少人工勞動(dòng)量。
67.請(qǐng)參閱圖5，一種基于深度學(xué)習(xí)的衛(wèi)星健康數(shù)據(jù)綜合分析方法，包括以下步驟：
68.s101：獲取載荷數(shù)據(jù)，并將所述載荷數(shù)據(jù)進(jìn)行數(shù)據(jù)管理和規(guī)范化，獲得重組數(shù)據(jù)，并將所述重組數(shù)據(jù)上傳至有效載荷故障檢測(cè)模塊3，以及根據(jù)所述重組數(shù)據(jù)建立數(shù)據(jù)倉(cāng)庫(kù)，并將所述數(shù)據(jù)倉(cāng)庫(kù)上傳至載荷故障知識(shí)庫(kù)。
69.s102：獲取所述數(shù)據(jù)倉(cāng)庫(kù)，并根據(jù)某一特定狀態(tài)或特定時(shí)間區(qū)間或非人為事件內(nèi)，對(duì)所述數(shù)據(jù)倉(cāng)庫(kù)中的載荷參數(shù)的變化趨勢(shì)進(jìn)行分析，建立故障樣本集、故障模型和故障類(lèi)型。
70.s103：獲取所述重組數(shù)據(jù)，并將所述重組數(shù)據(jù)進(jìn)行故障分析，獲取設(shè)置參數(shù)，最后根據(jù)所述設(shè)置參數(shù)在所述故障模型和所述故障類(lèi)型中進(jìn)行匹配，并輸出結(jié)果。
71.在本實(shí)施方式中，首先，獲取衛(wèi)星的載荷數(shù)據(jù)，其中，載荷數(shù)據(jù)包括實(shí)時(shí)載荷數(shù)據(jù)庫(kù)、全生命周期載荷數(shù)據(jù)庫(kù)和衛(wèi)星數(shù)據(jù)綜合基礎(chǔ)數(shù)據(jù)庫(kù)，并將各數(shù)據(jù)進(jìn)行管理和規(guī)范化，將生成的數(shù)據(jù)倉(cāng)庫(kù)上傳至所述載荷故障知識(shí)庫(kù)，還將實(shí)時(shí)載荷數(shù)據(jù)上傳至所述有效載荷故障
檢測(cè)模塊3進(jìn)行分析；然后，所述載荷故障知識(shí)庫(kù)通過(guò)大數(shù)據(jù)的挖掘技術(shù)，在海量的數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)進(jìn)行分析，并建模，創(chuàng)建故障樣本集、故障模型及判斷規(guī)則、故障類(lèi)型，為下一步算法分析提供數(shù)據(jù)支撐；然后，所述有效載荷故障檢測(cè)模塊3，接收實(shí)時(shí)載荷數(shù)據(jù)，并對(duì)其進(jìn)行分析，提取設(shè)置參數(shù)，變將設(shè)置參數(shù)導(dǎo)入所述載荷數(shù)據(jù)故障知識(shí)庫(kù)2中的故障模型和故障類(lèi)型進(jìn)行匹配，最后，輸出匹配結(jié)果，給出故障類(lèi)型、故障現(xiàn)象、故障原因，以便于維修人員能對(duì)故障進(jìn)行快速定位和排除，減少人工勞動(dòng)強(qiáng)度。
72.以上所揭露的僅為本發(fā)明一種較佳實(shí)施例而已，當(dāng)然不能以此來(lái)限定本發(fā)明之權(quán)利范圍，本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例的全部或部分流程，并依本發(fā)明權(quán)利要求所作的等同變化，仍屬于發(fā)明所涵蓋的范圍。