專(zhuān)利名稱(chēng)：衛(wèi)星通信系統(tǒng)隱故障診斷預(yù)測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于衛(wèi)星通信網(wǎng)中的隱性故障智能診斷技術(shù)，特別是一種衛(wèi)星通信系統(tǒng)隱故障診斷預(yù)測(cè)方法。
背景技術(shù)：
故障診斷中早期應(yīng)用最廣泛的人工智能技術(shù)是專(zhuān)家系統(tǒng)，專(zhuān)家系統(tǒng)通過(guò)模仿人類(lèi)專(zhuān)家在解決特定領(lǐng)域時(shí)的行為來(lái)解決問(wèn)題。智能故障診斷的關(guān)鍵是故障特征模式獲取， 也就是知識(shí)的自動(dòng)獲取問(wèn)題。由于知識(shí)獲取的“瓶頸”效應(yīng)、不確定性推理、自學(xué)習(xí)困難等問(wèn)題，影響了專(zhuān)家系統(tǒng)在故障診斷領(lǐng)域的應(yīng)用和發(fā)展。直到近年來(lái)，一種新的知識(shí)獲取技術(shù)——數(shù)據(jù)挖掘從人工智能的一個(gè)分支機(jī)器學(xué)習(xí)中脫穎而出，為故障診斷智能化開(kāi)辟了一條新的路徑。下面就數(shù)據(jù)挖掘在故障智能診斷領(lǐng)域常用到的一些技術(shù)做簡(jiǎn)要的闡述(1)人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)是用大量的神經(jīng)元組成的非線性動(dòng)力學(xué)系統(tǒng)，它具有學(xué)習(xí)、記憶、計(jì)算、識(shí)別、預(yù)測(cè)的智能處理的功能。神經(jīng)網(wǎng)絡(luò)由于自身的特性，在智能故障模式識(shí)別領(lǐng)域中有著越來(lái)越廣泛的應(yīng)用，比如多層感知器(MLP)網(wǎng)絡(luò)、自適應(yīng)共振理論 (ART)，自組織映射(SOM)等?？傮w來(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)可以成功應(yīng)用于智能故障診斷領(lǐng)域，主要有以下3個(gè)方面的原因(a)訓(xùn)練過(guò)的神經(jīng)網(wǎng)絡(luò)能存儲(chǔ)有關(guān)過(guò)程的知識(shí)，能直接從歷史故障信息中學(xué)習(xí)。因此可以根據(jù)對(duì)象日常歷史數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，然后將此信息與當(dāng)前測(cè)量數(shù)據(jù)進(jìn)行比較，以確定當(dāng)前的故障類(lèi)型；(b)神經(jīng)網(wǎng)絡(luò)具有過(guò)濾數(shù)據(jù)噪聲的能力，能夠在有噪聲的情況下得出比較準(zhǔn)確的結(jié)論，這種過(guò)濾噪聲的能力適合于在線故障檢測(cè)和診斷；(c)神經(jīng)網(wǎng)絡(luò)具有分辨故障原因及故障類(lèi)型的能力。但是，由于神經(jīng)網(wǎng)絡(luò)得到的知識(shí)是以權(quán)值形式表示的“隱式”知識(shí)，造成知識(shí)獲取過(guò)程的可解釋性差。(2)支持向量機(jī)(SVM)。故障診斷過(guò)程中存在故障樣本過(guò)少的小樣本學(xué)習(xí)問(wèn)題。支持向量機(jī)是一種適用于小樣本情況的基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法，在故障模式數(shù)據(jù)難以大量獲取的情況下，具有較好的推廣能力。SVM方法在理論上具有突出的優(yōu)勢(shì)，但與其理論研究相比，應(yīng)用研究相對(duì)比較滯后，目前只有較為有限的實(shí)驗(yàn)研究報(bào)道，且多屬仿真和對(duì)比實(shí)驗(yàn)。(4)粗糙集(Rough Set)。由于故障產(chǎn)生的機(jī)理不清楚，故障表現(xiàn)形式不唯一，在提取故障特征時(shí)常帶有盲目性，導(dǎo)致了實(shí)際描述的狀態(tài)之間不分明。粗糙集理論的出現(xiàn)在一定程度上解決了這一問(wèn)題。粗糙集被認(rèn)為是處理模糊和不確定性問(wèn)題的新數(shù)學(xué)工具，它能有效的分析和處理不精確，不一致，不完整等各種不完備信息，并從中發(fā)現(xiàn)隱含的知識(shí)， 解釋潛在的規(guī)律。近年來(lái)很多學(xué)者致力于將粗糙集理論應(yīng)用于智能故障診斷領(lǐng)域，并取得了一定的成績(jī)。
此外，模糊集理論、混沌理論、云理論以及嘗試將現(xiàn)有方法相結(jié)合等新穎的方法也越來(lái)越多的應(yīng)用于智能故障診斷領(lǐng)域，為智能故障診斷的發(fā)展提供了更多選擇的方向。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種運(yùn)用聚類(lèi)分析和決策樹(shù)兩種智能診斷技術(shù)，實(shí)現(xiàn)衛(wèi)星通信系統(tǒng)隱故障診斷預(yù)測(cè)方法。實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為一種衛(wèi)星通信系統(tǒng)隱故障診斷預(yù)測(cè)方法，構(gòu)建由下至上的數(shù)據(jù)層、核心層、應(yīng)用層，數(shù)據(jù)層負(fù)責(zé)對(duì)采集到的地球站原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化、歸一化，得到訓(xùn)練和測(cè)試數(shù)據(jù)集，實(shí)現(xiàn)數(shù)據(jù)的預(yù)處理，輸入給核心層；核心層對(duì)預(yù)處理后數(shù)據(jù)集進(jìn)行診斷，包括通信狀態(tài)分析和故障規(guī)律歸納，其中通信狀態(tài)分析負(fù)責(zé)分析預(yù)處理后的數(shù)據(jù)，通過(guò)SOM記憶聚類(lèi)，對(duì)通信狀態(tài)分類(lèi)，形成通信狀態(tài)集，故障規(guī)律歸納對(duì)每一個(gè)通信狀態(tài)集進(jìn)行分析，對(duì)比不同通信狀態(tài)參數(shù)與故障現(xiàn)象之間的關(guān)系，通過(guò)增量式?jīng)Q策樹(shù)算法，總結(jié)出有決策意義的規(guī)則，形成故障規(guī)則集，并將通信狀態(tài)集和故障規(guī)則集以可解釋的結(jié)果形式表現(xiàn)出來(lái)；應(yīng)用層將與用戶(hù)交互，包括查看未知記錄的診斷結(jié)果，查看、修改故障規(guī)律。本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點(diǎn)(1)能夠針對(duì)地球站通信紀(jì)錄各項(xiàng)數(shù)據(jù)異構(gòu)的特點(diǎn)，采用有效的預(yù)處理方法；(2)使用通信記錄描述地球站通信狀態(tài)，并應(yīng)用SOM模型對(duì)通信狀態(tài)進(jìn)行聚類(lèi)分析，可以對(duì)通信狀態(tài)進(jìn)行較好的分類(lèi)；C3)使用增量決策樹(shù)的方法從歷史通信記錄中挖掘故障發(fā)生規(guī)律并滿(mǎn)足故障規(guī)則不斷更新的要求。下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。


圖1是智能診斷的基本流程圖。圖2是衛(wèi)星通信軟故障智能診斷框架圖。圖3是衛(wèi)星故障智能診斷方法的核心模塊圖。圖4是基于SOM的故障通信狀態(tài)分析流程圖。 圖5是訓(xùn)練集形成最終決策樹(shù)的過(guò)程的示意圖。
具體實(shí)施例方式本發(fā)明采用數(shù)據(jù)挖掘的方法，在網(wǎng)控中心數(shù)據(jù)庫(kù)中挖掘有指導(dǎo)意義的數(shù)據(jù)，并對(duì)隱故障進(jìn)行智能的排查和恢復(fù)。設(shè)計(jì)了一種基于通信記錄隱故障智能診斷的方法首先從網(wǎng)控中心數(shù)據(jù)庫(kù)抽取原始通信記錄，經(jīng)標(biāo)準(zhǔn)化、歸一化等預(yù)處理工作后，形成較為整潔的標(biāo)準(zhǔn)數(shù)據(jù)；通過(guò)通信狀態(tài)聚類(lèi)分析，得到通信狀態(tài)分類(lèi)經(jīng)驗(yàn)，將處理后的通信記錄智能地聚類(lèi)為代表不同故障通信狀態(tài)的數(shù)據(jù)集，對(duì)故障狀態(tài)進(jìn)行了分類(lèi)；如果通信狀態(tài)分類(lèi)經(jīng)驗(yàn)具有較高識(shí)別精度，使用歸納學(xué)習(xí)的方法將通信狀態(tài)的分類(lèi)經(jīng)驗(yàn)轉(zhuǎn)換為一系列描述故障發(fā)生規(guī)律的規(guī)則，如果這些規(guī)則具有普遍的決策和指導(dǎo)意義則存入專(zhuān)家經(jīng)驗(yàn)庫(kù)，以便更廣泛的應(yīng)用，否則重新選取通信狀態(tài)集再生成新的故障規(guī)則。專(zhuān)家在整個(gè)診斷流程中起到了信息反饋的作用，專(zhuān)家可以實(shí)時(shí)指導(dǎo)通信狀態(tài)分類(lèi)經(jīng)驗(yàn)的生成，并調(diào)整已形成的故障規(guī)律等等。故障規(guī)則以可視化的方式呈現(xiàn)給網(wǎng)絡(luò)管理員。圖1描述了這一過(guò)程。
1、提出基于地球站通信記錄的隱故障智能診斷方法，并設(shè)計(jì)和實(shí)現(xiàn)衛(wèi)星通信系統(tǒng)故障診斷預(yù)測(cè)系統(tǒng)。圖2給出了衛(wèi)星通信系統(tǒng)故障診斷預(yù)測(cè)系統(tǒng)的基本框架。整個(gè)系統(tǒng)由下至上由數(shù)據(jù)層、核心層和應(yīng)用層組成。其中數(shù)據(jù)層采集地球站的原始數(shù)據(jù)，并進(jìn)行標(biāo)準(zhǔn)化及歸一化，得到訓(xùn)練和測(cè)試數(shù)據(jù)集；核心層根據(jù)數(shù)據(jù)層預(yù)處理后的數(shù)據(jù)完成智能診斷的主要工作，包括通信狀態(tài)分析和故障規(guī)律歸納；應(yīng)用層是診斷系統(tǒng)與用戶(hù)的交互，包括查看未知記錄的診斷結(jié)果，查看、修改故障規(guī)律等。根據(jù)隱故障智能診斷方法需要達(dá)到的目標(biāo)，結(jié)合系統(tǒng)的基本框架設(shè)計(jì)，將系統(tǒng)分為以下五個(gè)核心模塊如圖3所示(a)數(shù)據(jù)預(yù)處理，負(fù)責(zé)對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，歸一化等處理，形成標(biāo)準(zhǔn)的、能夠被系統(tǒng)接收并高效處理的數(shù)據(jù)，然后將產(chǎn)生的標(biāo)準(zhǔn)數(shù)據(jù)保存于文件或數(shù)據(jù)庫(kù)中；(b)通信狀態(tài)分析，分析預(yù)處理后的數(shù)據(jù)，通過(guò)SOM記憶聚類(lèi)，形成較為具體的通信狀態(tài)分類(lèi)，得到若干通信狀態(tài)集，提供一定程度上的故障識(shí)別功能；(c)故障規(guī)律歸納，對(duì)通信狀態(tài)集進(jìn)行分析，對(duì)比不同通信參數(shù)與故障現(xiàn)象之間的關(guān)系，總結(jié)出有決策意義的規(guī)則，并將這些規(guī)律保存在專(zhuān)家經(jīng)驗(yàn)庫(kù)中；(d)結(jié)果解釋?zhuān)?fù)責(zé)處理由通信狀態(tài)分析和故障規(guī)律歸納模塊生成的決策規(guī)則，并將這些規(guī)則以可解釋的形式表現(xiàn)出來(lái)；(e)用戶(hù)接口，整個(gè)系統(tǒng)與用戶(hù)的接口，用戶(hù)對(duì)系統(tǒng)進(jìn)行實(shí)時(shí)操作，修改系統(tǒng)相關(guān)配置等管理系統(tǒng)的操作，查看各項(xiàng)用于描述故障的特征信息并對(duì)其進(jìn)行管理，管理和指導(dǎo)故障檢測(cè)的過(guò)程，查看和修改經(jīng)驗(yàn)知識(shí)庫(kù)等。2、針對(duì)地球站通信記錄各項(xiàng)數(shù)據(jù)具有異構(gòu)特點(diǎn)的情況，提出一種適用于該類(lèi)數(shù)據(jù)集的預(yù)處理方法。對(duì)地球站通信記錄各項(xiàng)數(shù)據(jù)進(jìn)行預(yù)處理，步驟如下(a)符號(hào)類(lèi)型參數(shù)的標(biāo)準(zhǔn)化轉(zhuǎn)換，將有η種不同取值的符號(hào)特征，用η比特對(duì)其進(jìn)行編碼，當(dāng)且僅當(dāng)該特征取值為第i個(gè)值時(shí)，其碼中的第i比特為1 ；其余比特為0 ；(b)標(biāo)準(zhǔn)化后的數(shù)據(jù)歸一化，在奇異距離函數(shù)HVDM的基礎(chǔ)上，結(jié)合最大——最小歸一化方法對(duì)通信記錄進(jìn)行如下歸一化設(shè)χ e X，Xi為χ的第i個(gè)屬性值，歸一化后得到的新的值，設(shè)為X' i，
權(quán)利要求
1.一種衛(wèi)星通信系統(tǒng)隱故障診斷預(yù)測(cè)方法，其特征在于構(gòu)建由下至上的數(shù)據(jù)層、核心層、應(yīng)用層，數(shù)據(jù)層負(fù)責(zé)對(duì)采集到的地球站原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化、歸一化，得到訓(xùn)練和測(cè)試數(shù)據(jù)集，實(shí)現(xiàn)數(shù)據(jù)的預(yù)處理，輸入給核心層；核心層對(duì)預(yù)處理后數(shù)據(jù)集進(jìn)行診斷，包括通信狀態(tài)分析和故障規(guī)律歸納，其中通信狀態(tài)分析負(fù)責(zé)分析預(yù)處理后的數(shù)據(jù)，通過(guò)SOM記憶聚類(lèi)，對(duì)通信狀態(tài)分類(lèi)，形成通信狀態(tài)集，故障規(guī)律歸納對(duì)每一個(gè)通信狀態(tài)集進(jìn)行分析，對(duì)比不同通信狀態(tài)參數(shù)與故障現(xiàn)象之間的關(guān)系，通過(guò)增量式?jīng)Q策樹(shù)算法，總結(jié)出有決策意義的規(guī)則，形成故障規(guī)則集，并將通信狀態(tài)集和故障規(guī)則集以可解釋的結(jié)果形式表現(xiàn)出來(lái)；應(yīng)用層將與用戶(hù)交互，包括查看未知記錄的診斷結(jié)果，查看、修改故障規(guī)律。
2.根據(jù)權(quán)利要求1所述的衛(wèi)星通信系統(tǒng)隱故障診斷預(yù)測(cè)方法，其特征在于對(duì)地球站通信記錄各項(xiàng)數(shù)據(jù)進(jìn)行預(yù)處理，步驟如下(a)符號(hào)類(lèi)型參數(shù)的標(biāo)準(zhǔn)化轉(zhuǎn)換，將有η種不同取值的符號(hào)特征，用η比特對(duì)其進(jìn)行編碼，當(dāng)且僅當(dāng)該特征取值為第i個(gè)值時(shí)，其碼中的第i比特為1 ；其余比特為0 ；(b)標(biāo)準(zhǔn)化后的數(shù)據(jù)歸一化，在HVDM的基礎(chǔ)上，結(jié)合最大——最小歸一化方法對(duì)通信記錄進(jìn)行如下歸一化設(shè)χ e X，Xi為χ的第i個(gè)屬性值，歸一化后得到的新的值，設(shè)為χ' ”
3.根據(jù)權(quán)利要求1所述的衛(wèi)星通信系統(tǒng)隱故障診斷預(yù)測(cè)方法，其特征在于通信狀態(tài)分析的實(shí)現(xiàn)步驟如下首先進(jìn)行數(shù)據(jù)抽取，抽取地球站歷史通信紀(jì)錄中的8項(xiàng)通信參數(shù)，并進(jìn)行預(yù)處理工作； 然后進(jìn)行訓(xùn)練，利用帶類(lèi)別標(biāo)簽的通信紀(jì)錄對(duì)SOM模型進(jìn)行訓(xùn)練，通過(guò)解釋和表達(dá)，得到訓(xùn)練好帶標(biāo)號(hào)的SOM模型，把通信狀態(tài)成η類(lèi)；最后進(jìn)行診斷，針對(duì)已經(jīng)形成的狀態(tài)集進(jìn)行檢驗(yàn)，將當(dāng)前未確定類(lèi)別的通信紀(jì)錄經(jīng)過(guò)預(yù)處理后，輸入到訓(xùn)練好帶標(biāo)號(hào)的SOM模型中，激活SOM中的某個(gè)狀態(tài)，該狀態(tài)的標(biāo)號(hào)即為該通信記錄對(duì)應(yīng)的通信狀態(tài)類(lèi)型X。
4.根據(jù)權(quán)利要求1所述的衛(wèi)星通信系統(tǒng)隱故障診斷預(yù)測(cè)方法，其特征在于基于增量決策樹(shù)的故障規(guī)律歸納，采用ID5R增量式?jīng)Q策樹(shù)算法應(yīng)用到故障規(guī)律的增量式歸納過(guò)程中， 其過(guò)程如下(1)當(dāng)訓(xùn)練數(shù)據(jù)集中只有第一條通信記錄時(shí)，決策樹(shù)被更新為一個(gè)簡(jiǎn)單的葉子結(jié)點(diǎn)，標(biāo)記該結(jié)點(diǎn)的類(lèi)別為Y;(2)將第二條記錄添加到訓(xùn)練集，其類(lèi)別為N，在當(dāng)前結(jié)點(diǎn)擴(kuò)展一層，隨機(jī)選擇屬性PWR 為測(cè)試屬性，并更新每個(gè)屬性正類(lèi)反類(lèi)的數(shù)量，以AttrValue [n，m]表示屬性Attr取Value 值時(shí)有η個(gè)正類(lèi)，m個(gè)反類(lèi)示例，此時(shí)有PWR:L[1，0]，M
，H
PPffR :L[1,0],M
,H
TIME :L[1,0] ；M
；H
計(jì)算各屬性的E-score后發(fā)現(xiàn)，PWR具有最低的E-score，那么已生成的決策樹(shù)不做改變；(3)將第三條記錄添加到訓(xùn)練集，根據(jù)PWR的取值，將本條記錄與類(lèi)別為N的子結(jié)點(diǎn)中做比較，此時(shí)記錄類(lèi)比與結(jié)點(diǎn)類(lèi)別一致，那么將該記錄存放到該子結(jié)點(diǎn)中，并更新各 AttrValue [n, m],此時(shí)有PWR:L[1，0]，M
，H
PPffR :L[1,1],M
,H
TIME :L[1,0] ；M
；H
計(jì)算各屬性的Ε-score發(fā)現(xiàn)，此時(shí)TIME的E-score最小，因此需要將樹(shù)進(jìn)行轉(zhuǎn)換，并將 TIME作為根結(jié)點(diǎn)的測(cè)試屬性；(4)第四條記錄增加到訓(xùn)練集后，根據(jù)TIME的取值判斷進(jìn)入結(jié)點(diǎn)PWR，這時(shí)PWR出現(xiàn)新的值，那么為PWR結(jié)點(diǎn)添加新的子結(jié)點(diǎn)；(5)以此類(lèi)推，訓(xùn)練集新增以后的記錄過(guò)程中，不斷更新決策樹(shù)，最后形成最終的決策樹(shù)。
全文摘要
本發(fā)明公開(kāi)了一種衛(wèi)星通信系統(tǒng)隱故障診斷預(yù)測(cè)方法，對(duì)通信記錄中異構(gòu)數(shù)據(jù)的歸一化，針對(duì)衛(wèi)星通信系統(tǒng)中地球站的隱性故障，應(yīng)用SOM對(duì)通信記錄數(shù)據(jù)進(jìn)行聚類(lèi)分析，對(duì)通信狀態(tài)分類(lèi)，形成通信狀態(tài)集，故障規(guī)律歸納對(duì)每一個(gè)通信狀態(tài)集進(jìn)行分析，對(duì)比不同通信狀態(tài)參數(shù)與故障現(xiàn)象之間的關(guān)系，通過(guò)增量式?jīng)Q策樹(shù)算法，總結(jié)出有決策意義的規(guī)則，形成故障規(guī)則集，將通信狀態(tài)集和故障規(guī)則集以可解釋的結(jié)果形式表現(xiàn)出來(lái)，并實(shí)現(xiàn)衛(wèi)星通信系統(tǒng)隱故障診斷預(yù)測(cè)原型系統(tǒng)。本發(fā)明可以輔助網(wǎng)控操作員進(jìn)行隱故障的發(fā)現(xiàn)與診斷，提高了工作效率。
文檔編號(hào)H04L12/24GK102487343SQ201010574029
公開(kāi)日2012年6月6日 申請(qǐng)日期2010年12月6日 優(yōu)先權(quán)日2010年12月6日
發(fā)明者倪桂強(qiáng), 官昕, 潘志松, 端義鋒, 繆志敏, 胡谷雨, 袁偉偉 申請(qǐng)人:中國(guó)人民解放軍理工大學(xué)