一種基於時間序列的環控生保系統遙測數據預測方法

2020-12-17 電子技術應用

當前，我國載人航天工程已經進入航天員長期駐留及進行空間科學實驗的空間站階段，環控生保系統直接關係到航天員的生命健康，要求對其運行狀態監測更加及時準確，對其故障預判、診斷更加快速智能。

環控生保系統的運行狀態主要通過獲得，數據的變化與產品、功能狀態的變化息息相關。從遙測數據中識別、提取關鍵信息是常用的太空飛行器故障診斷方法。目前航天領域普遍採用二值邏輯型閾值比較方法進行故障識別[1]，該方法雖然簡單、直觀，但是存在諸如閾值不易界定、缺乏故障徵兆識別能力、故障診斷效率低等問題，且未能充分利用遙測數據中包含的大量時域、空域信息，數據利用效率較低。

本文提出一種基於時間序列的遙測數據預測方法，能夠根據遙測數據的歷史信息預測未來一段時間的變化趨勢，在故障出現之前對其進行識別、預判，有效確保分系統的健康、長期工作，降低未來空間站環控生保分系統長期運行的維護成本。

作者信息:

潘點飛1，胡 偉1，周文興1，張慧穎2，唐 斌1，羅亞斌1，鄭為閣1

(1.中國航天員科研訓練中心，北京 100094；2.北京跟蹤與通信技術研究所，北京100094)

相關焦點

  • 基於GPS的航標遙測系統數值優化方法
    GPS（全球定位系統）是美國國防部於1973年開始研製的衛星全球導航定位系統，主要為其海陸空三軍服務。近幾年來已逐步應用於民用設施及測繪技術中，同時美國軍方逐步放鬆對民用GPS設備的限制，使得民用GPS達到了比較高的定位精度。利用GPS對航道航標等設備進行位置遙測與監控是一種比較理想的方法。
  • 基於圖卷積神經網絡GCN的時間序列預測
    時間序列預測任務可以按照不同的方法執行。最經典的是基於統計和自回歸的方法。更準確的是基於增強和集成的算法，我們必須使用滾動周期生成大量有用的手工特性。另一方面，我們可以使用在開發過程中提供更多自由的神經網絡模型，提供對順序建模的可定製的特性。循環和卷積結構在時間序列預測中取得了巨大的成功。
  • 數據統計方法:確定性時間序列的分析法
    時間序列分析是一種動態數據處理的統計方法。該方法基於隨機過程理論和數理統計學方法，研究隨機數據序列所遵從的統計變化規律，以用於解決實際問題。隨機因素(I)：是時間序列中除去長期趨勢、季節變動和循環波動之後的隨機波動。不規則波動通常總是夾雜在時間序列中，致使時間序列產生一種波浪形或震蕩式的變動。時間序列的分類時間序列可以分為平穩序列和非平穩序列。
  • 特徵工程自動化 時間序列的數據是關鍵
    本文介紹了解決這一挑戰的最佳實踐，通過引入一個開發時間序列模型，生成特徵和預處理數據的通用框架，探索使這一過程自動化的潛力，以便將先進的機器學習算法應用於幾乎任何時間序列問題。介紹時間序列預測是數據科學中最難的問題之一。它從字面上涉及預測未來的事件，並推斷一個潛在的複雜系統如何演變。在傳統的機器學習問題中，我們經常假設預測數據與訓練數據相似。
  • 時間序列的LSTM模型預測——基於Keras
    一、問題背景    現實生活中，在一系列時間點上觀測數據是司空見慣的活動，在農業、商業、氣象軍事和醫療等研究領域都包含大量的時間序列數據。時間序列的預測指的是基於序列的歷史數據，以及可能對結果產生影響的其他相關序列，對序列未來的可能取值做出預測。
  • 新的深度學習方法從胺基酸序列預測蛋白質結構
    近年來，計算方法在基於其胺基酸序列的知識預測蛋白質如何摺疊方面取得了重大進展。如果完全實現，這些方法有可能改變生物醫學研究的幾乎所有方面。然而，目前的方法在可以確定的蛋白質的規模和範圍方面受到限制。現在，哈佛醫學院的一位科學家使用了一種稱為深度學習的人工智慧來預測基於其胺基酸序列的任何蛋白質的三維結構。
  • 基於序列信息來預測潛在的抗癌多肽的深度學習方法
    打開APP 基於序列信息來預測潛在的抗癌多肽的深度學習方法 中國科學院網站 發表於 2019-09-20 15:13:00 傳統的物理和化學方法，包括靶向治療、化療和放射治療等醫療實踐中常見的治療手段，在一定程度上能殺死病變癌細胞，但是同時也會殺死大量正常的細胞，帶來嚴重的副作用。這些治療手段費用昂貴且預後效果不佳，迫切需要開發新的定向清除癌細胞，治療癌症的有效方法。
  • 如何使用XGBoost模型進行時間序列預測
    字幕組雙語原文：如何使用XGBoost模型進行時間序列預測英語原文：How to Use XGBoost for Time Series Forecasting翻譯：雷鋒字幕組（Shangru）XGBoost是在有效解決分類和回歸問題的一種梯度提升方法。在廣泛的預測模型任務中，它快且有效，性能好。
  • 時間序列分析(三):平穩時間序列分析之數據準備
    平穩時間序列是時間序列中一類重要的時間序列，對於該時間序列，有一套非常成熟的平穩序列建模方法，這也是本節中將重點介紹的部分。對於非平穩序列，可以通過差分、提取確定性成分等方法，將轉化成平穩序列，再運用平穩序列建模方法進行建模。在實際操作中，由於樣本數據的匱乏，要根據樣本數據要找到生成樣本的真實隨機過程基本是不太可能的。
  • 表徵圖數據絕不止圖神經網絡一種方法
    三、圖數據的用例圖數據的常見用例包括：圖比較、圖分類、圖聚類、連結預測、圖壓縮、圖可視化。圖比較：圖比較任務旨在通過映射 s ： G × G → 確定兩圖之間的相似度。傳統的圖比較算法分為基於集合的、基於子圖的和基於核的算法。
  • 北京中交興路信息科技有限公司:基於車聯網大數據的保險風控AI雲...
    三、主要做法（一）系統總體設計基於豐富、海量的多種數據來源，本項目以「AI安全大腦」為導向構建了保險風控AI雲平臺，主要實現風險智能評測、智能引擎提醒以及智能事故預警等保險科技服務，系統業務架構圖如下圖所示：圖4-1 系統業務架構圖
  • 表徵圖數據,絕不止圖神經網絡一種方法
    然而，這種方法存在需為不同的操作以及子圖同構的中間步驟選取最優的代價函數的問題。使用將每個圖映射到一個特徵向量上的拓撲描述子也存在在變換步驟中損失拓撲信息的問題。一種實際可行的替代方法是使用由可以在多項式時間內計算出來的圖形成的子結構，這通常被稱為「結構袋」（bag-of-structures）方法。
  • SAS時間序列模型預測未來航班數量
    時間序列模型利用歷史資料進行延伸預測，也稱歷史引伸預測法。
  • 一種基於A*算法的用於道路場景的軌跡規劃方法
    一種基於A*算法的用於道路場景的軌跡規劃方法 李倩 發表於 2018-10-19 11:17:54 本文提出了一種基於A*算法的用於道路場景的軌跡規劃方法，該方法中
  • 利用深度學習進行時間序列預測
    介紹長期以來，我聽說時間序列問題只能用統計方法(AR[1]，AM[2]，ARMA[3]，ARIMA[4])。這些技術通常被數學家使用，他們試圖不斷改進這些技術來約束平穩和非平穩的時間序列。幾個月前，我的一個朋友(數學家、統計學教授、非平穩時間序列專家)提出讓我研究如何驗證和改進重建恆星光照曲線的技術。
  • 時間序列預測遇到數據問題?一課掌握SageMaker內置算法DeepAR
    時間序列預測遇到數據問題？Amazon SageMaker Operator 可以幫助數據科學家以及開發人員利用Kubernetes的接口來創建和管理SageMaker的任務，如機器學習的模型訓練、超參優化、批量轉換以及實時推理等。
  • 一種預測複雜量子系統性質的方法
    儘管世界各地的研究團隊已經設計出許多技術來研究量子系統的特性，但大多數僅在某些情況下才被證明是有效的。加州理工學院的三名研究人員最近推出了一種新方法，該方法可用於通過有限數量的測量來預測複雜量子系統的多種性質。他們的方法，在發表於《自然物理學》上的一篇論文中概述，被發現是高效的，並且可以為研究機器處理量子信息的方式開闢新的可能性。
  • 關於GPS的航標遙測系統數值的處理
    隨著電子技術和通信技術的發展，無線通信以及遙測遙控系統被廣泛應用於工業、農業、航空、航海等各個領域中。出海口及內陸河道作為航海航運重要的一部分，其管理維護方法及管理質量對我國航運業的影響至關重要。
  • 乾貨|時間序列預測類問題下的建模方案探索實踐
    而時間序列就是該種現象某一個統計指標在不同時間上的數值，按時間先後順序排列而形成的序列。時間序列分析主要針對時間序列類問題的兩個領域，一個是對歷史區間數據的分析，通過對過往數據特徵的提煉總結來進行異常檢測和分類；另一類就是對未來數據的分析，根據過去時間點的數據對未來一個時間點或者幾個時間點的狀態或實際值進行預測。
  • 小白學數據 除了大姨媽周期時間序列分析還有什麼用
    你知不知道，這張圖其實就是一個時間序列圖，你看圖預測未來幾個月女票的大姨媽時間就叫做時間序列分析…… 咳咳，言歸正傳，時間序列分析是一種廣泛應用的數據處理統計方法，除了計算大姨媽周期，在實際很生活還有很多應用，小白今天就來帶大家探探究竟。 小白問：時間序列分析就是分析時間的麼？