文献类型：期刊文章

作　　者：史欣田[1] 庞景月[1] 张新[2] 彭宇[1] 刘大同[1]

Shi Xintian;Pang Jingyue;Zhang Xin;Peng Yu;Liu Datong(Automatic Test and Control Institute,Harbin Institute of Technology,Harbin 150080,China;Shanghai Institute of Satellite Engineering,Shanghai 201109,China)

机构地区：[1]哈尔滨工业大学自动化测试与控制研究所,哈尔滨150080 [2]上海卫星工程研究所,上海201109

出　　处：《仪器仪表学报》

基　　金：国家自然科学基金(61571160;61771157)项目资助

年　　份：2018

卷　　号：39

期　　号：12

起止页码：81-91

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：卫星遥测大数据是卫星地面站判断其运行状态的唯一依据,遥测参数的有效判读对监测在轨卫星健康状态具有重要意义。而遥测数据维度高、数据量大、专业性强的特点为高精度、低误检率的多维遥测数据判读带来严峻挑战。因此,提出了一种基于数据驱动的卫星遥测大数据智能判读方法。该方法以极限学习机(ELM)预测模型为基础,对目标参数进行高精度的单步预测,同时,基于目标参数在时间维度上的变化趋势对预测结果进行修正。最后,基于集成学习的方法针对目标参数的不同类别分别给出判读策略。利用卫星电源子系统仿真数据和真实卫星遥测数据对所提出的参数判读方法的有效性进行验证,实验表明,该方法对不同类型的监测数据具有较强的自适应能力和鲁棒性。

关 键 词：卫星 遥测 大数据 判读 极限学习机 集成学习  

分 类 号：TP311] TH701[计算机类]