EAGLE:一种内核态及用户态中基于遥测数据图的网络遥测方案

网络遥测是一种新型的网络测量技术,具有实时性强、准确性高、开销低的特点。现有网络遥测技术存在无法收集多粒度网络数据、无法有效存储大量原始网络数据、无法快速提取及生成网络遥测信息、无法利用内核态及用户态特性设计网络遥测方案等问题。为此,提出了一种融合内核态及用户态的、基于遥测数据图和同步控制块的多粒度、可扩展、覆盖全网的网络遥测机制(a nEtwork telemetry mechAnism based on telemetry data Graph in kerneL and usEr mode,EAGLE)。EAGLE设计了一种能够收集多粒度数据且数据平面上灵活可控的网络遥测数据包结构,用于获取上层应用所需的数据。此外,为快速存储、查询、统计、聚合网络状态数据,实现网络遥测数据包所需遥测数据的快速提取与生成,EAGLE提出了一种基于遥测数据图及同步控制块的网络遥测信息生成方法。在此基础上,为了最大化网络遥测机制中网络遥测数据包的处理效率,EAGLE提出了融合内核态及用户态特性的网络遥测信息嵌入架构。在Open vSwitch上实现了EAGLE方案并进行了测试,测试结果表明,EAGLE能够收集多粒度数据并快速提取与生成遥测数据,且仅增加极少量的处理时延及资源占用率。

应用自适应HP滤波的卫星遥测数据预测方法

在应用HP(Hodrick-Prescott)滤波的卫星遥测数据预测方法的基础上进一步研究,提出了基于二分法和琴生不等式判别的自适应HP滤波的遥测数据预测方法,有效解决了平滑参数的选择困难。同时,趋势项和波动项预测在应用HP滤波的方法的基础上有创新和优化,分别采用了线性预测模型和自回归单整移动平均(ARIMA)模型,有利于有效趋势特征提取和模型参数调整范围的优化。应用文章方法对卫星在轨行波管阳极电压数据进行分析,证实了方法的正确性和有效性。此方法可有效提高预测精度,实现遥测数据中长期预测,在卫星故障诊断和预警方面具有工程应用价值。

基于对比序列重构的卫星遥测数据异常检测方法

基于遥测数据的异常检测是卫星在轨运维管理的关键技术。但现有方法大多仅采用正常样本建立模型,异常检测结果对判读阈值敏感、虚警率较高。对此本文提出基于对比序列重构的卫星遥测数据异常检测方法,充分利用有限异常先验增强异常检测中正常、异常样本差异。先基于变分自编码器提取遥测数据时序演化特征,引入对比学习方法建立对异常、正常数据差异化输出的编码器,再用大量正常数据进一步训练整个模型实现对正常数据的精准重构形成对异常数据敏感的时序数据重构模型,再基于核密度估计方法学习异常判读阈值进一步提升异常检出率。在真实卫星遥测数据上验证表明所提方法能有效降低异常检测的虚警率(均低于0.002)并保持较高的检出率具备良好的实际应用水平。

基于SDT的智慧变电站站端遥测数据修正系统

针对海量变电站遥测数据堆积,导致数据修正误差较大的问题,设计基于结构化数据传送(Structured Data Transfer,SDT)的智慧变电站站端遥测数据修正系统。通过遥测数据前端处理模块并行处理转换数据。利用遥测数据判读模块,结合专家测试库知识判读反馈数据。根据实际数据中显著数据污染率,确定待修正遥测数据。结合异常数据决策规则,应用基于SDT数据修正技术压缩海量遥测数据,避免待修正遥测数据大量堆积。设定SDT数据压缩强制记录限度,将最大误差序列作为系统输入量,构建修正函数,获取站端遥测数据修正结果。测试结果表明,该系统修正的视在功率数据和电流与理想数据存在最大为0.2 MVA和8 A的误差,能够为智慧变电站稳定运行提供可靠数据。

基于SignalR的卫星遥测数据实时推送系统设计与验证

卫星批量化生产过程中会实时生成各类海量遥测数据,如何将海量遥测数据实时准确地发送至所需位置是保证卫星状态受控的首要前提.针对卫星海量数据实时推送的问题,设计了基于SignalR的卫星遥测数据实时推送系统并完成了验证.该系统采用消息队列+SignalR的模式,可实现测试数据实时推送到各个终端软件.它能够满足百颗星量级同时测试时产生数据的实时推送,并支持各个终端软件订阅不同卫星的不同类型的遥测测试数据.该系统已应用于某批量化生产卫星,可将多颗卫星的实时遥测数据同时推送至1台或多台终端,完成了1人测试并监测1颗卫星模式向1人测试并监测多颗卫星模式的转变,且能够实时动态切换不同卫星遥测数据状态,可支持卫星批量化生产模式.

综合遥测数据的小流域设计暴雨洪水计算

为更好指导基础资料匮乏小流域暴雨洪水计算,充分挖掘小流域可用的数据源,以常用小流域暴雨洪水计算的方法为基础,将遥测站点数据融入暴雨洪水计算过程,充分考虑暴雨空间的差异性,使计算结果更加符合实际。结果表明:与常规方法相比,融入与不融入遥测站点数据洪峰流量平均相差29%左右;综合遥测数据的水文比拟法,将暴雨的空间差异性纳入其中,对其有了一定的改进;融入遥测数据的推理公式法,使暴雨的确定更加的合理,加之用该方法本身在暴雨洪水计算过程中将与洪水相关的多种因素纳入其中,所得到结果更加合理、可信;地区经验公式法多反映流域暴雨洪水的平均情况,对于复杂的小流域而言,其结果存在一定的不确定性。

基于有限遥测数据的中压有源配电网拓扑识别

分布式电源(DG)的大规模接入给中压配电网的保护及自愈等带来了严重的挑战,而解决这一问题首先需要判断分布式电源在有源配电网中的具体接入位置及容量。基于基尔霍夫电流定律,阐述了中压有源配电网中开关柜电流与中压分布式光伏及配变的电流关系,针对目前一些地区存在的配网开关柜未投入电压采集功能,从而无法对潮流方向进行遥测的问题,建立了有源配电网拓扑识别的数学模型,并提出改进的牛顿迭代法对该拓扑识别模型进行求解,实现了光伏与开闭所馈供开关之间关联关系的判别。通过算例仿真验证了所提模型和算法的有效性。

基于跃变量分析的航天器遥测数据可信度计算

随着航天器在轨数量和其系统本身复杂性的增加,航天器遥测数据呈爆发式增长,如何有效剔除航天器遥测数据中存在的大量误码具有重要意义,从而提高故障报警的准确性和在轨数据分析的效率。提出了一种基于跃变量统计的遥测数据可信度计算方法,将航天器的实时遥测数据与历史遥测数据关联起来,提取了历史遥测数据的跃变量特征值统计规律,并基于此建立了实时遥测数据的可信度计算模型,从而计算得到遥测数据的可信度系数。最后以某卫星的温度遥测数据为例进行了仿真验证,仿真结果表明了上述可信度计算方法可在保证不丢失原遥测数据有用信息的前提下,大大提升了处理后遥测数据的质量,减少了遥测误码,可以满足航天器实时遥测数据的可信度计算要求。高质量的遥测数据将进一步提高地面系统对航天器在轨运行状况的准确判断,大大减少故障的虚警率。

基于故障树与遥测数据的运载火箭滚控装置排故技术

针对运载火箭飞行试验中出现的滚动通道姿态超差、超差故障现象难以通过试验复现的情况,基于遥测数据,采用故障树分析法,查找出故障原因并据此采取了改进防护措施。通过地面试验和飞行试验,验证了改进防护措施的有效性,确保了研制工作的顺利推进及后续飞行试验的成功。结果表明:排故技术对运载火箭设计研制过程中遇到的同类技术问题具有普适性。

卫星多通道异构遥测数据融合分析与比对方法

遥测数据是航天器研制阶段最重要的产品成果之一,是检测航天器功能及性能指标、验证航天器各系统研制成果,以及分析在轨测试数据的重要基线。航天器各通道的遥测数据的正确性和有效性显得尤为重要,本文提出一种卫星多通道异构遥测数据融合分析与比对方法,实现多通道异构遥测数据的预处理、融合分析、融合比对等,解决了直接人工判读效率低和准确性差的历史问题,有效提升卫星综合测试和在轨监视的数据分析效率。

基于差分和局部离群因子的遥测数据野值检测方法

为提高火箭飞行遥测数据孤立型野值检测的准确性和检测效率,针对遥测数据变化范围大、分布参数未知、数据量大等特点,提出一种基于差分和局部离群因子的野值检测算法,通过一阶差分使遥测数据中快速变化段的突变点与正常幅值点区分开,然后去除差分值中的重复值以降低计算复杂度,并将数据点的重叠度引入局部离群因子的计算中以快速筛选出局部离群程度较大的突变点,最后利用突变点的差分值符号特征来辨识野值点。通过实例应用分析,验证了该算法的高效性和准确性。

基于53H法的遥测数据野值剔除

遥测数据在从星上分发到各遥测站的过程中,受天气影响、磁场干扰等多种偶然因素作用,观测数据会严重偏离目标真值,这部分数据可称为野值。遥测数据的准确性十分重要,若遥测数据中存在野值,会直接影响后续的故障检测和预测,造成异常误判,甚至会产生虚警情况,对后续工作人员确认卫星状态、处理卫星异常造成困扰。本文在传统的53H法的基础上,添加一种三点等权重的首尾平滑的算法,避免传统53H法造成的4个数据点的缺失;增加对斑点型野值的判断方式,改进53H法对斑点型野值剔除能力弱的缺点;增加对野值数据相邻正常数据的二次判断,避免受野值影响而将正常数据误剔除的情况,保证数据的完整性。本文使用某导航卫星遥测数据进行试验,在相同实验条件下,使用相同仿真数据,与奈尔准则、最小二乘法进行对比实验分析。实验结果表明本文算法可以准确剔除野值数据,保留因卫星故障、异常出现的异常数据。本文提出的算法实现简单,剔除速度较快,可以很好地应用到基于遥测数据的卫星故障检测的数据预处理中。

基于ARIMA-BP组合模型的智能变电站遥测数据趋势性分析预警技术研究

为了基于监测数据对智能变电站二次保护装置进行故障预警,提出了一种基于ARIMA-BP组合模型的智能变电站遥测数据趋势性分析预警方法。通过智能变电站继电保护故障分析,选择装置状态趋势预警遥测数据源,基于数据源特性分析建立ARIMA-BP组合预测模型,基于ARIMA-BP组合预测模型及装置历史遥测数据进行装置运行趋势预测。并以某220kV变电站中线路保护装置的遥测数据为例进行算例分析,结果表明ARIMA-BP组合模型的预测误差率比单独的ARIMA模型和BP模型分别低5%和9%,验证了ARIMA-BP组合模型在遥测趋势预测预警的优越性。

存在证据冲突的临近空间飞行器遥测数据相关性评价与融合方法

为了解决单一的相关性分析方法在分析临近空间飞行器遥测数据时存在局限性以及证据冲突问题,在相关系数分析评价与优势组合的基础上,提出了基于支持因子的证据理论融合算法。首先分别利用Pearson相关系数、Spearman相关系数与距离相关系数对遥测数据进行相关性评价分析,表明3种相关系数可优势互补。其次,建立了基于支持因子的证据理论融合算法,实现证据的冲突基本概率赋值函数分配,避免Dempster-Shafer证据理论(D-S证据理论)的一票否决和合成规则失效问题。最后,利用3种相关系数构造相关性证据并开展遥测数据相关性分析实验。结果表明:基于支持因子的证据理论融合方法能使Pearson相关系数、Spearman相关系数与距离相关系数的证据融合更加合理;在证据冲突大的情况下,相比相容系数的证据理论融合方法,相关概率计算结果准确度提高约6.55%,能更有效地处理证据冲突问题。

基于大数据的卫星遥测数据故障征兆分析方法

卫星在轨遥测数据信息量巨大,且表征卫星在轨道上的运行状态和故障趋势[1]。首先,介绍了大数据在卫星故障分析方面的研究现状;其次,在现有研究的基础上充分地运用大数据技术,解决卫星遥测大数据采集、存储过程中的问题;然后,结合大数据分析方法研究卫星在轨遥测数据与故障状态的关系,并提出基于大数据的卫星遥测数据故障征兆分析方法;最后,分析了此方法的优势和应用场景,具有一定的推广使用价值。

基于迁移学习的航天器遥测数据异常检测技术

航天器遥测数据异常检测是识别航天器状态、保障航天器安全可靠运行的关键技术.然而,航天器遥测数据异常检测通常面临时序数据维度大、异常不平衡、标签样本缺乏等问题.基于数据预测的异常检测思想,提出一种基于迁移学习的深度异常检测模型.根据遥测数据时序相关性强的特点,采用具有注意力机制的长短期记忆网络建立遥测数据预测模型.为了克服航天器遥测数据异常标签少、数据维度高的问题,采用微调的迁移学习方法对预测模型进行优化,同时采用全连接层统一不同数据集维度,从而提高了迁移学习模型精度,提升异常检测水平.以美国宇航局公开的两个航天器数据集为实验对象,利用提出的异常检测方法对该数据集异常状态进行识别,结果表明,与经典异常检测算法相比,引入迁移学习能明显提升模型性能,实验结果优于目前常见的异常检测模型,证明了方法的有效性.

卫星遥测数据实时压缩算法设计与实现

为了满足多星并行遥测数据处理和海量数据高并发分析的性能需求,便于后续进行数据挖掘、智能预警,本文提出并实现了一种卫星遥测数据实时压缩算法。针对遥测数据的特点,提出了遥测自适应分类方法,采用改进型RLE(Run Length Encoding,行程编码)压缩和增量压缩结合的算法,结合数据库技术,实现了遥测数据的压缩。在某型号卫星研制项目中,采用了该算法进行数据压缩,统计分析表明:该算法起到了很好的压缩效果。

一起220kV变电站35kV电容器间隔遥测数据异常分析与处理

针对一起某220 kV变电站35 kV电容器间隔遥测数据异常缺陷,结合该遥测采集转发各个环节,对该间隔测保装置采样、远动装置遥测转发配置、调度主站遥测系数逐一分析后,确定远动配置中该间隔装置遥测满码值设置不当导致数据溢出。现场通过远动组态工具修改该间隔遥测参数配置后,遥数据测恢复正常。

基于SE-TCN的一维低采样卫星帆板温度遥测数据插补方法

针对因入境时间短、组帧错误等原因导致的卫星帆板温度遥测数据缺失问题,提出一种基于引入注意力机制的时间卷积网络(SE-TCN)的自回归预测方法。温度遥测数据可看作是具有较强规律性的渐周期信号,采用SE-TCN对历史数据到未来数据的映射进行拟合完成缺失值的插补,同时为表征对实际缺失数据集的插补效果,增加评价指标的计算方式,有效解决了使用物理模型仿真和统计学方法插值偏差过大,及无法计算实际插值效果的问题。与长短时记忆网络和时间卷积网络等模型相比,SE-TCN在测试集和实际缺失数据集上均得到了更好的插值效果。

一种内嵌质量总线的飞行器试验遥测数据质量管理系统设计

文章分析了当前飞行器飞行试验遥测数据质量管理面临的主要问题,针对性地提出了质量总线概念,在此基础上,设计了基于质量总线概念的遥测数据质量管理系统,并阐述了该系统的设计思想、关键技术及体系结构,为大数据时代的试验遥测数据质量管理提供了一种简洁的解决方案。