基于非线性PCA的有效载荷健康参数提取

随着卫星有效载荷功能和结构日趋复杂,对设备的稳定性、可靠性提出更高要求,文章针对载荷设备健康表征参数庞大,导致健康诊断困难的问题,提出了非线性的PCA分析法。该方法首先对有效载荷设备自顶向下构建一个健康表征参数合并集,其次在传统PCA的基础上,采用非线性数据融合技术获取关键健康表征参数,并对所产生的协方差矩阵中的特征值、特征向量以及各特征值比率做了深入研究,结果显示非线性的PCA算法能带来更好的降维效果以及特征值累计占比率,不仅能保持数据之间的差异度信息,还能保存样本自身信息,有效降低了数据处理导致的信息损耗以及对星上载荷计算及存储能力的需求,说明改进方法在提取有效载荷设备健康表征参数中表现出显著优势。