(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110369830.1 (22)申请日 2021.04.0 6 (65)同一申请的已公布的文献号 申请公布号 CN 113312809 A (43)申请公布日 2021.08.27 (73)专利权人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 唐荻音　樊艳春　于劲松　张力文　 周倜　唐卿　 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 111/10(2020.01)G06F 119/12(2020.01) 审查员 王宇莉 (54)发明名称 一种基于相关团划分的航天器遥测数据多 参数异常检测方法 (57)摘要 一种基于相关团划分的重构偏差多参数异 常检测方法。 针对航天器遥测数据量大、 维度高、 数据相关程度高的特点， 使用最大互信息系数计 算各参数之间的相关程度， 形成相关系数矩阵， 将其转化为可视化的有权无向图结构， 建立相关 图。 但此时相关图相当复杂， 因此提出了相关团 划分的方法， 利用相关团剪枝算法划分相关团， 筛选出具备高度相关性的参数， 并将其作为多参 数异常检测模型的先验知识。 之后， 针对单参数 异常检测算法难以处理高维遥测数据异常检测 的问题， 基于相关团划分， 对高维遥测数据进行 降维处理和特征提取， 使用自动编码器作为基本 模型， 设计了自适应确定阈值的算法和基于重构 偏差的异常检测算法， 进行多参数异常检测， 提 出异常序列定位方法， 实现多参数异常情况下的 精准定位。 权利要求书2页 说明书7页 附图2页 CN 113312809 B 2022.12.13 CN 113312809 B 1.一种基于相关团划分的航天器遥测数据多参数异常检测方法， 包括下列步骤： 首先， 使用最大互信 息系数计算各参数之间的相关程度， 形成相关系数矩阵， 将其转化 为可视化的有权无向图结构， 建立相关图； 具体包括如下步骤： 步骤一： 选取相关性指标； 采用所述最大互信息系数进行遥测参数之间的相关程度计 算； 步骤二： 构建相关系数矩阵； 采用minepy开源包中的MINE算法实现最小互信息的网格 划分， 对M维遥测参数计算 最大互信息系数相关系数， 获得相关系数矩阵； 步骤三： 建立相关图； 对所述相关系数矩阵中的元素通过门限滤除不相关的相关关系， 仅对超出阈值的相关系数建立 边， 并将对应的相关系数的绝对值设置为相关图中边权值； 其次， 采用相关团划分的方法， 利用剪枝算法划分相关团， 筛选具有高度相关性的参 数， 使复杂的相关图变为相关结构简单、 可解释性更强的若干相关团， 达到数据降维和特征 提取的目的； 将相关图划分为相关团， 具体步骤如下： 1)将相关图Gr中的所有结点 放入数组N odesToAg gregate中， 代 表尚未形成团的结点； 2)若NodesToAggregate为空， 所有结点均已划分完毕， 相关团划分算法结束， 返回相关 团划分结果C； 3)将使用数组visit标记Gr中结点是否被遍历， 初始化将visit内所有结点标记为未遍 历； 4)初始化 集合Cunpruned为空， 用于存 储未经过剪枝操作的相关团； 5)分别以NodesToAggregate数组中的结点为源结点， 进行广度优先遍历所有的visit 标记为未遍历的结点， 在 遍历过程中同时将已经遍历 到的结点在 visit中标记 为已经遍历， 遍历的结果以待剪枝团的形式及所有已被遍历到的点以单点的形式存 入Cunpruned中； 6)清空NodesToAg gregate； 7)对Cunpruned中的所有待剪枝的相关团进行剪枝， 将剪枝操作获取的相关团存入最终划 分结果C中， 将剪枝获取的散点存 入NodesToAg gregate； 8)转到步骤2)进行 下一轮的相关团划分； 所述剪枝算法的算法流 程如下： (1)用S代 表剪枝操作剪下的散点， 初始化 为空； (2)用Ci代表剪枝后的相关团， 初始化 为Cunpruned中的一个未剪枝的相关团； (3)获取Ci中最小度的结点 nmind； (4)若nmind的度小于当前Ci中的结点数目， 则从Ci中删除nmind， 并将其加入散点集S， 返回 步骤(3)； 否则结束算法， 返回当前的Ci与S； 最后， 使用自动编码器作为基本模型， 利用异常序列定位方法， 设计了基于重构偏差的 异常检测算法， 实现多参数异常情况 下的精准定位。 2.根据权利要求1所述的基于相关团划分的航天器遥测数据多参数异常检测方法， 其 特征在于： 针对航 天器海量遥测数据， 使用最大 互信息系数分析各参数关联关系， 从而建立 相关图。 3.根据权利要求1所述的基于相关团划分的航天器遥测数据多参数异常检测方法， 其 特征在于： 采用相关团划分的方法， 设计相关特征的提取算法， 将划分的相关参数分成单维权　利　要　求　书 1/2 页 2 CN 113312809 B 2或者多维的检测组， 达 到降维的目的。 4.根据权利要求1所述的基于相关团划分的航天器遥测数据多参数异常检测方法， 其 特征在于： 设计自适应确定阈值 算法， 达到动态调整异常阈值的目的。 5.根据权利要求1所述的基于相关团划分的航天器遥测数据多参数异常检测方法， 其 特征在于： 设计异常序列定位算法， 将子序列按照异常程度排序， 实现多参数异常情况下的 定位。权　利　要　求　书 2/2 页 3 CN 113312809 B 3