基于时空模式网络的航天器姿态系统异常检测方法及装置

1.基于时空模式网络的航天器姿态系统异常检测方法，其特征在于，包括：获取姿态系统各种工作模式下的样本数据，所述样本数据为以时间为顺序连续排列的多个数据；对同一工作模式下的样本数据进行数据离散化，再将离散化的样本数据映射到统一空间进行表达得到离散的多个状态符号序列；对多个所述状态符号序列进行马尔可夫建模，获取与各状态符号序列自身对应的序列自身状态转移矩阵，以及各状态符号序列之间的序列间状态转移矩阵；分别根据所述序列自身状态转移矩阵以及序列间状态转移矩阵得到原子模式以及相关模式，再基于所述原子模式和相关模式构建STPN网络模型；针对同一工作模式，对应不同时间段得到相应的STPN网络模型，对多个STPN网络模型基于k-medios进行聚类，作为聚类中心的STPN网络模型即为该工作模式下的典型STPN网络模型；根据同一工作模式下的典型STPN网络模型与其他STPN网络模型采用3西格玛法则，计算得到误差阈值；获取当前待检测数据样本，根据所述待检测数据样本构建当前状态下的STPN网络模型，并计算STPN网络模型与相同工作模式下的典型STPN网络模型之间的误差，再通过对比该误差与所述误差阈值以检测当前姿态系统是否异常。 2.根据权利要求1所述的航天器姿态系统异常检测方法，其特征在于，通过采用自动编码器将所述将离散化的样本数据映射到统一空间进行表达得到离散的多个状态序列。 3.根据权利要求1所述的航天器姿态系统异常检测方法，其特征在于，所述对多个所述状态符号序列进行马尔可夫建模，获取与各状态符号序列自身对应的序列自身状态转移矩阵，以及各状态符号序列之间的序列间状态转移矩阵包括：构建D-马尔科夫机对各所述状态序列自身进行时间特征分析，得到所述序列自身状态转移矩阵；构建xD-马尔科夫机对各所述状态序列之间进行空间特征分析，得到所述序列间状态转移矩阵。 4.根据权利要求1所述的航天器姿态系统异常检测方法，其特征在于，所述再基于原子模式和相关模式构建STPN网络模型包括：所述原子模式中包括自相关参数，所述自相关参数为所述STPN网络模型的网络节点的权重；所述相关模式中包括互相关参数，所述互相关参数为所述STPN网络模型的节点连接的权重。 5.根据权利要求1所述的航天器姿态系统异常检测方法，其特征在于，所述根据同一工作模式下的典型STPN网络模型与其他STPN网络模型采用3西格玛法则，计算得到误差阈值包括：根据欧式距离计算方法计算典型STPN网络模型以及其他STPN网络模型的误差时间序列；根据所述误差时间序列的均值和方差采用3西格玛法则计算得到所述误差阈值。 6.根据权利要求1所述的航天器姿态系统异常检测方法，其特征在于，所述获取当前待检测数据样本，根据所述待检测数据样本构建当前状态下的STPN网络模型包括：对所述待检测数据进行数据离散化，再将离散化的样本数据映射到统一空间进行表达得到离散的多个当前状态符号序列；对多个所述检测状态序列进行马尔可夫建模，获取与各当前状态序列自身对应的序列自身状态转移矩阵，以及各当前检测状态序列之间的序列间状态转移矩阵；分别根据所述序列内态转移矩阵以及序列间状态转移矩阵得到对应的当前自相关参数以及当前互相关参数，再基于所述当前自相关参数和当前互相关参数构建得到所述当前状态下的STPN网络模型。 7.一种基于时空模式网络的航天器姿态系统异常检测装置，其特征在于，包括：样本数据获取模块，用于获取姿态系统的各种工作模式下的样本数据，所述样本数据为以时间为顺序连续排列的多个数据；状态符号序列得到模块，用于对同一工作模式下的样本数据进行数据离散化，再将离散化的样本数据映射到统一空间进行表达得到离散的多个状态符号序列；状态转移矩阵得到模块，用于对多个所述状态符号序列进行马尔可夫建模，获取与各状态符号序列自身对应的序列自身状态转移矩阵，以及各状态符号序列之间的序列间状态转移矩阵；STPN网络模型构建模块，用于分别根据所述序列自身状态转移矩阵以及序列间状态转移矩阵得到原子模式以及相关模式，再基于所述原子模式和相关模式构建STPN网络模型；典型STPN网络模型得到模块，用于针对同一工作模式，对应不同时间段得到相应的STPN网络模型，对多个STPN网络模型基于k-medios进行聚类，作为聚类中心的STPN网络模型即为该工作模式下的典型STPN网络模型；误差阈值计算模块，用于根据同一工作模式下的典型STPN网络模型与其他STPN网络模型采用3西格玛法则，计算得到误差阈值；姿态系统异常检测模块，用于获取当前待检测数据样本，根据所述待检测数据样本构建当前状态下的STPN网络模型，并计算STPN网络模型与相同工作模式下的典型STPN网络模型之间的误差，再通过对比该误差与所述误差阈值以检测当前姿态系统是否异常。