telemetry processing
در نشریات گروه پدافند غیرعامل-
آشکارسازی ناهنجاری، یافتن الگو ها در داده هایی است که از رفتار مورد انتظاری تبعیت نمی کنند. توسعه فناوری های آشکارسازی ناهنجاری و تشخیص خطا به صورت هوشمند، برای حامل پرتاب ماهواره به دلیل محیط سخت، دور و غیرقطعی، به عنوان یک مسئله کاملا مهم و قابل توجه در صنعت هوافضا مطرح است. مدل پایش فعلی، با نظارت افراد خبره از طریق نمایش اطلاعات تله متری به کمک یک واسط گرافیکی انجام می شود. این رویکرد، علی رغم نیازمندی به تعداد زیادی افراد خبره، بسیار طاقت فرسا و زمانبر است. علاوه بر این، افراد همیشه قادر به تشخیص وضعیت های ناهنجار نیستند. در این مقاله به منظور پایش سلامت سیستم، یک چارچوب عیب شناسی نظام مند، شامل فرآیند داده کاوی توصیفی جهت آشکارسازی ناهنجاری ارائه شده است. نتایج حاصل از به کارگیری مدل های تشخیصی در چارچوب پیشنهادی، حاکی از این است که مدل های مذکور در ترکیب با مدل پایش فعلی، باعث بهبود امکانات عیب شناسی سنتی در تشخیص ناهنجاری می شوند. همچنین ضمن تسریع در فرآیند تصمیم گیری، می توانند ایمنی و قابلیت اعتماد را برای عملیات فضایی افزایش دهند.
کلید واژگان: داده کاوی، آشکارسازی ناهنجاری، پردازش تله متری، پایش سلامت ماهواره برAnomaly detection refers to the problem of finding patterns in data that do not conform to expected behavior. Development of advanced anomaly detection and failure diagnosis technologies for satellite launch vehicle (SLV) is a quite significant issue in the aerospace industry, because the space environment is harsh, distant and uncertain.Current SLV health monitoring and fault diagnosis practices involve around-the-clock limit-checking or simple trend analysis using text or graphical displays on large amount of telemetry data. This procedure, which requires large numbers of human experts, is of course cumbersome and time-consuming. Furthermore, humans are not always able to recognize anomalous situations. In this paper, a systematic and transparent diagnostic methodology will be proposed and developed within intelligent anomaly detectioon framework for SLV health monitoring. Experimental results show that the proposed method is capable of characterizing and monitoring interactions between multiple spacecraft parameters and can provide additional insight and valuable decision support for controllers and engineers.
Keywords: Data Mining, Anomaly Detection, Telemetry Processing, SLV Health Monitoring
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.