首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于随机森林网络的卫星电源系统缺失数据补全方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:哈尔滨工业大学

摘要:基于随机森林网络的卫星电源系统缺失数据补全方法,属于航天器遥测数据处理技术领域,本发明为解决现有卫星在轨数据补全技术存在的问题。本发明方法包括以下步骤:S1、采集卫星电源系统的遥测数据并进行预处理;S2、预处理后全部遥测数据按日期保存为多个.csv文件,各.csv文件数据维度为L×M;S3、利用PCA算法从全部.csv文件中筛选出待补全遥测数据相关特征列N;S4、将步骤S3筛选出来的待补全遥测数据相关特征列N输入至训练好的神经随机森林NRF模型中,获取缺失段数据;S5、将神经随机森林NRF模型输出的缺失段数据与原始数据拼接在一起,获取完整遥测时序数据,完成缺失数据补全。

主权项:1.基于随机森林网络的卫星电源系统缺失数据补全方法,其特征在于,该方法包括以下步骤:S1、采集卫星电源系统的遥测数据并进行预处理,所述遥测数据由m类传感器采集并构建为M维时序数据M={m1,m2,...,mm};S2、预处理后全部遥测数据按日期保存为多个.csv文件,各.csv文件数据维度为L×M,其中L={l1,l2,...,ln}代表记录时序数据的时间长度,M={m1,m2,...,mm}代表遥测参数维度;S3、利用PCA算法从全部.csv文件中筛选出待补全遥测数据相关特征列N={m1,m2,...,mn},N≤M;S4、将步骤S3筛选出来的待补全遥测数据相关特征列N输入至训练好的神经随机森林NRF模型中,获取缺失段数据;神经随机森林NRF模型的构建过程:S41、将一颗回归树转化为树型神经网络;S42、构造神经网络各层的激活函数;S43、采用Bagging集成学习方式将多个S41构建的树型神经网络组合成神经随机森林模型NRF;S44、采用贝叶斯优化参数搜索对神经随机森林模型NRF进行模型调参;S5、将神经随机森林NRF模型输出的缺失段数据与原始数据拼接在一起,获取完整遥测时序数据,完成缺失数据补全;S41将一颗回归树转化为树型神经网络的过程包括:步骤1、构建一颗回归树,并用三层神经网络表示,分别为输入层、隐藏层和输出层,隐藏层包括第一隐藏层和第二隐藏层;步骤2、在第一隐藏层进行超平面空间划分;步骤3、在第二隐藏层进行叶节点位置的定位;步骤4、在输出层进行加权求和,完成一颗回归树转化为树型神经网络的过程;具体的,步骤1构建一颗回归树的过程为:定义分类回归树是组成NRF的基本元素,数据特征维度集合X={x1,x2,...,xd}对应数据值Y={y1,y2,...,yd},选取最小方差判据作为判断最优切分变量xi以及切分点s的标准: 其中D={X,Y}=D1∪D2,D1i,s={x|xi≤s}和D2i,s={x|xi>s}分别为切分点划分出的左右两部分训练集,c1=averageyi|xi∈D1和c2=averageyi|xi∈D2分别为D1和D2两部分训练数据的均值,j为切分点位置;通过递归不断选择并保留当前最优切分变量xj以及切分点s,直到回归树恰好包含k个终端节点时停止,能够生成一棵回归树T;对于划分回归树T的超平面集合H={H1,H2,...,HK-1}中的任意一个超平面Hk∈H,k=1,2,…,K-1,存在Hk={x:hkx=0},其中超平面方程进行回归树分析的维度ik=1,2,...,d,偏置为网络输入;步骤2在第一隐藏层进行超平面空间划分的过程为:网络输入与第一隐藏层各个神经元一一对应连接,第一隐藏层的神经元对应的K-1个感知器被用来判断划分特征空间的超平面属性,它们的激活函数可以统一定义为: 其中thresholdx=±1为阈值型激活函数,且连接权值为1,偏置为如果激活值大于零,那么神经元就会被激活;否则,该神经元处于抑制状态;定义上式结果为+1时代表待查询叶子节点在超平面Hk的左侧,结果为-1时代表待查询叶子节点在超平面Hk的右侧;则第一隐藏层的输出是由+1和-1组成的一个K-1维矢量U={u1x,u2x,...,uK-1x},其元素ukx,k=1,2,...,K-1;步骤3在第二隐藏层进行叶节点位置的定位过程为:每个叶子节点对应一个神经元,因此第二隐藏层共有K个神经元,定义所有叶子节点L={L1,L2,...,LK},则第二隐藏层的激活函数定义为: 其中bkk'=±1表示第一隐藏层和第二隐藏层之间的连接权值,bk'=-lk'+0.5表示偏置,lk'是从根节点到叶子节点Lk'的路径长度;定义上式结果为+1时代表唯一的和叶子节点Lk'有关的路径,结果为-1时代表和叶子节点Lk'无关的路径;则第二隐藏层的输出是由一个+1和K-1个-1组成的一个K维矢量V={υ1x,υ2x,...,υKx},其元素vk'x,k'=1,2,...,K;步骤4在输出层进行加权求和的过程为:对于第二隐藏层的输出中元素υk'x=1的情况,输出层计算叶子节点Lk'所在的Xi对应的Yi的平均值表示为: 其中tx为第二隐藏层的输出结果。

全文数据:

权利要求:

百度查询: 哈尔滨工业大学 基于随机森林网络的卫星电源系统缺失数据补全方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。