具体实施方式

考虑到卫星星载计算资源有限，且对响应及时性要求较高的特点，面向卫星工程应用，采用基于解析方程的健康基线，实时在轨关联性监测，凸显其计算资源占用少、计算时间消耗少的优势。采用缓存池定时触发计算的方法，降低了对数据存储的要求，同时提升响应速度。

本申请的基于星载关联性健康基线卫星在轨实时监测方法的具体步骤如下。

步骤一：健康基线配置

首先，对关联性计算所需的必要信息进行配置。配置项包括：关联性计算遥测参数、工况敏感参数、工况判别逻辑表达式、关联性健康基线解析函数模型、关联性健康基线阈值、数据缓存池长度、异常判定规则。各个配置项含义如下。

(1)遥测参数：参与关联性状态监测计算的遥测参数，包括自变量遥测参数与因变量遥测参数。

(2)工况敏感参数：用于判断和识别目标工况的遥测参数。

(3)工况判别逻辑表达式：用加、减、乘、除、与、或、非等基础数学或逻辑运算组成的，对工况敏感参数值进行运算的布尔表达式，当工况判别表达式为真时，对应遥测参数值属于目标工况段，否则不属于。

(4)关联性健康基线解析函数模型：表征正常状态下，自变量遥测参数与因变量遥测参数之间映射关系的解析函数，可以统一表征为y＝F(x)，其中x表示自变量遥测参数值，y表示因变量遥测参数值。在星载监测场景下，关联性健康基线解析模型一般限定为线性型，可以表示为：

y＝F(x)＝a+bx，其中a和b分别为线性函数常数项和一次项系数。

(5)关联性健康基线阈值：以函数的方式限定关联性健康基线的关联上限和关联下限。分别及关联上限和关联下限函数为和y＝F(x)。以这种方式指定关联性健康基线的阈值，既可表示在关联性健康基线的计算值上下浮动一定常数的阈值设定方式，也可对其他阈值设定方式进行灵活表征。

(6)数据缓存池长度：以数据点为单位，限定缓存中可以容纳的最多遥测参数数据点个数。每个采样时刻的遥测参数数据点占一个位置，当数据缓存池满后，触发关联性计算。

(7)异常判定规则：超限比例判异阈值t。

同时，在地面可能随时发送基线更新指令，在配置阶段结束后，若检测到地面发出基线更新指令，则按指令数据包中的相关参数对关联性健康基线配置进行更新。配置条目同上。

步骤二：数据缓存与计算触发

为每个遥测参数设置长度为n的数据缓存池。在星载端，遥测数据以一定频率到达数据缓存区，当缓存区未满时，每个到达的遥测数据点占据缓存池中一个位置。当缓存池满后，将参与关联性计算的遥测参数对应的缓存池中所有数据取出，触发工况判定及调用健康基线，开展关联性计算。当缓存池中数据被取出后，清空缓存池，继续接收后续到达的遥测参数。记一次数据缓存池中取出的参与关联性计算的遥测参数序列为X＝(x₁,x₂,L,x_n)和Y＝(y₁,y₂,L,y_n)。其中，X为自变量遥测参数，Y为因变量遥测参数。记一次数据缓存池中取出的用于工况判定的工况敏感遥测参数为

共包含c个遥测参数用于工况判定。

步骤三：工况判定

记工况判别逻辑表达式为Cond(W₁,W₂,L,W_c)，表示以c个工况敏感参数为输入，输出值为布尔量真或假。

将n个工况参数对应的时间轴T_c＝(t₁,t₂,L,t_n)的每一个时间点对应的工况敏感遥测参数值输入工况判别逻辑表达式中，获得长度为n的布尔量序列；该序列中值为真的点，代表其对应的时刻满足目标工况，反之则不满足。记该布尔量序列为B＝(f₁,f₂,L,f_n)。若布尔量序列中所有标志位均为真，则判定该段数据属于目标工况；否则判定该段数据不属于目标工况。若数据段属于目标工况，则调用关联性健康基线解析函数、关联性健康基线阈值函数，触发关联性计算；若数据段不属于目标工况，则舍弃该段数据，不触发关联性计算。

步骤四：基线搜索与调用

根据判定的工况结果与参与计算的遥测参数，搜索目标关联性健康基线配置，包括关联性健康基线、关联性健康基线上阈值、关联性健康基线下阈值，并根据这些配置对参与关联性计算的遥测参数进行计算，完成基线的搜索与调用。

步骤五：关联性计算

记参与关联性监测计算的两个遥测参数序列分别为X＝(x₁,x₂,L,x_n)和Y＝(y₁,y₂,L,y_n)。根据配置的关联性健康基线解析方程y＝F(x)、关联性健康基线阈值下限y＝F(x)和关联性健康基线阈值上限分别计算对应于每一个自变量遥测参数值的因变量遥测参数关联值、关联阈值下限和关联阈值上限，具体计算方式如下

y _i＝F(x_i)

其中 y _i、分别代表对应于自变量遥测参数值x_i的因变量遥测参数关联值、关联阈值下限和关联阈值上限。

针对所有遥测点计算得到因变量遥测参数的关联值序列、关联阈值下限序列和关联阈值上限序列如下

Y＝(y ₁,y ₂,L,y _n)

步骤六：异常判定

分别计算每个因变量遥测参数实际值与关联阈值下限和关联阈值上限之间的关系，对于每个遥测点，计算产生一个超限标志位ε_i，其中

计算每个遥测点的标志位，得到整个遥测参数序列的超限标志位序列

E＝(ε₁,ε₂,L,ε_n)

按如下方式进行计算，并判定该段序列是否异常：

计算整个序列中超限点总数

计算整个序列超限点总数占序列总长度的比例

其中n是参与计算的遥测参数序列的遥测点总个数

将整个序列超限点总数占序列总长度的比例与配置中确定的超限比例判异阈值t进行比较：若c＞t，则判定结果为异常；若c≤t，则判定结果为正常。

实施例

步骤一：健康基线配置

首先，对关联性计算所需的必要信息进行配置。配置项包括：关联性计算遥测参数、工况敏感参数、工况判别逻辑表达式、关联性健康基线解析函数模型、关联性健康基线阈值、数据缓存池长度、异常判定规则。各个配置项含义如下。

(1)遥测参数：自变量“A组蓄电池1-9电压”和因变量“A组蓄电池电压”

(2)关联性健康基线解析函数模型：表征自变量遥测参数与因变量遥测参数之间映射关系的解析函数y＝F(x)＝a+bx＝-1.644+4.132x，其中x表示自变量遥测参数，y表示因变量遥测参数。

(3)关联性健康基线阈值：以函数的方式限定关联性健康基线的关联上限和关联下限。分别及关联上限和关联下限函数为和y＝F(x)＝-2.212+4.087x。

(4)数据缓存池长度：以数据点为单位，限定缓存中可以容纳的最多遥测参数数据点个数为60。每个遥测参数数据点占一个位置，当数据缓存池满后，触发关联性计算。

(5)异常判定规则：超限比例判异阈值t＝0.1。

同时，在地面可能不定时发送基线更新指令，在配置阶段结束后，若检测到地面发出基线更新指令，则按指令数据包中的相关参数对关联性健康基线配置进行更新。配置条目同上。

步骤二：数据缓存与计算触发

为每个遥测参数设置长度为60的数据缓存池。在星载端，遥测数据以一定频率到达数据缓存区，当缓存区未满时，每个到达的遥测数据点占据缓存池中一个位置。当缓存池满后，将参与关联性计算的遥测参数对应的缓存池中所有数据取出，触发工况判定及关联性计算。当缓存池中数据被取出后，清空缓存池，继续接收后续到达的遥测参数。记一次数据缓存池中取出的参与关联性计算的遥测参数序列为X＝(x₁，x₂，...，x₆₀)和Y＝(y₁，y₂，...，y₆₀)。其中，X为自变量遥测参数，Y为因变量遥测参数。记一次数据缓存池中取出的用于工况判定的工况敏感遥测参数为

X＝(X₁，X₂，...，X₆₀)

Y＝(Y₁，Y₂，...，Y₆₀)

遥测参数“A组蓄电池电压”和“A组蓄电池1-9电压”的缓存过程如图所示：

t＝0s时，数据缓存池如图2所示。

t＝15s时，数据缓存池如图3所示。

t＝30s时，数据缓存池如图4所示。

t＝45s时，数据缓存池如图5所示。

t＝60s时，数据缓存池如图6所示。

步骤三：工况判定

将工况有效时间轴T_c＝(t₁,t₂,L,t₆₀)的每一个时间点对应的工况敏感遥测参数值输入工况判别逻辑表达式中，获得长度为60的布尔量序列，记该布尔量序列为B＝(f₁,f₂,L,f₆₀)。判定结果为布尔量序列中所有标志位均为真，因此判定该段数据属于目标工况，调用关联性健康基线解析函数、关联性健康基线阈值函数，触发关联性计算。

步骤四：基线搜索与调用

根据判定的工况结果与参与计算的遥测参数，搜索目标关联性健康基线配置，即关联型健康基线解析方程

y＝F(x)＝a+bx＝-1.644+4.132x

关联性阈值下限

y＝F(x)＝-2.212+4.087x

关联性阈值上限

并送入关联性计算引擎，完成基线的搜索与调用。

步骤五：关联性计算

记参与关联性监测计算的两个遥测参数序列分别为X＝(x₁,x₂,L,x₆₀)和Y＝(y₁,y₂,L,y₆₀)。根据配置的关联性健康基线解析方程y＝F(x)、关联性健康基线阈值下限y＝F(x)和关联性健康基线阈值上限分别计算对应于每一个自变量遥测参数值的因变量遥测参数关联值、关联阈值下限和关联阈值上限，具体计算方式如下

y _i＝F(x_i)

其中 y _i、分别代表对应于x_i的因变量遥测参数关联值、关联阈值下限和关联阈值上限。

计算结果如图7所示。

在上图中，下方子图为自变量遥测参数“A组蓄电池1-9电压”的原始遥测参数值，上方子图为因变量遥测参数“A组蓄电池电压”的原始遥测参数值、根据自变量遥测参数序列和关联性健康基线计算得到的遥测参数关联值、和根据自变量遥测参数序列和关联性阈值上下限计算得到的遥测参数阈值区间。

步骤六：异常判定

计算因变量遥测参数实际值与关联阈值下限和关联阈值上限之间的关系，对于每个遥测点，计算产生一个超限标志位ε_i，其中

计算每个遥测点的标志位，得到整个遥测参数序列的超限标志位序列

E＝(ε₁，ε₂，…，ε₆₀)＝(0，0，...，0)

按如下方式进行计算，并判定该段序列是否异常：

计算整个序列中超限点总数

计算整个序列超限点总数占序列总长度的比例

将整个序列超限点总数占序列总长度的比例c配置中确定的超限比例判异阈值t＝0.1进行比较，c≤t，判定结果为正常。

完成上述步骤后，即t＝61s时，数据缓存池清空，重新接收下一周期的遥测数据，如图8所示。

除非另有定义，本申请中使用的所有技术和/或科学术语具有与由本发明所涉及的领域的普通技术人员通常理解的相同含义。本申请中提到的材料、方法和实施例仅为说明性的，而非限制性的。

虽然已结合具体实施方式对本发明进行了描述，在本申请的发明主旨下，本领域的技术人员可以进行适当的替换、修改和变化，这种替换、修改和变化仍属于本申请的保护范围。