錢昭勇，曹裕華，張 雷，王曉乾

（1.航天工程大學(xué)航天保障系，北京 101416；2.國(guó)防大學(xué)聯(lián)合勤務(wù)學(xué)院，北京 100858；3.西安衛(wèi)星測(cè)控中心，陜西 西安 710043）

衛(wèi)星系統(tǒng)在役考核意義非凡，內(nèi)容豐富，要求嚴(yán)格，是一個(gè)復(fù)雜的系統(tǒng)工程問題。數(shù)據(jù)挖據(jù)的應(yīng)用具有明顯的工程性和集合性，涵蓋了統(tǒng)計(jì)、分類、聚類、關(guān)聯(lián)、預(yù)測(cè)等多種數(shù)據(jù)分析與處理思想，一次數(shù)據(jù)挖掘可視為由多個(gè)步驟組成的工程化過程，能夠較好地用于分析解決衛(wèi)星系統(tǒng)在役考核相關(guān)問題。顯然，數(shù)據(jù)是衛(wèi)星系統(tǒng)在役考核的核心資源，考核的籌劃設(shè)計(jì)、組織實(shí)施、分析評(píng)估3個(gè)階段都離不開對(duì)數(shù)據(jù)的采集、存儲(chǔ)和各種有針對(duì)性的分析處理。同時(shí)，數(shù)據(jù)挖掘集合了對(duì)數(shù)據(jù)采集、存儲(chǔ)和預(yù)處理，對(duì)算法的選擇和應(yīng)用，對(duì)結(jié)果的展示和驗(yàn)證的完整過程[1]?？己酥胁煌膽?yīng)用需求對(duì)應(yīng)著不同的數(shù)據(jù)挖掘思想和方法，為更好地服務(wù)于衛(wèi)星系統(tǒng)在役考核過程，厘清數(shù)據(jù)挖掘在衛(wèi)星系統(tǒng)在役考核中的應(yīng)用需求顯得非常必要。

1 數(shù)據(jù)挖掘經(jīng)典技術(shù)原理

數(shù)據(jù)挖掘是指從大量的、不完全的、有噪聲的、隨機(jī)的數(shù)據(jù)中，綜合運(yùn)用各種技術(shù)與方法，獲取隱藏在其中的、有價(jià)值的知識(shí)（特征、規(guī)則、趨勢(shì)等）的過程[2]。最早的數(shù)據(jù)挖掘理論基礎(chǔ)主要源于統(tǒng)計(jì)、機(jī)器學(xué)習(xí)和數(shù)據(jù)庫(kù)系統(tǒng)。經(jīng)過不斷的發(fā)展，數(shù)據(jù)挖掘領(lǐng)域逐漸形成了一套經(jīng)典的基礎(chǔ)理論，主要包括關(guān)聯(lián)規(guī)則、分類、聚類、時(shí)間序列等。

1.1 關(guān)聯(lián)規(guī)則

數(shù)據(jù)挖掘的一個(gè)重要應(yīng)用是尋找數(shù)據(jù)關(guān)聯(lián)性，即發(fā)現(xiàn)2個(gè)或多個(gè)參數(shù)數(shù)據(jù)之間存在的某種內(nèi)在規(guī)律，包括簡(jiǎn)單關(guān)聯(lián)、因果關(guān)聯(lián)、時(shí)序關(guān)聯(lián)等。關(guān)聯(lián)規(guī)則分析是數(shù)據(jù)挖掘中非常典型的一類技術(shù)方法。一個(gè)典型的關(guān)聯(lián)規(guī)則案例就是某超市的啤酒與尿布銷售問題。啤酒與尿布是兩類看似無關(guān)的商品，但是該超市卻發(fā)現(xiàn)這兩類商品經(jīng)?！敖壎ā变N售。關(guān)聯(lián)分析中的支持度和置信度分別反映關(guān)聯(lián)規(guī)則的準(zhǔn)確度和重要性，所以關(guān)聯(lián)規(guī)則分析的主要目的是找出同時(shí)滿足最小支持度和置信度的強(qiáng)關(guān)聯(lián)規(guī)則。實(shí)踐表明，Apriori算法和FP-growth算法是最為經(jīng)典的2種不同類型的代表性關(guān)聯(lián)分析算法。通常情況下，最小支持度閾值越大，頻繁項(xiàng)和挖掘的關(guān)聯(lián)規(guī)則數(shù)量就越少；最小支持度閾值越小，頻繁項(xiàng)和挖掘的關(guān)聯(lián)規(guī)則數(shù)量就越多。為此，算法性能的表現(xiàn)受頻繁項(xiàng)集長(zhǎng)度的影響，一般廣度優(yōu)先算法針對(duì)短頻繁項(xiàng)集挖掘相比深度優(yōu)先算法表現(xiàn)更好，反之亦然。

1.2 分類

分類作為數(shù)據(jù)挖掘的重要組成部分，屬于有監(jiān)督學(xué)習(xí)模式，通過使用已知類別標(biāo)簽的樣本數(shù)據(jù)訓(xùn)練分類器，并通過訓(xùn)練出的分類器對(duì)未知的新樣本進(jìn)行分類。分類算法主要包括單一分類和集成學(xué)習(xí)分類2種類型。經(jīng)典的單一分類算法主要有K-鄰近（KNN）、支持向量機(jī)（SVM）、樸素貝葉斯分類（BNC）、邏輯回歸（LR）、決策樹（DT）、神經(jīng)網(wǎng)絡(luò)（ANN）等。集成學(xué)習(xí)分類是為保證分類效果和防止過學(xué)習(xí)，通過將多個(gè)單一的基分類器按照一定的方式集成起來進(jìn)行分類的方法，集成學(xué)習(xí)分類算法主要有Bagging系列和Boosting系列算法等。

1.3 聚類

聚類是一種無監(jiān)督學(xué)習(xí)的方法，在許多領(lǐng)域得到了重要的應(yīng)用。聚類通過數(shù)據(jù)間的相似性把數(shù)據(jù)歸類，并根據(jù)數(shù)據(jù)的概念描述來制定對(duì)應(yīng)的策略。其基本過程是按照特定標(biāo)準(zhǔn)（如距離）把一個(gè)數(shù)據(jù)集分割成不同的類或簇，把相似數(shù)據(jù)歸并到一類的過程，形成同類對(duì)象具有共同特征，不同類對(duì)象之間的有顯著區(qū)別，直到所有數(shù)據(jù)的歸類都完成。聚類算法主要包括層次聚類方法（BIRCH、Ward）、劃分聚類方法（K-means、PAM）、基于密度的方法（DBSCAN、DENCLUE）、基于網(wǎng)格的方法（STING、CLIQUE）和基于模型的方法（COBWEB、EM）等。

1.4 時(shí)間序列

時(shí)間序列是按照一定的時(shí)間順序和時(shí)間間隔的數(shù)據(jù)集合，包含著許多潛在有用的信息，時(shí)間序列分析不僅可以揭示某一現(xiàn)象的發(fā)展變化規(guī)律，還可以動(dòng)態(tài)刻畫現(xiàn)象之間的相互關(guān)系。主要包括以下幾種模型：①傳統(tǒng)的時(shí)間序列分析模型，主要包括自回歸（AR）、滑動(dòng)平均（MA）、自回歸滑動(dòng)平均（ARMA）、使用差分的自回歸滑動(dòng)平均（ARIMA）等模型；②機(jī)器學(xué)習(xí)模型，主要運(yùn)用Xgboost、LightGBM等算法，能夠解決非線性問題，能夠支持復(fù)雜數(shù)據(jù)建模和多變量協(xié)同回歸，挖掘速度快精度高，但是對(duì)人工特征工程的能力有較大的依賴；③深度學(xué)習(xí)模型，主要包括全連接神經(jīng)網(wǎng)絡(luò)（如多層感知器MLP）、循環(huán)神經(jīng)網(wǎng)絡(luò)（長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)LSTM）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）3類，能夠自動(dòng)地學(xué)習(xí)時(shí)間序列的時(shí)間相關(guān)性，尤其對(duì)于海量時(shí)間序列數(shù)據(jù)處理，具有其他方法不能替代的優(yōu)勢(shì)。

2 在籌劃設(shè)計(jì)中的應(yīng)用

在役考核籌劃設(shè)計(jì)階段，有很多問題可以通過數(shù)據(jù)挖掘得到更好的解決，例如考核需求的梳理、考核任務(wù)的規(guī)劃、考核方案（預(yù)案）的設(shè)計(jì)等。數(shù)據(jù)挖掘技術(shù)能夠幫助己方在相關(guān)應(yīng)用信息平臺(tái)管理中，及時(shí)、準(zhǔn)確地收集和分析自身運(yùn)維情況、空間環(huán)境、軌道、外部航天器及整個(gè)自身編組內(nèi)部的各種數(shù)據(jù)信息，設(shè)計(jì)科學(xué)的考核指標(biāo)與方案，既可以對(duì)衛(wèi)星系統(tǒng)自身的適用性進(jìn)行綜合考核評(píng)估，又可以對(duì)運(yùn)行趨勢(shì)進(jìn)行有效的分析預(yù)測(cè)，考核不同類型衛(wèi)星的管控模式，從而為衛(wèi)星管控提供有針對(duì)性的策略，大大提高各類衛(wèi)星對(duì)自身的管控能力和對(duì)外部的應(yīng)急處置能力。

2.1 總體應(yīng)用矩陣

從任務(wù)的視角看，利用數(shù)據(jù)挖掘可以分析未來潛在的風(fēng)險(xiǎn)，整理出相關(guān)衛(wèi)星長(zhǎng)期的時(shí)間序列特點(diǎn)，找出最有興趣的（有威脅的）外部衛(wèi)星，做好相關(guān)預(yù)案，讓其沒有機(jī)會(huì)對(duì)我方衛(wèi)星作出實(shí)質(zhì)性的干擾或破壞。面對(duì)這些衛(wèi)星，數(shù)據(jù)挖掘可以發(fā)現(xiàn)它們的姿態(tài)控制規(guī)律而采取相應(yīng)的應(yīng)對(duì)措施。在衛(wèi)星系統(tǒng)在役考核籌劃設(shè)計(jì)階段，最主要的工作就是立足于考核目的需求，充分利用衛(wèi)星系統(tǒng)對(duì)各種運(yùn)控、管理、維護(hù)等歷史數(shù)據(jù)進(jìn)行挖掘分析。主要包括準(zhǔn)確進(jìn)行考核的必要性、可行性和風(fēng)險(xiǎn)分析，厘清考核任務(wù)需求，合理分解考核任務(wù)，選擇考核科目，設(shè)計(jì)考核指標(biāo)，制定并優(yōu)選考核方案。

2.2 具體應(yīng)用矩陣

在衛(wèi)星系統(tǒng)在役考核籌劃設(shè)計(jì)的具體應(yīng)用中，最突出的2類問題是任務(wù)規(guī)劃和指標(biāo)設(shè)計(jì)。對(duì)于任務(wù)規(guī)劃，當(dāng)面對(duì)大量的任務(wù)需求時(shí)，應(yīng)注意衛(wèi)星系統(tǒng)如何根據(jù)任務(wù)的特征以及自身影響因素，科學(xué)地對(duì)提供天基信息支援的任務(wù)進(jìn)行重要性分類，確定優(yōu)先滿足哪些任務(wù)需求，從而為后續(xù)實(shí)現(xiàn)衛(wèi)星調(diào)度的優(yōu)化分析奠定基礎(chǔ)。對(duì)于指標(biāo)設(shè)計(jì)，應(yīng)注意如何立足于考核任務(wù)目的，聚焦考核的需求指標(biāo)，對(duì)考核指標(biāo)的權(quán)重進(jìn)行綜合分析考量，并在此基礎(chǔ)上對(duì)指標(biāo)進(jìn)行精簡(jiǎn)優(yōu)化，使得指標(biāo)的分析和選取更具全面性和層次性，助力后續(xù)建立更好的考核指標(biāo)體系。數(shù)據(jù)挖掘在籌劃設(shè)計(jì)中的具體應(yīng)用有如下4個(gè)方面。

第一，更加正確地判斷優(yōu)先為哪些作戰(zhàn)任務(wù)提供衛(wèi)星支援服務(wù)。對(duì)于每一個(gè)作戰(zhàn)任務(wù)需求而言，能否得到相應(yīng)及時(shí)的衛(wèi)星系統(tǒng)支援，此類似于回答“是”與“否”的問題，即可等價(jià)于一個(gè)二分類問題。通過對(duì)任務(wù)進(jìn)行特征工程，分別使用數(shù)據(jù)挖掘中的K鄰近、邏輯回歸、決策樹、支持向量機(jī)、高斯樸素貝葉斯、隨機(jī)森林等多種不同分類模型進(jìn)行判斷，通過對(duì)比可找出更適合的分類模型。

第二，更加科學(xué)合理地設(shè)計(jì)衛(wèi)星系統(tǒng)在役考核指標(biāo)。關(guān)于衛(wèi)星系統(tǒng)在役考核指標(biāo)的合理選取問題，可使用統(tǒng)計(jì)學(xué)中的熵權(quán)法等對(duì)考核指標(biāo)進(jìn)行賦權(quán)；關(guān)于衛(wèi)星系統(tǒng)在役考核指標(biāo)的精簡(jiǎn)優(yōu)化問題，針對(duì)初始選取的考核指標(biāo)大多具有冗余性和相關(guān)性等不足，可采用統(tǒng)計(jì)學(xué)中的因子分析方法進(jìn)行合并，或數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則算法（FP-Growth算法）進(jìn)行指標(biāo)精簡(jiǎn)，適當(dāng)刪減冗余指標(biāo)，整合相關(guān)性較強(qiáng)的部分指標(biāo)，使得指標(biāo)更精簡(jiǎn)優(yōu)化。

第三，更加客觀地設(shè)置衛(wèi)星系統(tǒng)在役考核科目，優(yōu)選考核方案。對(duì)于同一考核任務(wù)，常常設(shè)置不同的多種考核科目，可通過聚類分析，將功能類似的考核科目進(jìn)行整合或削減。對(duì)于同一考核內(nèi)容，往往有多種考核方案（預(yù)案），可利用灰色關(guān)聯(lián)分析，根據(jù)方案的不同指標(biāo)更加客觀地篩選出更優(yōu)的考核方案。

第四，準(zhǔn)確地進(jìn)行衛(wèi)星系統(tǒng)在役考核的可行性分析。衛(wèi)星系統(tǒng)在役考核具有政治和輿論敏感性強(qiáng)、外在和自身存在一定的風(fēng)險(xiǎn)等特點(diǎn)，將影響考核的不同因素進(jìn)行特征工程，在役考核的可行性分析便可視為一個(gè)二分類問題，可使用支持向量機(jī)或邏輯回歸模型進(jìn)行分析；同時(shí)，對(duì)實(shí)施衛(wèi)星系統(tǒng)在役考核進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)分析，可將風(fēng)險(xiǎn)進(jìn)行等級(jí)劃分，又可將其視為一個(gè)多分類問題，可使用隨機(jī)森林或神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分析。

3 在組織實(shí)施中的應(yīng)用

在役考核組織實(shí)施階段，隨著考核任務(wù)的實(shí)施開展，不斷產(chǎn)生大量的考核數(shù)據(jù)。通過數(shù)據(jù)挖掘工具能夠更好地進(jìn)行自動(dòng)化的數(shù)據(jù)采集，綜合統(tǒng)籌衛(wèi)星系統(tǒng)考核產(chǎn)生的數(shù)據(jù)與歷史運(yùn)維記錄中包含的非結(jié)構(gòu)化數(shù)據(jù)，可以構(gòu)建相應(yīng)的考核任務(wù)案例數(shù)據(jù)庫(kù)，結(jié)合考核任務(wù)執(zhí)行的過程，大大增加了產(chǎn)生新知識(shí)的速度。

3.1 總體應(yīng)用矩陣

數(shù)據(jù)挖掘可以提高衛(wèi)星資源的利用率，利用一定的挖掘算法，可以得出一個(gè)最優(yōu)解，節(jié)省衛(wèi)星運(yùn)維調(diào)度中的成本，促進(jìn)科學(xué)安排衛(wèi)星參與演習(xí)訓(xùn)練和衛(wèi)星資源調(diào)度，這樣既能滿足演習(xí)任務(wù)，又讓成本消耗降至最低。由于對(duì)數(shù)據(jù)資產(chǎn)的不斷重視，不僅衛(wèi)星運(yùn)維日志記錄和控制管理數(shù)據(jù)可以有效地被存儲(chǔ)和提取，不同衛(wèi)星的星務(wù)數(shù)據(jù)和載荷的遙測(cè)數(shù)據(jù)都可以更好地被采集利用。從衛(wèi)星系統(tǒng)的在役適用性方面看，利用數(shù)據(jù)挖掘從這些數(shù)據(jù)中尋找潛在的關(guān)系或規(guī)律，可以獲得對(duì)在軌衛(wèi)星故障進(jìn)行診斷、維護(hù)的有效知識(shí)；提高對(duì)故障預(yù)測(cè)的準(zhǔn)確性，及早發(fā)現(xiàn)故障，使得保障效率更高；加強(qiáng)對(duì)在軌衛(wèi)星剩余壽命的預(yù)測(cè)分析，有針對(duì)性地采取相應(yīng)的延壽方案和技術(shù)，為衛(wèi)星的退役報(bào)廢或其他用途奠定基礎(chǔ)。從考核任務(wù)的實(shí)施過程看，利用數(shù)據(jù)挖掘技術(shù)可以有效判斷當(dāng)前任務(wù)是否為考核計(jì)劃的關(guān)鍵任務(wù)、各個(gè)任務(wù)之間的關(guān)聯(lián)關(guān)系以及能否并行開展實(shí)施等。

3.2 具體應(yīng)用矩陣

在衛(wèi)星系統(tǒng)在役考核組織實(shí)施的具體應(yīng)用中，最突出的2類問題是遙測(cè)數(shù)據(jù)采集監(jiān)測(cè)和衛(wèi)星故障診斷與預(yù)測(cè)。

對(duì)于遙測(cè)數(shù)據(jù)采集檢測(cè)，首先一般將采集的衛(wèi)星遙測(cè)數(shù)據(jù)分為模擬量和數(shù)字量，模擬量進(jìn)一步分為恒定模擬量、區(qū)間模擬量和趨勢(shì)變化模擬量，數(shù)字量進(jìn)一步分為狀態(tài)數(shù)字量、獨(dú)立數(shù)字量和關(guān)聯(lián)數(shù)字量。其中，模擬量主要包括溫度、壓力、電壓、電流、角度等，數(shù)字量主要包括計(jì)數(shù)、指令、狀態(tài)等。然后通過數(shù)據(jù)挖掘的預(yù)處理方法，將遙測(cè)數(shù)據(jù)分為4種異常類型：脈沖型異常、階躍型異常、漸變型異常、周期型異常。

對(duì)于在軌衛(wèi)星故障診斷和預(yù)測(cè)，首先按故障種類、故障數(shù)量、衛(wèi)星類型、型號(hào)和日期等了解每天的衛(wèi)星系統(tǒng)運(yùn)行和維護(hù)情況，記錄遙測(cè)參數(shù)的每一點(diǎn)變化。其次建立空間環(huán)境數(shù)據(jù)庫(kù)，包括統(tǒng)計(jì)每日太陽(yáng)和地磁活動(dòng)觀測(cè)數(shù)據(jù)、各類軌道環(huán)境數(shù)據(jù)等。再次構(gòu)建在軌測(cè)控信息數(shù)據(jù)庫(kù)，統(tǒng)計(jì)常規(guī)的測(cè)控事件和發(fā)生異常后的測(cè)控事件，如某次測(cè)控操作的名稱、指令名稱、執(zhí)行部件的工作數(shù)據(jù)等。利用數(shù)據(jù)挖掘工具和統(tǒng)計(jì)模型對(duì)數(shù)據(jù)庫(kù)的數(shù)據(jù)仔細(xì)研究，以分析測(cè)控事件的發(fā)生習(xí)慣、故障發(fā)生率和空間環(huán)境的相關(guān)信息。最后通過檢索數(shù)據(jù)庫(kù)中近年來的特殊測(cè)控事件數(shù)據(jù)進(jìn)行挖掘分析，可預(yù)測(cè)出季節(jié)性故障發(fā)生周期，并有利于對(duì)測(cè)控的時(shí)間和調(diào)整方式作出決策輔助；將性能退化型模擬數(shù)據(jù)轉(zhuǎn)換為數(shù)值數(shù)據(jù)，使用數(shù)據(jù)挖掘可有效分析診斷零部件的故障類型；將遙測(cè)數(shù)據(jù)轉(zhuǎn)換為數(shù)值數(shù)據(jù)，使用數(shù)據(jù)挖掘可有效地進(jìn)行在軌衛(wèi)星實(shí)時(shí)故障檢測(cè)和故障預(yù)測(cè)，數(shù)據(jù)挖掘在衛(wèi)星系統(tǒng)在役考核組織實(shí)施的具體應(yīng)用有如下5個(gè)方面。

第一，實(shí)現(xiàn)在軌衛(wèi)星系統(tǒng)在役考核的故障分析。衛(wèi)星系統(tǒng)故障分析是一個(gè)綜合性問題，根據(jù)不同的需求，可以用到多種數(shù)據(jù)挖掘方法。通過收集歷史告警數(shù)據(jù)，構(gòu)建時(shí)間序列ARMA模型預(yù)測(cè)相關(guān)類型的告警情況，然后采用支持向量機(jī)（SVM）和隨機(jī)森林（RF）等預(yù)測(cè)模型進(jìn)行分類判斷，進(jìn)而分析在軌衛(wèi)星是否發(fā)生某具體類型的故障。

第二，實(shí)現(xiàn)衛(wèi)星組件或元器件可靠性趨勢(shì)分析。建立衛(wèi)星產(chǎn)品性能退化信息數(shù)據(jù)庫(kù)，長(zhǎng)周期全壽命統(tǒng)計(jì)表征衛(wèi)星典型產(chǎn)品性能退化信息的數(shù)據(jù)，如陀螺的電流、軸溫等，蓄電池的放電電流、溫度、放電終壓等，通過利用小波變換將原始信號(hào)進(jìn)行分解，并對(duì)子信號(hào)進(jìn)行特征提取，進(jìn)而將特征數(shù)據(jù)輸入到支持向量機(jī)等分類器中進(jìn)行故障診斷[3]。也可以通過時(shí)間序列準(zhǔn)確預(yù)測(cè)各類組件或元器件的質(zhì)量穩(wěn)定性，從而為其可靠性趨勢(shì)分析提供對(duì)應(yīng)的輔助參考。

第三，實(shí)現(xiàn)在軌衛(wèi)星故障分組、診斷推薦和故障參照分析。搜集國(guó)內(nèi)外典型故障案例，包括故障發(fā)生原因、發(fā)生機(jī)理、嚴(yán)重等級(jí)、發(fā)生頻度、運(yùn)行軌道、故障可恢復(fù)性、故障發(fā)生時(shí)運(yùn)行時(shí)間等衛(wèi)星在軌信息，建立故障案例數(shù)據(jù)庫(kù)，通過關(guān)聯(lián)規(guī)則算法從故障記錄中挖掘相關(guān)信息，可以發(fā)現(xiàn)產(chǎn)生某一種故障時(shí)可能產(chǎn)生其他故障。這類關(guān)聯(lián)信息可用于形成一定的故障診斷推薦，或者保持一定的相關(guān)故障分組，以幫助管理者迅速進(jìn)行故障診斷，節(jié)省故障診斷時(shí)間，并可以針對(duì)故障采取有針對(duì)性的處理應(yīng)對(duì)方式。

第四，利用遙測(cè)數(shù)據(jù)進(jìn)行故障檢測(cè)和預(yù)測(cè)。由于衛(wèi)星按照軌道周期運(yùn)行，因此衛(wèi)星遙測(cè)數(shù)據(jù)存在周期性，而軌道周期與衛(wèi)星的飛行高度有關(guān)，因此不同飛行高度的衛(wèi)星具有不同的軌道周期。利用數(shù)據(jù)挖掘技術(shù)可以分析出對(duì)應(yīng)的遙測(cè)參數(shù)會(huì)在什么時(shí)間、以何種方式和對(duì)什么樣的組件或者分系統(tǒng)造成影響，大大增強(qiáng)了故障的實(shí)時(shí)檢測(cè)預(yù)測(cè)能力。通過對(duì)遙測(cè)參數(shù)進(jìn)行監(jiān)控與分析，結(jié)合長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）和卷積神經(jīng)網(wǎng)絡(luò)（CNN）構(gòu)建數(shù)據(jù)挖掘模型，用于解決在線多任務(wù)（多參數(shù)）在軌衛(wèi)星故障預(yù)測(cè)問題。

第五，實(shí)現(xiàn)在軌衛(wèi)星剩余壽命預(yù)測(cè)。統(tǒng)計(jì)表征衛(wèi)星典型產(chǎn)品在軌壽命信息的數(shù)據(jù)，例如推進(jìn)劑、剩余燃料等消耗類產(chǎn)品，電子類產(chǎn)品的工作壽命、積累工作時(shí)間和開關(guān)機(jī)次數(shù)等，運(yùn)動(dòng)機(jī)構(gòu)的累計(jì)運(yùn)動(dòng)次數(shù)或轉(zhuǎn)動(dòng)角度等，蓄電池的累積循環(huán)次數(shù)等，然后在此基礎(chǔ)上建立貝葉斯模型，準(zhǔn)確預(yù)測(cè)衛(wèi)星在軌剩余壽命。

4 在分析評(píng)估中的應(yīng)用

隨著考核任務(wù)的逐漸完成，在分析評(píng)估階段應(yīng)進(jìn)一步處理實(shí)施考核任務(wù)的各種數(shù)據(jù)。在役考核分析評(píng)估階段，最主要的目的是評(píng)價(jià)和提升，即對(duì)考核結(jié)果的合理評(píng)價(jià)以及對(duì)考核方法的改進(jìn)提升。評(píng)價(jià)著重于在衛(wèi)星系統(tǒng)在役考核中分析發(fā)現(xiàn)存在的主要缺陷和不足等，為衛(wèi)星系統(tǒng)的運(yùn)維管控、改進(jìn)升級(jí)[4]、中止召回提供決策輔助。提升著重于通過衛(wèi)星系統(tǒng)在役考核中的各種任務(wù)實(shí)施，發(fā)現(xiàn)和總結(jié)部隊(duì)在使用衛(wèi)星系統(tǒng)提供天基信息支援時(shí)的方式手段或步驟程序的不足之處，改進(jìn)優(yōu)化技術(shù)方法或執(zhí)行流程，進(jìn)一步提升衛(wèi)星系統(tǒng)核心效能的發(fā)揮。

4.1 總體應(yīng)用矩陣

在衛(wèi)星系統(tǒng)在役考核評(píng)估中通過數(shù)據(jù)挖掘技術(shù)的深入應(yīng)用，一是可以幫助進(jìn)行挖掘知識(shí)的傳播，促進(jìn)知識(shí)助力衛(wèi)星系統(tǒng)性能和效能的進(jìn)一步提升，有利于管理人員學(xué)習(xí)最新的模式來指導(dǎo)衛(wèi)星管控實(shí)踐，從而為相關(guān)衛(wèi)星管控計(jì)劃轉(zhuǎn)變?yōu)橛?xùn)練實(shí)踐提供機(jī)會(huì)。二是通過在役考核的評(píng)估分析，挖掘更加有效的衛(wèi)星運(yùn)用方法和應(yīng)用知識(shí)，改進(jìn)升級(jí)利用衛(wèi)星系統(tǒng)的方式和手段，為部隊(duì)提供更好的天基信息支援保障，進(jìn)而讓部隊(duì)在訓(xùn)練演習(xí)和實(shí)戰(zhàn)過程中發(fā)揮更積極的作用。

4.2 具體應(yīng)用矩陣

在衛(wèi)星系統(tǒng)在役考核分析評(píng)估的具體應(yīng)用中，最突出的2類問題是準(zhǔn)確客觀地評(píng)估衛(wèi)星系統(tǒng)效能和分析尋找提升衛(wèi)星系統(tǒng)效能的方法。對(duì)于衛(wèi)星系統(tǒng)效能評(píng)估，從其所發(fā)揮的核心功能為主的單項(xiàng)效能進(jìn)行分析，包括通信、導(dǎo)航、遙感衛(wèi)星系統(tǒng)效能；從整體上劃分，主要是運(yùn)用云模型實(shí)現(xiàn)通導(dǎo)遙一體化系統(tǒng)的綜合效能評(píng)估。對(duì)于衛(wèi)星系統(tǒng)效能提升，通信方面，主要利用基于塊稀疏貝葉斯學(xué)習(xí)方法處理窄帶干擾抑制問題；導(dǎo)航方面，主要通過改進(jìn)模糊C均值實(shí)現(xiàn)三頻觀測(cè)值優(yōu)選；遙感方面，使用深度學(xué)習(xí)方法實(shí)現(xiàn)高效準(zhǔn)確的圖像語(yǔ)義分割。數(shù)據(jù)挖掘在衛(wèi)星系統(tǒng)在役考核分析評(píng)估的具體應(yīng)用有如下4個(gè)方面。

第一，衛(wèi)星系統(tǒng)直擴(kuò)通信窄帶干擾抑制。現(xiàn)有基于Nyquist-Shannon采樣定理的窄帶干擾抑制方法存在應(yīng)用受限于采樣率較高的問題。應(yīng)用壓縮感知理論解決上述問題，利用窄帶干擾抑制在頻域表現(xiàn)出的塊稀疏特性以及直接序列擴(kuò)頻信號(hào)的類噪聲特性，使用基于塊稀疏貝葉斯學(xué)習(xí)的方法，建立直接序列擴(kuò)頻通信窄帶干擾抑制模型。

第二，導(dǎo)航衛(wèi)星BDS-3三頻觀測(cè)值線性組合優(yōu)選。三頻線性組合法能夠提供具有不同特征的組合，是實(shí)現(xiàn)導(dǎo)航效能提升的重要方法之一。但由于組合數(shù)目龐大、組合性能不一，人工篩選效率極低，大大降低了導(dǎo)航衛(wèi)星系統(tǒng)的效能。以BDS-3三頻觀測(cè)值線性組合優(yōu)選為例，使用模糊C均值（FCM）算法以及對(duì)其的優(yōu)化改進(jìn)算法，分別基于公開數(shù)據(jù)集和短基線、長(zhǎng)基線以及超長(zhǎng)基線BDS實(shí)測(cè)數(shù)據(jù)，研究改進(jìn)粒子群優(yōu)化模糊C均值（PSO-FCM）算法對(duì)提高優(yōu)選效率的有效性。

第三，遙感衛(wèi)星系統(tǒng)圖像語(yǔ)義分割。隨著深度學(xué)習(xí)在圖像領(lǐng)域的迅速發(fā)展，作為像素級(jí)別的圖像分類方法，語(yǔ)義分割也有了長(zhǎng)足的進(jìn)展。可使用基于DeepLab v3等深度學(xué)習(xí)的語(yǔ)義分割方法，來實(shí)現(xiàn)高分辨率遙感圖像的語(yǔ)義分割，并在ISPRS Vaihingen數(shù)據(jù)集上驗(yàn)證分割準(zhǔn)確度及精確度。選擇更優(yōu)的方法作為一種高效的自動(dòng)化分割工具，有利于提高遙感圖像自動(dòng)判圖的準(zhǔn)確性和效率。

第四，通導(dǎo)遙一體化衛(wèi)星系統(tǒng)綜合效能評(píng)估。通導(dǎo)遙一體化衛(wèi)星系統(tǒng)更有利于在支援聯(lián)合作戰(zhàn)中發(fā)揮更強(qiáng)優(yōu)勢(shì)，但相關(guān)研究目前還不成熟，其綜合效能的評(píng)估也面臨隨機(jī)性太強(qiáng)、模糊性較大等很多復(fù)雜的現(xiàn)實(shí)問題。一種可供嘗試的方法是基于云模型的綜合效能評(píng)估方法，其能夠較好地克服通導(dǎo)遙系統(tǒng)評(píng)估的隨機(jī)性過大、主觀性太強(qiáng)等問題。

5 結(jié)語(yǔ)

衛(wèi)星系統(tǒng)特殊的工作環(huán)境和本身復(fù)雜的組成結(jié)構(gòu)，決定了其在役考核對(duì)數(shù)據(jù)挖掘技術(shù)的重要需求。將數(shù)據(jù)挖掘技術(shù)有效地介入衛(wèi)星系統(tǒng)在役考核全流程，無疑是一種可行而有效的途徑。全文立足衛(wèi)星系統(tǒng)在役考核籌劃設(shè)計(jì)、組織實(shí)施、分析評(píng)估3個(gè)階段，從總體上梳理了數(shù)據(jù)挖掘思想和技術(shù)的應(yīng)用需求，建立了具體的應(yīng)用矩陣，為下一步衛(wèi)星系統(tǒng)在役考核的數(shù)據(jù)分析處理奠定了基礎(chǔ)。