基于参数自适应优化聚类的卫星状态异常检测方法

Abstract

对卫星在轨状态进行实时监测和异常检测，有利于保障卫星安全稳定运行。为解决在利用聚类分析检测卫星异常过程中，通过网格搜索选择最佳聚类超参数时精细度差、效率低的问题，本文将聚类超参数选择转化为单目标优化问题，并基于智能优化算法的启发式搜索能力，提出了超参数自适应优化的聚类算法UMOEAsII_BIRCH。为验证自适应搜索的有效性，在卫星遥测数据集和公开数据集上进行了测试。以网格搜索为基准，分别选取基于划分、基于密度和基于层次的聚类算法，对比自适应搜索和网格搜索两种方式下，异常检测的F1-score和算法执行时间。实验结果表明，自适应搜索克服了网格搜索中精细度与效率的矛盾，不受网格点的限制，异常检测效果优于基准方法，且在算法执行效率上具有显著优势。

Keywords

• 遥测数据
• 异常检测
• 聚类分析
• 进化算法
• 网格搜索
• 参数自适应优化