(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211169784.1 (22)申请日 2022.09.26 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号北京理工大 学 (72)发明人 伊枭剑　黄培政　张宽　汪赛进　 赵焕洲　 (74)专利代理 机构 北京慕达星云知识产权代理 事务所 (特殊普通合伙) 11465 专利代理师 符继超 (51)Int.Cl. G06Q 10/00(2012.01) G06Q 50/04(2012.01) G06F 16/36(2019.01) (54)发明名称 一种基于知识图谱的在轨航天器设备异常 检测方法 (57)摘要 本发明公开了一种基于知识图谱的在轨航 天器设备异常检测方法， 包括： 获取航天器传感 器的历史运行状态数据， 并进行标准化处理， 得 到传感器特征数据集； 获取航天器设备相关信 息， 并进行预处理； 对预处理后的航天器设备相 关信息进行语义标注后， 结合传感器特征数据 集， 构建航天器设备知识图谱； 针对航天器可能 出现的异常状态， 构建航天器异常案例图谱； 将 在轨航天器传感器的实时数据与传感器特征数 据集进行匹配， 并根据匹配度确定异常设备信 息； 将异常设备信息与异常案例图谱进行特征匹 配， 确定异常原因。 本发明利用知识图谱信息技 术， 高效且准确地实现了对航天器 设备的异常定 位及异常原因分析。 权利要求书3页 说明书7页 附图2页 CN 115293379 A 2022.11.04 CN 115293379 A 1.一种基于知识图谱的在轨航天器设备异常检测方法， 其特 征在于， 包括： 获取航天器传感器的历史运行状态数据， 并进行 标准化处理， 得到传感器特 征数据集； 获取航天器设备相关信 息， 并进行预处理； 航天器设备相关信 息至少包括： 设备基本信 息、 设计参 考资料和人工操作文本数据； 对预处理后的航天器设备相关信息进行语义标注后， 结合传感器特征数据集， 构建航 天器设备知识图谱； 针对航天器可能出现的异常状态， 构建航天器异常案例图谱； 将在轨航天器传感器的实时数据与传感器特征数据集进行匹配， 并根据匹配度确定异 常设备信息； 将异常设备信息与异常案例图谱进行 特征匹配， 确定异常原因； 若无法确定本次异常原因， 则将本次异常设备信息进行知识抽取， 并记录到异常案例 图谱中。 2.根据权利要求1所述的一种基于知识图谱的在轨航天器设备异常检测方法， 其特征 在于， 获取航天器传感器的历史运行状态数据， 并进行 标准化处理， 包括： 获取航天器传感器的历史遥测数据、 历史任务状态和历史工作模式； 根据航天器历史任务状态、 历史工作模式对航天器传感器的历史遥测数据进行分类处 理， 剔除异常、 缺失的数据样本， 得到航天器正常运行时不同任务状态、 不同工作模式下 的 传感器特 征数据集； 分析各个历史任务状态和各个历史工作模式下， 传感器数据随航天器在轨运行时间的 退化趋势， 定期对传感器特 征数据集进行矫 正处理。 3.根据权利要求1所述的一种基于知识图谱的在轨航天器设备异常检测方法， 其特征 在于， 对预处 理后的航天器设备相关信息进行语义标注， 包括： 分析航天器设备基本信息、 设计参考资料和人工操作文本数据彼此之间的关系， 得到 航天器各个分系统下的设备名称、 设备功能、 技术指标、 性能参数、 设备传感器信息、 各个设 备的连接关系 、 以及地面对航天器发送的历史指令； 对航天器设备基本信息、 设计参考资料和人工操作文本数据进行实体识别和关系识 别， 抽取相关的实体和关系， 得到 “实体‑关系‑实体”三元组。 4.根据权利要求3所述的一种基于知识图谱的在轨航天器设备异常检测方法， 其特征 在于， 构建航天器设备知识图谱的过程包括： 对各个“实体‑关系‑实体”三元组进行整合和连接， 构建初始航天器设备知识图谱； 根据航天器 中各设备所包含的传感器信 息， 匹配对应的传感器特征数据集， 建立 “传感 器‑包含‑特征数据 ”三元组， 通过该三元 组将各个传感器匹配对应的特征数据集， 构建包含 传感器特 征数据集的最终航天器设备知识图谱。 5.根据权利要求1所述的一种基于知识图谱的在轨航天器设备异常检测方法， 其特征 在于， 构建航天器异常案例图谱的过程包括： 分析航天器历史异常案例， 将异常出现时间、 异常类型、 异常等级、 异常原因、 异常设备 信息和异常状态下的传感器数据集整理为结构化数据， 构建航天器异常案例图谱。 6.根据权利要求1所述的一种基于知识图谱的在轨航天器设备异常检测方法， 其特征 在于， 将在轨航天器传感器的实时数据与传感器特征数据集进行匹配， 并根据匹配度确定权　利　要　求　书 1/3 页 2 CN 115293379 A 2异常设备信息， 包括： 基于传感器的静态属性数据进行匹配： 根据航天器所处的任务状态以及工作模式， 从 航天器设备知识图谱选择相同任务状态和相同工作模式下的传感器特征数据集进 行匹配， 为每一个传感器实时数据分配对应的传感器特 征数据； 基于传感器的动态属性数据进行匹配： 每间隔一个异常检测周期， 将传感器实时数据 按照采样时间组成一个检测序列， 将该检测序列与静态属性数据匹配过程对应的传感器特 征数据进行相似性计算； 若匹配得到的相似性超过 预设阈值， 则该检测序列视为 正常； 若匹配得到的相似性低于预设阈值， 则该检测序列存在异常， 并根据存在异常的传感 器信息从航天器设备知识图谱中检索异常传感器对应的航天器设备， 输出异常 设备信息 。 7.根据权利要求6所述的一种基于知识图谱的在轨航天器设备异常检测方法， 其特征 在于， 将检测序列与静态属性数据匹配过程对应的传感器特征数据进 行相似性计算的过程 为： 每一个检测序列 对应一个传感器特征数据集中的特征数据序列 ； 下标k为特征 数据序列 的数据个数； 取特征数据序列 中的第1到第 n个数据， 组成新序列 ， 计算第一轮两个序列匹配 过程中的偏差： 取序列 中的第2到第 n+1个数据， 覆盖到序列 ， 计算第二轮两个序列 匹配过程中 的偏差： 重复上述过程， 直到 计算完成， 取 中的最小值 ， 代表检 测序列 在与特征数据序列 匹配过程中偏差最小的部分; 按照下式计算两个数据间的相似性 ： 其中， 相似性 越接近于1， 相似性越高， 参数 根据测试过程中 的虚警率确定， 用于调 整一定序列偏差率下相似性 接近于1的程度。 8.根据权利要求1所述的一种基于知识图谱的在轨航天器设备异常检测方法， 其特征 在于， 将异常 设备信息与异常案例图谱进行 特征匹配， 确定异常原因， 包括： 在异常案例图谱中检索与本次异常具有相同异常设备信 息的异常案例， 将异常案例中 的传感器数据集与本次异常的传感器数据集进行匹配， 对比两者的相似性， 若两者的相似权　利　要　求　书 2/3 页 3 CN 115293379 A 3