基于参数自适应优化聚类的卫星状态异常检测方法

摘要

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。