自动化规则生成的判断火箭故障的数据传输系统及方法与流程

本发明涉及故障诊断领域，具体地，涉及一种自动化规则生成的判断火箭故障的数据传输系统及方法。

背景技术：

1、火箭发射前测试涵盖火箭各个子系统的测试和系统总体测试，随着专业分工细化以及传统格局的影响，火箭各子系统测试通常自成体系。各子系统测试需由对系统非常熟悉的专业人员进行，而在发射前总体测试中，由于各子系统测试数据分散，现场测试人员难以全面了解系统测试状态，对故障情况也难以进行快速判断和处理。据统计所有工业系统异常原因中人为因素占到了40%之多，为此针对发射前测试的各个子系统亟需开发一种面向无人值守的监测系统，以提高系统运行的可靠性。

2、然而，测试系统运行过程的监测仍然依赖于人工作业形式，降低了整个系统的自动化程度。

技术实现思路

1、针对现有技术中的缺陷，本发明的目的是提供一种自动化规则生成的判断火箭故障的数据传输系统及方法。

2、根据本发明提供的一种自动化规则生成的判断火箭故障的数据传输系统，包括：

3、数据采集模块，用于采集火箭监测数据；

4、数据传输模块，用于将火箭监测数据传输至数据预处理模块；

5、数据预处理模块，接收火箭监测数据并进行预处理，将预处理后的火箭监测数据发送给智能模型训练模块；

6、所述预处理包括数据清洗和面向趋势预测的高维数据降维；

7、所述数据清洗包括：

8、对数据进行缺失值处理，通过缺失值替换方法将缺失的数据替换为预设值；所述缺失值替换方法包括均值填充、中位数填充、最大值填充、最小值填充和删除缺失值；

9、对数据进行异常值处理，通过异常值替换方法将异常值替换为预设值；所述异常值替换方法包括z-score方法、iqr方法和数据分布方法；

10、对数据进行重复值处理，通过重复值处理方法将重复的数据删除或合并；所述重复值处理方法包含去重法和聚类法；

11、对数据进行类型转换，通过数据转化方法进行数据转化；所述数据转化方法包括类型转换和格式转换；所述数据转化包括整数到浮点数的转化、字符串到整数的转化、日期格式转化和时间格式转化；

12、对数据进行归一化，通过数据归一化方法缩放数据的范围；所述归一化方法包括最大最小归一化和z-score归一化；

13、智能模型训练模块，基于预处理后的火箭监测数据对智能模型进行训练，捕捉数据之间的关联性；

14、规则生成和优化模块，使用训练完毕的智能模型生成规则并进行优化；

15、规则应用模块，基于优化后的规则构建专家系统；所述专家系统能够转化为脚本语言运行，输出故障判断结果。

16、优选的，所述高维数据降维包括：

17、基于熵权法的pca方法，获得标准化矩阵p：

18、；

19、其中m为需要降维的数据条目数量，n为数据特征维度，为标准化后第i条数据的第j个特征的值，计算方式为：

20、

21、其中为原始数据中第i条数据的第j个特征。然后为数据集中每个特征j计算出信息熵值：

22、；

23、利用信息熵计算得出特征权重：

24、n。

25、优选的，所述规则生成和优化模块包括：

26、加载已经训练好的智能模型，将预处理好的数据输入到模型中并获取预测结果；

27、基于处理完毕的数据和预测结构训练决策树模型模拟智能模型的决策过程，并生成可解释的规则；

28、通过遗传算法和模拟退火技术对规则进行优化。

29、优选的，所述规则应用模块基于规则的专家系统，将规则转化为python语言并以无限循环运行，诊断功能由自动规则生成提取的所有规则组成，每个规则的结果保存为数组；所述诊断功能能够同时检测多个故障。

30、根据本发明提供的一种自动化规则生成的判断火箭故障的数据传输方法，包括：

31、步骤s1：采集火箭监测数据并进行传输；

32、步骤s2：接收火箭监测数据并进行预处理；

33、所述预处理包括数据清洗和面向趋势预测的高维数据降维；

34、所述数据清洗包括：

35、对数据进行缺失值处理，通过缺失值替换方法将缺失的数据替换为预设值；所述缺失值替换方法包括均值填充、中位数填充、最大值填充、最小值填充和删除缺失值；

36、对数据进行异常值处理，通过异常值替换方法将异常值替换为预设值；所述异常值替换方法包括z-score方法、iqr方法和数据分布方法；

37、对数据进行重复值处理，通过重复值处理方法将重复的数据删除或合并；所述重复值处理方法包含去重法和聚类法；

38、对数据进行类型转换，通过数据转化方法进行数据转化；所述数据转化方法包括类型转换和格式转换；所述数据转化包括整数到浮点数的转化、字符串到整数的转化、日期格式转化和时间格式转化；

39、对数据进行归一化，通过数据归一化方法缩放数据的范围；所述归一化方法包括最大最小归一化和z-score归一化。

40、步骤s3：基于预处理后的火箭监测数据对智能模型进行训练，捕捉数据之间的关联性；

41、使用训练完毕的智能模型生成规则并进行优化；

42、基于优化后的规则构建专家系统；所述专家系统能够转化为脚本语言运行，输出故障判断结果。

43、优选的，所述高维数据降维包括：

44、基于熵权法的pca方法，计算标准化后的数据特征的值：

45、

46、获得标准化矩阵：

47、；

48、为数据集中每个特征j计算出信息熵值：

49、；

50、利用信息熵计算得出特征权重：

51、n。

52、与现有技术相比，本发明具有如下的有益效果：

53、1、本发明能够将采集到的火箭各个子系统的测试数据进行整合传输，使得操作人员能够掌握系统的整体状况，提高了排查故障的效率以及系统运行的可靠性，降低了人力成本的开销。

54、2、本发明使用智能模型在预处理后的数据上进行模型训练，捕捉数据中的复杂模式和关系，进而生成自动化规则；通过对生成的规则进行优化，解决了火箭故障检测的人工作业依赖问题。

55、3、本发明可以利用记录的无标注的行为序列数据进行训练，同时结合监督学习提高了训练效率，能够保证用户正常使用不受影响，具备较好的实用性。

56、本发明的其他有益效果，将在具体实施方式中通过具体技术特征和技术方案的介绍来阐述，本领域技术人员通过这些技术特征和技术方案的介绍，应能理解所述技术特征和技术方案带来的有益技术效果。

技术特征：

1.一种自动化规则生成的判断火箭故障的数据传输系统，其特征在于，包括：

2.根据权利要求1所述的自动化规则生成的判断火箭故障的数据传输系统，其特征在于，所述高维数据降维包括：

3.根据权利要求1所述的自动化规则生成的判断火箭故障的数据传输系统，其特征在于，所述规则生成和优化模块包括：

4.根据权利要求1所述的自动化规则生成的判断火箭故障的数据传输系统，其特征在于，所述规则应用模块基于规则的专家系统，将规则转化为python语言并以无限循环运行，诊断功能由自动规则生成提取的所有规则组成，每个规则的结果保存为数组；所述诊断功能能够同时检测多个故障。

5.一种自动化规则生成的判断火箭故障的数据传输方法，其特征在于，包括：

6.根据权利要求5所述的自动化规则生成的判断火箭故障的数据传输方法，其特征在于，所述高维数据降维包括：

技术总结本发明提供了一种自动化规则生成的判断火箭故障的数据传输系统及方法，包括数据采集模块，用于采集火箭监测数据；数据传输模块，用于将火箭监测数据传输至数据预处理模块；数据预处理模块，接收火箭监测数据并进行预处理；所述预处理包括数据清洗和面向趋势预测的高维数据降维；智能模型训练模块，基于预处理后的火箭监测数据对智能模型进行训练，捕捉数据之间的关联性。本发明能够将采集到的火箭各个子系统的测试数据进行整合传输，使得操作人员能够掌握系统的整体状况，提高了排查故障的效率以及系统运行的可靠性，降低了人力成本的开销。技术研发人员：刘伟,范崇盛,李婧婷,刘世俊,丁陶伟,张再兴,沈鸿博,魏亮受保护的技术使用者：上海航天设备制造总厂有限公司技术研发日：技术公布日：2024/11/21