航天器数据判读解决方案
方案背景
随着航天活动日益频繁和技术不断进步，数据技术在航天器发射任务中的重要性愈发突出。航天器升空后，持续的数据流传输对跟踪轨迹、评估健康状态意义重大，先进的数据处理技术和算法能实现实时分析，调整飞行姿态，确保航天器按预定轨道飞行。同时，精准的数据收集与分析可降低运营成本，提升航天任务的经济性和可持续性，为未来太空探索奠定基础。
然而，航天器发射任务涉及众多参数，从发射前测试到点火发射、多级分离过程，会产生海量任务数据，且相关信息复杂，需要关联集成。当前面临的痛点包括历史试验数据管理困难、多批次任务数据难以横向对比、海量数据人工判读效率低下、故障根因分析依赖人工且知识传递不足等，因此，建立统一平台实现航天器任务数据的集中管理、快速处理和信息共享迫在眉睫。
航天器故障诊断一致性算法
考虑到航天器发射数据样本量少、正负样本数量不均衡等问题，zAIoT（数据智能平台）抛弃常见的类深度神经网络的算法，采用了特征提取类算法，这种算法能够有效降低复杂度，特别适用于处理缓变参数的时间维度特性。同时采用基于时序的分段算法，通过分段可降低算法复杂度，更有效地提取特征。
正常数据
综合对比
异常部分
解决方案
难以有效管理历史试验数据，体现在多次任务缺乏有效、安全、统一的存储与管理，且多批次任务数据无法横向对比，数据分析效率较低。
多型号、多批次任务数据统一存储与管理，形成数据资产，为后续数据分析、挖掘提供支撑。
针对海量数据（千余个参数指标）的分析和故障诊断，只能进行人工判读，效率低下。
借助航天器故障诊断一致性算法实现自动化分析与诊断，快速定位故障，改变人工判读的低效率局面。
故障根因分析依托于分析人员能力，知识迁移和传递不足。
基于大模型、知识库，提供故障根因辅助诊断，提高诊断准确性。
建设效果
横向滑动浏览→
数据管理集中化
实现多型号、多批次任务数据的统一存储与管理，形成数据资产。用户可以方便地进行试验数据导入、管理和查询，通过数据目录树清晰地浏览和定位数据，提高数据管理的效率和安全性。
分析诊断自动化
基于算法实现自动分析与诊断，快速定位故障问题。系统能够对实时数据和历史数据进行自动分析，通过异常分析、故障推理等功能，及时发现航天器系统中的潜在故障，大大提高了故障诊断的效率和准确性，减少了人工判读的工作量和误差。
辅助诊断智能化
借助大模型和知识库，提供故障根因辅助诊断。当系统检测到异常数据时，能够结合知识库中的专业知识和历史案例，为分析人员提供故障根因的参考建议，帮助分析人员更快速、准确地确定故障原因，提高故障处理的效率和质量。
数据分析多样化
提供多种数据分析功能，如普通波形分析、包络分析、比对分析等。用户可以根据需求选择不同的分析方式，对数据进行深入挖掘和分析。同时，支持实时数据配置和统计分析，方便用户对数据进行实时监控和分析，及时掌握航天器系统的运行状态。
报告管理便捷化
实现报告的生成、查看、下载和管理功能。系统能够根据分析结果自动生成报告，用户可以方便地查看报告内容，对重要数据和分析结果进行记录和分享，提高工作效率和沟通效果。
zAIoT 是一款数据智能平台，该软件由两大部分组成：数据基座和智能模型。数据基座包括数据采集、处理和存储三大功能，负责把数据从不同数据源接入，支持实时和离线处理，对于海量的时序类数据主要采用时序数据库来存储；智能模型则基于AI算法提供模型训练、数据分析和业务预测功能，使得算法模型能有效利用数据基座中的数据挖掘潜在业务，释放数据价值。（点击这里了解更多→）
