MétaCan
Menu
Retour à la cohorte
Enregistrement W4407767311 · doi:10.1016/j.asr.2025.02.029

A satellite fault detection system based on telemetry data using statistical process control and time-domain feature extraction

2025· article· en· W4407767311 sur OpenAlexafffund
Varsha Parthasarathy, Sajad Saraygord Afshari, Philip Ferguson

Notice bibliographique

RevueAdvances in Space Research · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueFault Detection and Control Systems
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Space Agency
Mots-clésTelemetryComputer scienceProcess (computing)Fault detection and isolationSatelliteRemote sensingReal-time computingExtraction (chemistry)Feature (linguistics)Fault (geology)Domain (mathematical analysis)Time domainData miningArtificial intelligenceTelecommunicationsComputer visionEngineeringGeology

Résumé

récupéré en direct d'OpenAlex

• Introduction of a novel fault management system that synergistically integrates Statistical Process Control (SPC) and time-domain methods, enhancing satellite fault detection capabilities. • Demonstration of the integrated approach’s effectiveness using the power subsystem of ManitobaSat-1, a student-led CubeSat mission, successfully diagnosing three critical faults. • The proposed system offers a holistic view of spacecraft health by simultaneously capturing statistical variabilities and temporal deviations in system parameters, improving both reliability and accuracy. • Computational efficiency: Unlike traditional machine learning algorithms, the new system is based on mathematical and statistical algorithms that are less resource-intensive, making it suitable for real-time operations and smaller missions. • The model is designed to be scalable and universally applicable, thereby extending its utility from student-led initiatives like ManitobaSat-1 to potentially larger commercial and scientific satellite missions. In spacecraft operations, accurately detecting anomalies in telemetry is essential but often requires complex, time-consuming methods. With the growing number of low-earth orbit missions, there is an urgent need to streamline this process. In this paper, we introduce an efficient real-time fault detection system that specifically addresses three critical faults within a spacecraft’s power subsystem: loss of solar string(s), increase in the battery’s internal resistance, and excessive power consumption. We apply industrial statistical process control and time-domain feature extraction techniques to create algorithms for enhanced fault detection. Our approach involves extensive simulations using a dynamic model of the power subsystem, allowing us to develop a method that is both innovative and practical. This research represents a step forward in the field, as we utilize statistical process control for real-time health monitoring of spacecraft, providing a more efficient and accurate means of analysis.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,913
Score d'incertitude au seuil0,586

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,367
Écart entre enseignants0,350 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvances in Space ResearchMême sujetFault Detection and Control SystemsTravaux en français237 207