A satellite fault detection system based on telemetry data using statistical process control and time-domain feature extraction
Notice bibliographique
Résumé
• 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».