《Journal of Space Safety Engineering》：Explainable machine learning for anomaly detection in satellite telemetry: A case study using OPS-SAT data
编辑推荐：
摘要随着现代卫星任务的规模和复杂度超越人类监控能力，空间飞行器遥测数据的自主异常检测已成为基本的运行需求。尽管已有相当的研究进展，但大多数已发表的机器学习方法将可解释性视为次要问题，限制了其在空间飞行器运行中的实际价值——工程师必须理解和验证自动化决策。本研究提出了一种可解释
摘要
随着现代卫星任务的规模和复杂度超越人类监控能力，空间飞行器遥测数据的自主异常检测已成为基本的运行需求。尽管已有相当的研究进展，但大多数已发表的机器学习方法将可解释性视为次要问题，限制了其在空间飞行器运行中的实际价值——工程师必须理解和验证自动化决策。本研究提出了一种可解释的机器学习遥测异常检测框架，并在欧洲空间局OPS-SAT基准数据集上进行了评估——这是首个大规模、公开可用的卫星遥测数据集，其经过精选的异常标注源自真实的在轨运行操作。本研究比较了四种监督分类器：逻辑回归、随机森林、支持向量机和极端梯度提升（XGBoost）。XGBoost在保留测试集上实现了0.9877的ROC曲线下的面积（95%自助法置信区间：0.9779–0.9951），精确率为0.927，F1分数为0.915。成对DeLong和McNemar检验表明，三种非线性分类器之间在统计上无法区分（p > .80），而每种非线性分类器均显著优于线性基线（p < .05）。XGBoost被确定为首选部署候选模型，其推理延迟较随机森林降低24倍，模型体积缩小5倍。SHapley加性解释（SHAP）分析揭示，二阶差分方差和段长是异常预测的主要驱动因素，提供了与已知空间飞行器故障行为相一致的、具有物理可解释性的特征签名。研究结果表明，梯度提升树模型结合事后解释方法和严格的统计不确定性量化，为自主空间飞行器健康监测提供了一条透明且可行的运行路径。
引言
空间飞行器持续产生高容量的遥测数据流，涵盖数百个通道——电压、温度、电流、姿态控制信号和子系统状态标志位——这些数据共同编码了飞行器在整个任务期间的运行状态。随着卫星星座规模扩大和任务寿命延长，这些数据量已达到地面团队手动检查既不实际也不可靠的规模[1]。因此，自动异常检测已成为新一代空间飞行器运行的核心使能能力，能够实现更早的故障识别、降低操作员工作负荷并提高任务连续性[2]。
该问题在技术上极具挑战性。正常遥测数据在任务各阶段跨越广泛的动态范围；异常相对于总观测量而言十分罕见；而漏检的代价可能导致任务终止[3]。这些特性对检测方法提出了严格要求——不仅在统计性能方面，还在可解释性方面，因为地面操作员必须能够评估、信任并对自动化输出采取行动。航空航天工程中可解释人工智能（XAI）方法的日益普及反映了这一需求，近期工作已展示其在空间任务架构评估[26]和自主航天系统测试与评估[27]中的实用性。
机器学习已成为数据驱动遥测监控的主要方法。早期的监督和无监督方法展示了令人鼓舞的检测率，但主要在合成或专有数据集上进行评估，这限制了可重复性和跨研究的可比性[4]。ESA异常检测基准及其关联的OPS-SAT数据集的发布是迈向标准化评估的重要一步，该数据集提供了三单位立方星任务真实的在轨遥测数据和人工精选的异常标注[5]。通过建立共同的评估协议，该基准首次实现了对竞争性检测方法的直接且可重复的比较。
在此背景下，现有文献中仍存在两个方法学空白。第一，大多数已发表的方法以检测精度为优化目标，而将特征级可解释性视为事后考虑，尽管空间飞行器操作员需要可解释的证据来验证自动警报[6]。第二，不确定性量化很少被报告，使得已发表指标的统计稳定性成为一个开放问题[7]。
本研究通过系统、可重复地评估OPS-SAT基准上四种监督分类器，辅以基于SHAP的事后解释、自助法置信区间估计、成对统计显著性检验以及计算效率分析来弥合这两个空白，后者为运维部署的模型选择提供了依据。具体贡献如下：
- •
在真实空间飞行器遥测数据上，对逻辑回归、随机森林、支持向量机和XGBoost进行严格的多模型比较，采用标准化OPS-SAT基准协议以实现可重复性。
- •
通过成对DeLong和McNemar显著性检验确定分类器之间哪些性能差异具有统计意义而非测试集采样的伪影。
- •
应用SHAP TreeExplainer在全局和局部层面识别驱动异常预测的遥测特征，为操作员提供可操作的物理解释。
- •
对所有主要性能指标进行自助法置信区间估计，量化报告结果的统计可靠性。
- •
计算效率分析——训练时间、推理延迟和模型体积——为资源受限的在轨处理器上的部署可行性提供依据。
本文其余部分组织如下。第2节综述相关工作。第3节描述OPS-SAT数据集和预处理流程。第4节介绍方法。第5节报告实验结果。第6节讨论研究结果和实际意义。第7节总结全文。
章节摘要
空间飞行器遥测异常检测
空间飞行器遥测监控历来依赖基于阈值的警报和基于规则的专家系统。尽管在原理上透明，但这些方法难以应对真实卫星数据的高维、非平稳特性，且需要随着任务条件演变进行大量手动调参[8]。过去十年见证了向数据驱动替代方案的持续转变，包括循环神经网络、自编码器和基于隔离的检测器，尽管大多数仍然
OPS-SAT数据集
本研究使用的数据集是Ruszczak等人[4]发布的OPS-SAT异常检测基准，并以知识共享CC BY 3.0 IGO许可协议托管于Zenodo平台[19]。该数据集源自ESA OPS-SAT空间飞行器，该三单位立方星于2019年12月发射，持续运行超过四年，直到2024年5月受控再入大气层。作为在轨计算和软件定义任务运行的技术验证平台，OPS-SAT积累了丰富
分类器
评估了涵盖线性、基于核和集成树模型家族的四种监督分类器。
逻辑回归（LR）提供线性基线。使用L2正则化、均衡类权重和1000次迭代收敛限制，采用lbfgs求解器进行训练。
随机森林（RF）是由200棵决策树组成的集成，使用均衡类权重和自助聚集进行训练，为梯度提升模型提供非参数、非线性的参考点。
模型比较
表2总结了所有四种模型在OPS-SAT测试集上的分类性能。随机森林记录了最高的ROC-AUC（0.9920），而支持向量机实现了最高的F1分数（0.9264）和MCC（0.9062）。XGBoost在所有指标上均具有竞争力，实现了0.9877的ROC-AUC、0.9148的F1分数和0.8922的MCC。逻辑回归作为线性基线，实现了0.9638的ROC-AUC和0.8398的F1分数，证实异常检测任务不是线性可分的，且
模型性能与统计鲁棒性
四种分类器在OPS-SAT基准上均实现了强大的判别性能，ROC-AUC在0.9638到0.9920之间。逻辑回归的竞争性基线结果（ROC-AUC：0.9638）表明数据集中许多异常具有近似线性可分的特征签名。非线性模型的一致性优越性——特别是在精确率方面——表明异常的一个子集在特征
结论
本文使用ESA OPS-SAT基准作为可重复的评估平台，研究了真实卫星遥测数据中可解释机器学习的异常检测。对四种监督分类器的系统比较表明，非线性集成和核方法显著优于线性基线；成对DeLong和McNemar显著性检验进一步证实，随机森林、支持向量机和XGBoost在预测性能上统计等价，尽管它们
生成式AI和AI辅助技术在论文准备过程中的声明
在准备本工作期间，作者使用了Claude（Anthropic, claude.ai）协助LaTeX格式化和语言编辑。在使用该工具后，作者根据需要审查和编辑了内容，并对已发表论文的内容承担全部责任。
资助
本研究未获得公共、商业或非营利部门任何机构的专项资助。
CRediT作者贡献声明
Sena Gemechis File：写作–审阅与编辑、写作–原稿撰写、可视化、验证、软件、方法论、调查、正式分析、数据管理、概念化。
利益冲突声明
作者声明他们没有已知的竞争性经济利益或个人关系可能影响本文所报告的工作。
Sena Gemechis File
