纳卫星热系统的在轨动态特性分析与建模

纳卫星热系统是在复杂空间热环境下实现纳卫星被动热控制任务的基本技术途径,对其进行在轨动态特性分析与建模对纳卫星的热控方法与效果研究及评价具有重要意义.通过详尽的机理分析建立了描述纳卫星热系统在轨飞行过程中瞬态温度变化的3维非线性动态特性模型,阐述了与之配套的外热流分析与轨道运动计算方法,并以一太阳同步轨道纳卫星为例,对其飞行过程中的外热流变化、在轨温度变化响应等动态特性进行了详细的分析和讨论,为进一步深入研究纳卫星热控制、热管理理论及技术提供了简便的分析计算模型与方法.      

纳卫星微槽道冷却系统在轨动态热特性分析

针对纳卫星热流密度不断升高的发展趋势,介绍了一种基于微机电技术(MEMS,Micro Electro Mechanical Systems)的泵驱动单相流微槽道冷却系统.通过合理分析与简化,应用集总参数法建立了能够反映受控对象及冷却装置动态特性的温度响应模型;运用数值方法仿真计算了某纳卫星在轨飞行中受空间外热流影响下的外部散热面和内部电子设备温度的变化规律.仿真结果表明:应用MEMS技术的微槽道冷却系统可以满足高热流密度的纳卫星热系统的冷却需求;空间外热流相对于星体内部热功率的变化,对纳卫星散热面温度的影响较小;该建模方法和求解算法对分析计算纳卫星的温度动态特性是简便、合理的,并为进一步深入研究纳卫星热控制、热管理理论与技术奠定了理论研究及工程应用基础.     

利用BP神经网络对卫星无热敏设备温度的估测

卫星上测温资源有限，只有部分设备有测温点，难以准确获得其他无测温点设备的温度。基于反向传播（BP）神经网络对复杂非线性系统优秀的拟合能力，建立了估测卫星上无测温点设备温度的神经网络，以在轨有测温点设备温度为输入层，以在轨无测温点设备为输出层，并使用卫星热试验获得的星上温度遥测数据和在轨无测温点设备的热电偶温度数据进行训练和测试。测试结果表明，所建立的神经网络估测精度在1℃以内，可以用来精确估测卫星无测温点设备的温度。针对学习样本对估测误差之间关系进行了研究，计算表明，学习样本的多样性和大数据量能够显著减小估测误差。     

基于模糊控制的纳卫星热控系统仿真

建立了球状纳卫星温度系统动态特性方程组,确定系统稳态温度值后搭建温度系统模型;设计合理的模糊逻辑控制器,与温度系统模型部分相结合,完成整个热控系统模型;分别采用±50%的阶跃信号模拟纳卫星温度系统在空间运行时受舱内仪器热源改变和外壳、辐射器所接受的太阳辐射加热量改变的影响,执行热控系统仿真,绘制仿真曲线与不加控制前的结果相比较.仿真结果表明,将模糊控制系统运用于纳卫星热控系统中能够准确、快速地对其系统温度进行合理控制,具有鲁棒性好、对参数变换不敏感、适应性强以及过渡过程时间短等优点.      

微纳卫星热状态仿真及分析

卫星热控系统通过调节星上热量收集、转移、排放的过程，从而达到控制星体温度水平和温度稳定性的目的，对卫星进行在轨热状态分析和依据分析结果进行热控措施调节与评估至关重要。针对低轨微纳卫星热状态分析的关键问题，给出了卫星在轨时刻所受空间外热流的计算方法，在此基础上，综合考虑温度影响因素和传热特点，建立了卫星外壳、辐射器、内环境和内外部单机的瞬时温度计算模型。以一低轨微纳卫星为例进行仿真计算，对结果进行了分析与讨论，为进一步深入研究卫星的热控设计提供了快速、简便的分析方法。     

基于神经网络的磁平静期赤道电集流预测

利用BP神经网络技术分别对2008年后磁平静期印度扇区、秘鲁扇区以及CHAMP卫星的赤道电集流（EEJ）变化进行预测，其中神经网络训练数据为对应的2000—2007年磁平静期EEJ观测数据，输入参量为天数、地方时、太阳天顶角、太阳活动指数（F_10.7）、太阴时以及卫星地理经度，输出参量为EEJ.对EEJ预测结果进行了统计学分析，并且与实际观测结果进行对比.结果表明:BP神经网络对事件中EEJ的变化具有很好的预测能力，预测结果能够反映EEJ的重要分布特征；EEJ预测值与观测值之间具有很好的相关性，其中地磁台站观测值与预测值相关性系数可达85%以上.此外，将BP神经网络模型的预测结果与Yamazaki提出的经验模型结果进行对比，结果显示BP神经网络与其经验模型性能相当.研究结果表明，BP神经网络技术在平静期EEJ变化预测方面性能优异，具有良好的应用前景.      

基于LightGBM的卫星飞轮温度预测

为保障卫星的正常在轨运行,地面系统需要对卫星运行状态进行监控预警,其中对卫星各系统的温度监控尤为重要.温度不仅直接反映卫星系统的健康状态,更会对系统器件的性能和寿命造成影响.飞轮作为卫星姿态控制系统的重要组件,其温度变化是识别姿态控制系统状态的重要信息.卫星飞轮温度的预测与预警对卫星在轨稳定运行具有重要意义.本文基于某在轨卫星遥测数据,结合空间环境数据,应用LightGBM机器学习框架研究建立梯度提升决策树模型,对卫星飞轮温度进行预测.经与实际遥测温度值进行对比验证,预测精度可以满足对卫星飞轮温度的监视需求.研究结果可应用于地面系统,对卫星姿态控制系统可能发生的温度异常进行预警,使地面运控人员能够提前规避风险,保障卫星的安全在轨运行.      

基于BP神经网络的介质表面充电电位反演方法

为了实现全面、实时的在轨卫星充放电风险分析,基于在相同环境下,不同材料表面充电的关联性,利用BP神经网络建立了一种由Kapton材料表面充电电位反演卫星其他常用介质材料表面电位的模型。以Kapton材料的表面电位以及材料厚度为输入,其他介质材料的表面电位作为模型输出,使用COMSOL建立的表面充电模型对神经网络进行训练,将反演误差降低到10%以下,并利用Kapton与Teflon材料表面充电地面试验数据验证反演模型的准确性,结果显示Teflon表面电位的反演值与实测值间的相对误差小于16%。     

基于夏氏最小二乘的轨道控制力系数辨识

在航天器轨道捕获、轨道维持和空间目标碰撞规避中都需要进行航天器轨道机动。针对航天器轨道机动过程中推力器的推力系数为装订常数,没有根据在轨工作实际进行优化而导致出现较大误差的情况,对控制力拟合系数进行辨识,作为修正控制参数以补偿轨道控制误差的依据,提高轨道控制精度。统计分析在轨管理的典型航天器平台及其发动机的轨道控制历史数据,分析轨道控制理论和在轨控制数据拟合建立轨道控制经验模型,用当前可测量的系统输入和输出预测系统输出的未来演变,得到不同工作情况下实际轨道控制误差与控制参数及其他主要影响因素之间关系的经验公式,为轨道控制策略决策提供参考。选取轨道半长轴控制量300m以上和300m以下的两类近地卫星,对其轨道控制历史数据进行分析,经实际数据测试,采用夏氏法进行推力系数拟合后预测的速度变化量精度较高。该种计算方法利用了轨道控制历史数据,计算方法简单,提高了轨道控制速度增量的预测精度,对轨道控制实施具有参考意义。     

参数自整定模糊PI控制在纳卫星热控系统中的应用

在功能维持不变甚至更强的条件下,卫星体积、尺寸和质量不断减小,致使在卫星内部小空间内单位时间传输大量的热,因此常规的热控技术很难满足控制要求.为使纳卫星负载温度稳定在允许范围内,亟需研发新的热控方法.在纳卫星温度系统模型基础上,将PI参数模糊自整定控制器与航天器热控技术相结合,得到纳卫星智能热控系统,以调节辐射器散热面为控制目标,并进行了仿真研究.结果表明,该控制策略响应快,适戍性和鲁棒性强,消除了稳态误差,较模糊控制和传统PI控制具有更好的动、静态特性,适用于纳卫星热控系统.     

基于时序建模的卫星故障检测方法

为解决当前卫星故障检测面临的依赖规则库、多元特征融合不足以及数据正负样本分布不均衡等问题,从卫星数据的时序特性出发,提出基于时序建模的卫星故障检测方法与半监督模型,实现卫星数据规律的有效挖掘与数据驱动的故障检测。考虑卫星数据间的时序关联,提出基于长短期记忆神经网络的卫星故障检测方法,并引入滑动窗口机制实现卫星数据的有效预测与故障检测。考虑卫星数据多元特征参数间的关联关系,引入时间卷积和自编码器神经网络,同时建模不同时刻、多元特征参数间的依赖关系,实现融合多元特征参数进行卫星故障的有效检测。以某型号卫星电源分系统为实验对象,仿真结果表明,所提算法和模型在关键指标方面优于BP神经网络等传统故障检测方法和模型。     

BP-AdaBoost模型在光纤陀螺零偏温度补偿中的应用

针对光纤陀螺零偏漂移随温度呈复杂的非线性变化,建立了BP-AdaBoost（Back Propagation neural network,Adaptive Boosting）模型对零偏进行补偿,改善了光纤陀螺的零偏稳定性能.同时,研究了模型参数对预测精度的影响,给出了BP神经网络隐含层神经元个数的选择以及AdaBoost模型迭代次数的确定方法.运用AdaBoost算法提升单个BP神经网络的预测能力,提高了集成模型整体的预测精度.对采集的光纤陀螺输出实测数据进行了事后仿真,结果表明,BP-AdaBoost模型相比传统的线性回归模型、混合线性回归模型、单个BP神经网络模型的补偿效果更显著,验证了该模型的有效性,具有重大的工程应用参考价值.      

BP神经网络预测复合材料热压罐成型均匀性

复合材料热压罐成型过程中的固化度差值是复合材料固化度均匀性的主要表征参数之一。基于3层BP神经网络,以复合材料双平台固化工艺曲线的加热速率、保温时间和保温温度为输入参数,建立了成型过程任一时刻最大固化度差值的快速估算模型。仿真复合材料热压罐成型过程,得到最大固化度差值作为试验样本数据,对BP神经网络进行训练,训练结束后对该模型的准确性进行验证。结果表明:该BP神经网络估算模型准确性和效率较高,为复合材料热压罐成型最大固化度差值的估算提供了一种快速有效的新方法。      

基于BP神经网络的GEO等离子体环境参数反演分析

空间等离子体环境诱发的表面充电效应会对航天器运行产生干扰，严重时将导致太阳电池等部件失效。通过神经网络反演方法，以GEO环境中介质表面充电电位曲线作为输入，在双峰麦克斯韦分布假设下，可以逆向得到高能峰的等离子体参数。分析了GEO等离子体环境参数对表面充电电位曲线的影响，表明高能峰在充电过程中起决定性作用；其次通过MATLAB搭建BP神经网络，采用COMSOL计算得到多组充电曲线进行网络训练和反演计算，得到等离子体密度反演的平均相对误差为0.42%，温度反演的平均相对误差为0.03%，整体误差在0.1%～5.6%。结果表明，采用神经网络对等离子体环境进行反演具有可行性，该方法可以作为空间等离子体环境探测结果的对比参考和航天器非探测点表面电位计算的输入条件。     

基于平流层风场预测的浮空器轨迹控制

平流层风场环境对浮空器设计和轨迹控制具有重要影响。针对平流层风场建模,以长沙地区2005—2010年的风场数据为例,首先采用本征正交分解（POD）方法对风场数据进行降阶处理;然后分别采用Fourier级数与BP神经网络算法对平流层风场进行预测,并对2种模型的预测精度进行比较分析;最后通过建立临近空间浮空器的动力学模型和高度调控模型,分析2种风场预测模型对浮空器轨迹控制的影响。研究结果表明,相对于Fourier预测模型,基于BP神经网络预测模型的预测精度更高,可信度更强,能够更好地为浮空器飞行轨迹控制提供参考价值。      

基于BP神经网络技术的电离层VTEC融合

随着电离层探测技术的不断发展，电离层观测资料也越来越多，只使用单一的观测资料会出现电离层反演精度不高的问题。为了提高电离层的反演精度，使用BP神经网络技术将地基反演和国际参考电离层(international reference ionosphere，IRI)模型的垂直总电子含量（vertical total electron content，VTEC）数据进行有效融合。在温带地区\[35°(N)~45°(N)，60°(E)~80°(E)\]进行电离层反演试验，结果表明基于BP神经网络技术的电离层数据融合和地基反演获得的电离层VTEC精度都比较高，但是基于BP神经网络的电离层数据融合反演精度比地基反演更高，所以基于BP神经网络技术的数据融合能够提高电离层的反演精度。