一种基于STL-Prophet-Informer模型的太阳电池阵多变量趋势预测方法

为了提高太阳电池阵多变量预测的精度,解决阳电池阵遥测参数存在周期波动与增长性互相耦合的问题,提出一种基于STL-Prophet-Informer模型的太阳电池阵多变量预测算法.该算法首先应用局部加权周期趋势分解算法(seasonal and trend decomposition procedure based on loess, STL)对太阳电池阵的多个参数分解为趋势分量、周期分量和残差分量,然后采用对趋势性数据预测效果较好的Prophet预测趋势分量,Informer模型预测周期分量和残差分量,最后将各分量预测结果相加后得到总的太阳电池阵参数预测值.以某卫星太阳电池阵实际遥测数据做算例分析,提出算法的各项误差评价指标和单一的Informer模型、LSTM模型等相比有明显减小,将该组合预测模型用于太阳电池阵多变量参数预测中,可以提高参数预测精度,提升卫星自主运行性能.     

基于GM(1,1)与灰区间估计的SPE通量水平长期预测

太阳质子事件（SPE,Solar Proton Events）是干扰日地空间最主要的源,大规模质子事件会影响在轨空间站实验设备的可靠性,有时甚至会威胁空间站的安全运行.提出一种基于灰色GM（1,1）和区间估计太阳质子事件预测方法;首先对1976—2010年SPE通量水平数据进行预处理,分别建立以发生时间为序列的一般SPE通量序列与极端SPE通量序列;之后将灰色GM（1,1）与区间估计相结合建立预测方法,融合反映一般SPE通量水平随周期性波动的活跃性调节系数,建立SPE通量水平长期预测模型;然后叠加不同SPE类型所得结果合成预测年份的SPE通量水平,给出未来一年或几年间SPE通量水平的变化范围;最后选取1976—2010年太阳质子事件年均值数据,分多批次预测1996—1998年和1999—2001年等SPE通量均值区间,结果表明各年实际发生SPE的通量均值均位于预测区间内,并且多年预测区间偏差最大值小于26%,实验结果还表明单次预测时长以2~3年为宜.     

火星探测器捕获段自适应卡尔曼滤波方法

天文导航是一种广泛应用于深空探测任务中的节能、高效的导航方式。基于轨道动力学模型和星光角距的卡尔曼滤波方法已经被成功应用在天文导航系统中。在捕获段由于探测器所处动力学环境复杂,未建模的加速度误差,星历误差等都会造成过程噪声统计特性不完全。针对以上问题,提出一种根据新息和残差序列的变化趋势来调节过程噪声协方差阵的自适应平方根容积卡尔曼的方法（AQSCKF）。该方法先分别利用新息和残差计算调节因子,然后判断新息和残差的变化趋势,当新息和残差的变化趋势一致时,取二者调节因子的均值作为过程噪声方差阵的调节因子,对其进行调节。此外,本文还将该方法与传统的只利用新息或残差在线调节协方差阵的平方根容积卡尔曼滤波（SCKF）方法进行对比,仿真结果表明,在解决由于过程噪声统计特性不能完全已知的问题上,AQSCKF算法不仅能显著提高导航精度,并且具有很好的稳定性。     

多元线性回归的预测建模方法

根据历史的样本数据,建立多元线性回归的预测模型;从而在不需要未来样本数据的情况下,预测未来时刻多元线性回归模型中的回归参数,以及主要的模型精度评估指标.对多元线性回归模型参数的预测,转化为对其变量集合的增广矩阵的叉积阵的预测.对叉积阵进行谱分解,利用高维群点主轴旋转的预测建模方法,通过Givens变换得到特征向量矩阵的转角值,对自由取值的转角以及特征值建立预测模型.仿真实验例示了该方法的主要计算步骤;计算结果显示,利用本模型得到的拟合值精度较高,预测值真实可信.最终计算结果和实验结果吻合较好,表明这种方法可以用于分析和预测众多领域中因变量对自变量的回归关系问题.      

基于机器学习的管材数控弯曲质量预测

在管材数控（NC）弯曲过程中,可能出现起皱、过度减薄的质量缺陷,同时会不可避免地发生回弹,都将严重影响成形质量。为了对数控弯曲成形质量进行预测,提出了使用有限元模拟与机器学习相结合的方法,并建立了快速的成形质量预测方法。首先,建立了有效的管材数控弯曲的参数化有限元模型,在工艺参数取值范围中随机选择进行大量的模拟实验作为样本,完成学习数据的挖掘。随后,基于径向基函数（RBF）神经网络建立壁厚减薄与回弹程度的预测模型并使用支持向量机（SVM）建立管材起皱的预测模型。最后,使用模型对新的实例进行预测,并利用模拟与数控弯曲实验对预测模型进行验证。 该方法可以对大直径薄壁管材数控弯曲质量进行有效的预测,提高弯曲管件零件设计效率。      

基于蒙特卡罗频率法的葡萄籽总酚含量高光谱测量变量选择

在利用高光谱建立葡萄籽总酚含量的预测模型中,为解决变量过多、模型复杂度高等问题,需依据光谱特点进行有效地数据降维。提出了一种蒙特卡罗频率法（MCF）对高光谱数据进行波长选择,并建立了葡萄籽总酚的支持向量回归（SVR）预测模型。该方法首先采用蒙特卡罗采样（MCS）选择波长子集;然后建立大量SVR子模型,并选出均方根误差（RMSE）较小的子模型,统计每个波长出现的频次;最后根据指数递减函数确定波长个数,选取频次最高的波长子集作为特征波长。结果表明,采用MCF可以在降维的同时提高模型的预测性能,波长数目由原始的196个减少到9个,波长范围均在950~1 400 nm,RMSE值从0.42减少到0.37,预测精度优于SPA等其他波长选择方法。因此,提出的基于MCF在高光谱数据处理中能有效选择特征波长,为准确建立预测模型提供了一种有效的方法。      

动态测试实时误差的灰色预测及其精度估计

将灰色预测应用于可重复动态测试过程,根据可重复动态测试的特点,采用统计方法有效地减小随机误差的影响,用其平均值建立预测模型,并对产生预测误差的各种因素加以分析,采用统计所得的各点方差值建立预测值精度的估计模型。实例证明,误差预测模型及精度估计模型都具有较好的效果。     

基于室内无线模型的穿墙损耗校正

K-M（Keenan-Motley）模型将单墙固定损耗值相加来计算室内无线信号穿透多墙的总损耗值，存在较大误差。针对该问题选取多种室内场景分别进行连续波（Continuous Wave，CW）测试，对无线信号穿墙损耗的影响因素和变化规律进行分析，提出了一种基于人工神经网络的室内无线模型穿墙损耗校正方法，对预处理后的测试数据进行训练并建立预测模型。经验证该预测模型符合校正判别准则，在实际场景下具有良好的预测准确度。     

基于室内无线模型的穿墙损耗校正

K-M（Keenan-Motley）模型将单墙固定损耗值相加来计算室内无线信号穿透多墙的总损耗值，存在较大误差。针对该问题选取多种室内场景分别进行连续波（Continuous Wave，CW）测试，对无线信号穿墙损耗的影响因素和变化规律进行分析，提出了一种基于人工神经网络的室内无线模型穿墙损耗校正方法，对预处理后的测试数据进行训练并建立预测模型。经验证该预测模型符合校正判别准则，在实际场景下具有良好的预测准确度。     

基于变分自编码器的多维退化数据生成方法

数据驱动的剩余使用寿命（RUL）预测方法不依赖于复杂的物理模型，可以直接利用设备历史运行数据与当前监测数据对设备RUL进行预测，对制定合理的维修策略，降低设备的维护成本具有重要意义。但是数据驱动的RUL预测方法依赖于大量历史数据，在数据不足时，尤其是多维退化数据，模型难以取得良好的预测效果。针对这一问题，提出一种多维退化数据生成方法，所提方法构建了一种全局优化模型，以条件变分自编码器作为生成模型，提取多维退化数据特征并生成相似数据扩充RUL预测模型训练集，利用长短时记忆网络作为RUL预测模型，所提方法能够通过RUL预测模型更新生成模型的参数提高模型的效果，同时利用更新后的生成模型提高剩余寿命预测模型在退化数据不足情况下的效果。使用航空发动机退化数据进行了案例验证，通过对比未加入生成数据训练得到的RUL预测模型与加入生成数据训练得到的RUL预测模型的表现，验证了所提方法在解决RUL预测模型训练数据不足方面的优越性。     

基于小波变换和GM-ARMA的导弹备件消耗预测

针对导弹备件消耗呈现"小样本、非平稳"的特点, 为了克服传统预测方法依靠大样本数据进行建模的不足,提出了把基于小波变换和改进GM-ARMA的组合预测方法应用于导弹备件消耗预测的构想.在利用小波分解和其他模型建立组合模型的过程中,提出了先对小波基方程和分解层数2个特征进行参数化,再定量地对所有子模型的特征参数进行统一、综合的评估,以达到建立最佳组合模型的目的;然后对具有平稳特性的高频信息用阻尼最小二乘法优化的ARMA(Autoregressive and Moving Average)模型进行预测,对反映整体趋势体现非平稳的低频信息用背景值优化和数据变换技术改进的GM(1,1)模型进行预测.实例结果表明所提出的组合预测方法大大降低了预测误差,说明了该方法的有效性、可行性和实用性.     

灰色预测在无人机维修费用估算中的应用

维修费用估算是无人机寿命周期费用估算的重要组成部分,维修费用是随着时间推移而递增的时间序列函数.针对传统估算方法,由于样本量有限而无法得到准确预测值的实际情况,引入灰色理论,运用GM(1,1)模型对某型无人机维修费用进行估算,预测出了一个较为准确的结果.灰色预测用于无人机维修费用估算效果较好.      

一种航天器太阳电池阵供电能力计算方法

太阳电池阵为航天器提供能源,在型号研制和在轨运营过程中需对其供电能力进行计算,为此提出了一种航天器太阳电池阵供电能力的计算方法。首先,利用太阳电池片的地面测试数据得到标准测试条件(STC)下的电池片伏安模型,并利用电池片在轨等效光强和温度修正电池片伏安模型的光生电流、串联电阻和并联电阻等参数,得到电池片在轨伏安模型,然后,根据基尔霍夫定律推导出电池阵中电池片工作电压、电流以及旁路二极管和隔离二极管的输出情况,从而得到太阳电池阵的伏安模型。仿真结果表明,本文方法可以精确计算航天器在任意光强、温度和遮挡下的太阳电池阵伏安模型,可以精确分析旁路二极管和隔离二极管对太阳电池阵供电能力的影响,较已有方法计算精度提高20%。     

基于灰色预测的加速试验机理一致性判定方法

确定失效机理一致性条件是保证加速试验正确性的前提之一.由于现有的一致性判定方法只能利用加速试验数据,不能指导加速试验设计,因此需要一种基于强化试验数据的一致性判定方法.针对工程中强化试验数据少的特点,选取可以处理少数据的灰色预测,给出了一致性判定的新方法及流程.该方法通过将灰色预测中的GM(1,1)和等维新息模型相结合,找出强化试验数据的趋势改变点,在加速试验之前得到机理一致性变化的条件.通过在加速度计中的应用案例,验证了该方法的可行性.     

低轨道航天器高电压太阳电池阵电流泄漏效应分析计算

在一种简化的太阳电池阵结构模型基础上, 利用太阳电池阵电流收集经验模式,基于电流平衡, 建立了一种计算低轨道航天器高电压太阳电池阵在等离子体环境中电流泄漏的方法. 利用该方法, 对高电压太阳电池阵电流泄漏效应与低轨道等离子体环境、电池阵电压、电池阵裸露金属面积的关系进行了分析计算.结果表明, 随着轨道高度增加, 电流泄漏引起的电池阵功率损失迅速下降, 影响最严重的区域为电离层等离子体密度最高的300～400 km高度的轨道区域; 电流泄漏引起的功率损失与太阳电池阵电压呈指数关系, 电压越高功率损失越大; 200 V以下的电池阵功率损耗较小, 远低于电源系统总功率的1%;电流泄漏与太阳电池阵裸露金属导体的表面积呈正比关系, 因此, 通过减少太阳电池阵裸露面积, 可以降低电流泄漏的影响.      

太阳10.7cm射电流量中期预报模型研究(Ⅰ)

采用时间序列模型中的自回归方法开展了F_(10.7)中期预报研究.预报试验和误差分析结果表明,在太阳活动水平较低、F_(10.7)的27天周期性明显时自回归预报方法的预报精度高,具有较为理想的预报效果,但在日面有大活动区产生和消亡时预报效果不理想.这说明时间序列模型中的自回归方法能够较好地反映太阳F_(10.7)的27天周期性特征,对F_(10.7)中期预报模型的建立有一定适用性.通过对2005年9月21日至2007年6月7日期间预报结果的比较可以看出,自回归分析方法预报的精度与美国空军预报的相当。     

大功率微波部件多载波无源互调分析与实验验证

无源互调是通信系统不可避免的问题，随着卫星载荷技术向更高功率、宽频段、高灵敏度接收方向发展，无源互调对通信系统造成的影响更加严重。常用的双载波分析评价无源互调已经不能适用于现代复杂载荷通信系统，提出确定多载波无源互调分布类型分析与计算方法，采用非线性模型计算多载波无源互调功率电平。通过对TNC双阴连接器的分析计算可得到接收频带内产生3个互调频率点，对比非线性模型计算的互调功率电平与多载波实验测量的互调功率电平，3个互调频率点最大误差小于5dB。分析方法有助于大功率微波部件多载波无源互调分析，可为多载波无源互调测量提供参考和依据。     

基于粒子群优化的光伏阵列最大功率点跟踪法研究

光伏阵列在局部阴影条件下,出现反向雪崩效应,导致输出功率出现多个局部极大值点,此时常规的最大功率点跟踪（MPPT）失效。基于比较完善的光伏电池遮挡模型,对光伏阵列进行建模,验证其输出功率的多峰特性。提出一种基于粒子群优化算法（PSO）的多峰最大功率点跟踪方法,并积累粒子个体搜索经验,提高跟踪速度。仿真表明,当外界条件变化时,此方法可以快速跟踪光伏模块的最大功率,从而有效地利用能源。     

利用非等距灰色理论方法判定失效机理一致性

针对加速失效机理一致性判定中存在以下问题,基于数据处理和试验观察的方法需要加速试验数据和基于灰色理论的方法需要预试验数据等间距且预测精度不高,提出了一种基于非等距型灰色理论模型的失效机理一致性判定方法.该方法利用非等距的预试验数据,将非等距GM（1,1）模型和等维新息模型相结合,得出模型的残差,找出预试验数据的趋势改变点.通过对比试验,得出此方法的拟合精度和预测精度较高,进一步拓广了GM（1,1）模型在失效机理一致性判定上的应用范围.通过在光电编码器和加速度计中的应用案例,验证了该方法的有效性.     

太阳10.7 cm射电流量中期预报模型研究(Ⅱ)

太阳活动指数中期预报一直是空间环境业务预报的难点之一.本文在自回归方法模型的基础上,利用太阳活动区面积、位置等参数与10.7cm辐射流量之间的定量关系,根据活动区面积衰减规律,建立了一个基于活动区参数及演化规律的改进型太阳活动指数中期预报模型.通过对预报测试实例分析发现,在日面出现较大活动区导致F_(10.7)迅速增长并超过历史数据峰值的情况,在日面活动区消亡导致指数突然出现平静期的情况,新模型的预报准确性相比自回归模型有很大提高,预报的平均相对误差下降约5%～9%.由此可见,新模型在某些特定条件下提高了原有模型的精度.该研究为提高业务型太阳10.7cm射电流量中期预报模型的预报精度奠定了基础.