排序方式: 共有5条查询结果,搜索用时 640 毫秒
1
1.
传统的航天器蓄电池可靠性试验按照最大放电深度进行定额充放电,所构建的失效模型用于支撑航天器总体可靠性设计,不能用于在轨锂离子蓄电池健康评估任务;航天器在蓄电池遥测的采样率、精度、样本量方面无法与民用领域相比,基于高采样、大样本的民用蓄电池健康估计方法也不适用于在轨锂离子蓄电池健康评估。针对该问题,从在轨航天器蓄电池数据特性出发,挖掘在轨状态下所能提取的退化特征,并采用多特征综合评价方法,设计了一种基于多特征融合的在轨锂离子蓄电池健康评估方法,实现了在轨蓄电池放电内阻、同放电深度下的终端电压、恒压充电时间3项退化特征融合的健康量化评估,应用于某型号卫星的在轨监测与健康评估,具有良好的工程实用性,可作为国内航天器健康评估技术的参考。 相似文献
2.
3.
针对卫星遥测数据变化类型众多而导致传统预测模型难以准确预测的问题,提出一种基于自适应噪声完整集成经验模态分解(CEEMDAN)-粒子群(PSO)-极限学习机(ELM)的组合预测模型。首先对遥测序列进行CEEMDAN分解,以降低序列的非线性;然后利用PSO对ELM预测模型的输入权值和隐含层偏差进行优化;最后利用PSO-ELM预测模型分别预测分解后的序列,依次相加得到最终预测结果。将其应用在某在轨卫星实测数据中,与传统的预测模型比较。结果表明:该方法在平均绝对误差、平均绝对百分误差、均方根误差、标准均方误差指标上均最小,在曲线拐点处与真实数据最为接近。证明该模型能实现准确预测的功能。 相似文献
4.
5.
1