基于BP神经网络的纳卫星轨道温度预测

为了实现纳卫星在轨温度的预测,在对纳卫星热系统动态特性模型分析的基础上,建立BP神经网络预测模型实现纳卫星在轨温度的预测.通过分析纳卫星热系统动态特性模型,得到用于BP神经网络预测模型的输入、输出变量以及训练神经网络所需的数据样本.BP神经网络预测模型分别以纳卫星外壳、辐射器、舱内仪器的热流及温度值为神经网络输入、输出,预测纳卫星10s后的轨道温度.经验证,神经网络预测模型预测结果与纳卫星实际轨道温度吻合较好,表明神经网络预测模型是快捷有效的.      

基于卫星在轨温度预示热控涂层性能退化的方法

介绍了一种利用卫星在轨温度数据预示热控涂层在轨性能退化情况的方法,建立并推导了适用于研究热控涂层随整数年变化规律的数学模型,该模型利用卫星设备的温度曲线通过反演计算得到设备表面热控涂层的退化数据。为检验本文数学模型的计算效果,构造了一组数值试验,结果表明本文数学模型的计算数据与真实值非常接近,说明本文建立的数学模型能够很好地根据卫星在轨温度计算出热控涂层在轨退化数据。     

环境C卫星热系统设计与在轨验证

根据环境C卫星的自身特性, 采用以被动式热控制为主和主动热控制为辅的控制方式, 对环境C卫星进行热系统设计. 通过研究环境C卫星的热控设计原则、热设计状态及已解决的关键问题, 对其在轨飞行温度数据进行了分析. 在轨飞行遥测结果表明, 环境C卫星热控系统方案合理, 工作稳定, 性能良好. 星上设备温度环境很好地满足了设计要求.      

基于在轨温度测量数据的整星结构尺寸稳定性分析

针对高精度测绘卫星结构尺寸稳定性这一关键性问题,基于在轨温度测量数据,利用热分析模型和在轨温度变化规律,提出了卫星结构在轨温度场的反演方法.基于卫星结构在轨温度场反演数据,提出了针对载荷安装面法向夹角的拟合计算方法和夹角稳定性短期、长期指标的预示方法.根据该方法,给出了高分七号卫星在轨初期1个月内的结构稳定短期指标和长...     

太阳电池阵极月轨道在轨热分析

以极月轨道上太阳电池阵作为研究对象,详细分析了该轨道上电池阵所得各外热流的确定方法.以此为基础,对太阳电池阵进行在轨温度数值模拟,得到月球轨道上电池阵所得外热流以及温度的周期分布.计算结果与地球卫星的相应数据进行比较,明确了月球轨道上电池阵所得外热流以及温度的周期分布特点,为月球卫星上太阳电池阵以及整个卫星的设计提供了有利的数据参考.      

基于统计学方法的卫星在轨热变形快速分析

为使用在轨实测温度数据辅助完成成像载荷视轴指向的在轨标定,首次将应用于地统计学中的普通克里格法用于卫星在轨温度场的无偏估计,提出了一种基于统计学方法的在轨热变形快速分析方法。应用热试验过程中星上少量温度实测数据进行卫星温度场的无偏估计,并将温度计算结果赋值到有限元模型,进而完成了热变形分析。应用此种方法,相比通过热物理方法进行温度场分析,可将热变形分析的工期缩短数日,且载荷变形的分析结果与试验实测结果的误差在1′左右,可较准确地得到载荷视轴在热变形作用下的指向变化。文章可为卫星在轨热变形的快速分析提供参考。     

一种测量卫星液体推进剂的组合方法

提出并讨论了一种实现在轨卫星液体推进剂剩余量高精度测量的原理性方法。该方法基于推进剂消耗产生的自激励效应,利用配置在贮箱上的温度、压力传感器和推进剂管路上的流量计等数据测量设备,即可进行推进剂剩余量测量。     

双星"姐妹"太空聚首共探地球大气空间

北京时间7月25日下午3点05分，在太原卫星发射中心探测二号卫星由长征二号丙SM运载火箭送入太空，火箭飞行30分钟后，西安卫星测控中心传来的数据表明，探测二号卫星已准确进入近地点高度为681千米、远地点高度为38278千米、倾角为90度的轨道，发射获得圆满成功。至此，探测二号与先于它半年多升空的探测一号卫星一起，携手欧空局已经在轨的四颗探测卫星，实现人类历史上第一次对地球空间的六点立体探测。     

一种测量卫星流体推进剂的组合方法

提出并讨论了一种实现在轨卫星液体推进剂剩余量高精度测量的原理性方法。该方法基于推进剂消耗产生的自激励效应,利用配置在贮箱上的温度、压力传感器和推进剂管理路上的流量计等数据测量设备,即可进行推进剂剩余量测量。     

微纳卫星释放分离参数的测试方法

采用自由落体的试验方法,在地面模拟卫星在轨释放过程,测试某微纳卫星在轨释放速度、姿态以及对卫星星上设备的冲击,卫星的释放速度通过高速摄影的测量方法,卫星的释放姿态和星上设备的冲击响应通过集成在试验卫星上的测试系统测量。该试验方法可以一次测量出卫星的释放姿态、释放速度以及释放分离对卫星星上设备的冲击响应。     

基于SCSO-BP神经网络的卫星姿态控制系统故障预测

近年来,随着人工智能的迅速发展,基于人工神经网络的卫星姿态控制系统故障预测方法得到了越来越多的重视。在反向传播(Back Propagation ,BP)神经网络中,权重和偏置是重要的可调节参数,与神经网络的预测性能密切相关。BP神经网络的初始权重和偏置为随机生成,设置不当容易导致网络在训练过程中陷入局部极值,进而影响预测性能。为了提高BP神经网络的预测性能,提出了一种将沙猫群优化(Sand Cat Swarm Optimization ,SCSO)算法与BP神经网络相结合的预测方法。在训练过程中,首先通过SCSO 算法对BP神经网络权重和偏置进行预训练,在此基础上,利用精调后的BP神经网络对卫星姿态控制系统周期渐变故障数据的未来趋势进行预测。实验结果表明,与原始BP神经网络预测方法相比,SCSO-BP预测方法能够有效减小预测误差,具有更好的预测精度。     

卫星热平衡试验的温度预测与仿真模型

为了解决卫星热平衡试验中涉及的温度预测与变工况仿真试验问题,建立起星载仪器温度变化的双层集总参数模型,这一动态特性模型采用简单的嵌套结构,模型参数可以方便地运用系统辨识算法从卫星热平衡试验数据中获取,应用这一模型可以对不同星载仪器的温度变化进行分别的预测与仿真计算,从而大大减少了温度预测与仿真工作的计算量.对比研究表明:温度预测与仿真计算的结果与实际热平衡试验的结果一致.     

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(F10.7)、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...     

改进的模拟温补晶振宽温补偿方法

当要求模拟温补晶体振荡器(TCXO)在宽温范围内频率温度稳定性优于±1×10-6时,使用传统补偿方法通常一次成功率低.通过对温补精度影响因素的分析,得出温补网络中热敏电阻测试方法和计算模型误差较大.因此,提出一种改进的宽温补偿方法.首先,参考热敏电阻在宽温范围内在线测试,获得实际数据;然后,待使用热敏电阻依据参考热敏电阻测试数据进行比例建模,得到各温度对应电阻值;最后,将建模后的待使用热敏电阻代入温补网络计算程序,采用遗传算法优化计算网络参数.通过与传统方法的对比试验,表明该方法建模的热敏电阻与实际测试值更接近,温补网络计算程序更灵活,温补一次成功率提高到约90%以上.      

基于BP神经网络X频段调制器故障预测

本文采用BP神经网络对X频段调制器的故障预测进行研究,通过仿真软件编程构建BP神经网络故障预测模型,验证X频段调制器输出功率指标的精确性,根据测试结果表明建立的BP神经网络故障模型预测误差很小,能够较准确对X频段调制器的输出功率故障进行预测。     

基于PSO-BP神经网络的平流层风场短期快速预测

平流层风场环境对临近空间低速飞行器驻空飞行性能有重要影响。研究了基于PSO-BP神经网络的平流层区域风场建模与快速预测方法,根据历史风场数据,采用主成分分析法对数据进行降维处理,通过BP神经网络对风场进行预测建模,利用粒子群优化（PSO）算法对其进行优化,采用Biharmonic样条曲面插值方法构建区域预测风场。以南海地区5年历史风场为对象,对比分析了基于BP神经网络和基于PSO-BP神经网络的风场预测模型,结果表明:使用具有全局寻优特性的PSO算法改进BP神经网络,能够有效避免传统BP神经网络易陷入局部最优的缺点,提高预测精度;通过结合PSO-BP神经网络预测与Biharmonic样条曲面插值,可实现区域风场的预测。研究结果可为临近空间低速飞行器的轨迹规划与区域驻留等任务的高精度区域快速预报风场提供解决途径。      

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。      

利用人工神经网络预报大磁暴

本文采用阈值预报的策略和人工神经网络BP模型,以13个太阳风参量和地磁AE,Dst指数作为输入,以0或1作为输出,提前4h预报大磁暴主相发生的时刻．结果表明,采用神经网络方法的阈值预报可以对灾害性磁暴的发生提前数小时做出比较准确的预报．     

应用BP神经网络针对高通量质子事件的通量数值预报

质子事件的爆发与太阳软X射线辐射有着很强的相关性,利用GOES卫星的1～8 (A)波段和0.5～4 (A)波段的软X射线数据,选取一些特征参量验证该相关性并应用到质子事件短期预报中.在当前质子事件传输物理机制不完全明确的情况下,在现有的预报质子事件有无的模型基础上,利用BP神经网络,根据软X射线通量水平等预测事件质子峰值通量水平,再对训练后的网络进行检验,检验预测所得结果与实际探测值误差小于一个量级,具备一定实用意义.