一种基于间接健康因子的锂离子电池剩余使用寿命预测方法

针对锂离子电池实际运行过程中容量数据无法在线获取,退化特征存在局部再生现象,剩余使用寿命（RUL）无法通过单一模型准确预测的问题,提出一种基于间接健康因子（HI）的锂离子电池RUL预测方法。首先根据在线数据构建并筛选最优的HI,然后建立基于遗传算法优化的极限学习机（GA-ELM）关系模型,再通过变分模态分解（VMD）解耦间接HI各分量,并通过相关向量机（RVM）进行趋势跟踪与预测,最后将预测结果输入到GA-ELM关系模型中得到电池容量预测值。与NASA PCoE数据集的验证对比表明,文章所用方法在趋势预测和RUL预测结果上均优于其他对比方法,可以实现锂离子电池RUL的准确预测。     

基于退化阶段匹配的RUL预测方法

为减弱传统的基于轨迹相似性剩余使用寿命(RUL)预测方法对参考轨迹长度的限制,提高轨迹匹配精度,提出了一种新的基于退化阶段匹配的RUL预测方法.假设系统从初始状态到失效状态经历多个退化阶段,处于不同阶段会有不同的退化表现.从大量参考样本的退化轨线中,通过快速聚类算法提取并抽象系统的退化阶段信息,组成阶段-寿命库,从库中...     

基于改进粒子群优化LS-SVM的卫星钟差预报研究

针对导航卫星短期钟差预报精度和稳定度不高的问题,提出了一种基于改进粒子群优化（PSO）最小二乘支持向量机（LS-SVM）的卫星钟差预报方法。通过引进自适应改变的惯性权重和学习因子来提高粒子群算法的寻优能力,并将其应用到LS-SVM的参数优化中,避免人为选择参数的盲目性,提高了LS-SVM的泛化能力和预报精度。选取国际GPS服务组织（IGS）产品中四颗典型卫星的钟差数据,分别采用LS-SVM模型、神经网络模型和灰色系统模型进行短期钟差预报,计算结果表明：LS-SVM模型的预报精度优于其它两种模型,为导航卫星短期高精度钟差预报提供了新的思路。     

数据中继卫星跟踪接收机的系统建模与仿真

Ka频段跟踪接收机是数据中继卫星的关键部件,它的指向精度将直接影响链路质量。文章利用SPW软件对跟踪接收机进行了仿真,研究了各种参数对系统精度的影响,仿真结果可用于指导实际工程应用。     

基于OARO-GRU网络的高频地波雷达电离层杂波短期预测

电离层杂波的精确预测对提升高频地波雷达的目标探测性能具有重要推动作用。为此,提出了一种基于改进人工兔子算法优化门控循环单元 （Opposite Artificial Rabbits Optimization optimized Gated Recurrent Unit, OARO-GRU）网络的电离层杂波短期预测模型。首先,依据高频地波雷达接收到的电离层杂波具有混沌特性这一先验知识,通过相空间重构技术构造GRU网络的输入和输出样本集;然后,融入反向学习和柯西变异两种改进策略用于改善标准ARO的寻优能力,并将其用于执行GRU网络的包含隐层节点个数、初始学习速率和最大迭代次数在内的三个超参数值的优选;最后,重新训练优化后的GRU网络,输入测试样本集进行测试,并依据给定的评价指标评估模型。实测结果表明：相较于其他7种对照模型,所提出的OARO-GRU网络预测模型在预测精度和可靠性上均具有明显的优越性,为有效改善高频地波雷达的目标探测性能提供了一种新的思路与方法。     

基于星敏感器四元数的卫星角速度预测滤波算法

为在无陀螺或陀螺故障时可用星敏感器估计姿态角速度，在扩展卡尔曼滤波（EKF）和非线性预测滤波的基础上提出了基于四元数的卫星角速度估计算法，并给出了相应的模型。该算法对角速度建模精度的要求较低，无需卫星动力学方程，方法简单且易于实现。仿真结果表明，算法的精度较高。虽然仍受噪声和步长的影响，但相对基于EKF和最小模型误差的角速度估计算法，其性能改善较大。     

应用HP滤波的卫星遥测数据预测方法

卫星遥测数据预测分析在故障预警中发挥着重要作用。文章将用于时间序列分析的HP (Hodrick-Prescott)滤波引入到遥测数据分析领域中,提出了基于HP滤波分解的卫星遥测数据预测方法,并设计了在轨应用的系统方案。利用HP滤波将遥测数据的时间序列分解成趋势成分和波动成分,并根据各项特点分别使用多元自回归和季节型单整自回归移动平均(ARIMA)模型进行预测,然后叠加趋势成分和波动成分各自的预测值,得到最终组合预测结果。该预测方法可以有效降低由趋势性、波动性等因素相互影响产生的误差,提高预测精度,其系统方案可在卫星监视、故障诊断和预警中实际应用。利用预测方法对某卫星行波管阳压遥测数据进行分析,验证了预测方法的正确性和有效性,在半年时间内的预测结果的相对误差小于0.04%。     

太阳翼展开试验装置导轨摩擦力自动测量系统设计

太阳翼是卫星发射成败的关键部件,为满足卫星型号太阳翼地面零重力展开可靠性验证,研制了一套高精度导轨摩擦力自动测量系统。该系统采用自动化测量、高精度传感器和无线通信网络等技术,对某卫星型号展开试验装置导轨进行摩擦力测试,验证了该测量方法的可靠性。将测量结果与人工手持测力计测量进行对比,有效解决了测量结果不稳定、测量数据离散、测量效率低等问题,并可获取导轨全行程摩擦力实测数据。该系统的应用提高了导轨摩擦力测量精度,增强了卫星太阳翼地面零重力展开可靠性,提高了卫星太阳翼生产效率。     

基于星载GPS的资源三号卫星精密定轨

资源三号卫星是我国首颗民用立体测图卫星,于2012年1月9日发射。卫星上配备有国产双频GPS接收机。利用非差双频GPS数据,基于卫星动力学原理和事后批处理定轨模式,采用30小时弧段（重叠弧长为 6小时） 对资源三号卫星进行了精密定轨,卫星位置重叠弧段精度平均为4.95cm。利用卫星激光测距（SLR）观测数据对星载GPS定轨结果进行了检核,检核精度优于4cm,无明显系统偏差。结果表明,该定轨精度完全能够满足资源三号卫星任务的要求。     

利用GPS非差观测值的GRACE卫星精密定轨

参照GPS精密单点定位（PPP，Precise Point Positioning）模型设计了一种新的卫星定轨方法一组合星载加速度计测量数据和IGS提供的GPS精密星历及精密钟差数据进行低轨卫星的精密定轨。利用星载加速度计提高卫星受力模型准确性，使动力法定轨精度和可靠性都得到提升。同时，采用多种改正技术提高GPS非差观测值测量精度，保证最终高精度卫星定轨。本文建立了卫星定轨的轨道滤波模型，得出了有益的结论，即采用星载加速度计测量卫星非保守力可提高卫星定轨精度，在ITRF2000参考系下三轴精度优于18cm。这种方法不需要在全球建市基准观测站．定轨设备简单．费用低廉．     

低轨卫星缺失时序数据的模式识别方法

在航天应用中，低轨卫星经常会由于原始数据缺失而影响卫星时序数据模式识别结果，降低准确率。针对该问题提出了一种新型MR-GRU模型，可有效处理缺失时序数据，并获得较好的模式识别准确率。区别于传统模型的补全缺失数据的方法，MR-GRU模型直接在缺失时序数据上运用循环神经网络进行训练，对传统门控循环单元结构进行了改进，增加了两个新变量：掩蔽项和衰减项。掩蔽项作用于输入，衰减项作用于输入和隐层单元输出。MR-GRU模型不仅能够保持时序数据固有的时间特性，还能有效提高模式识别精度。在卫星时序数据上的模式识别试验表明，MR-GRU模型准确率优于传统模型。     

基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。     

面向卫星电源系统的一种新颖异常检测方法

面向卫星电源高维周期性时序遥测数据，提出了一种新颖的代表性特征自编码器（RFAE）模型，并用于无监督的异常检测。RFAE采用改进的堆叠自编码器损失函数和训练算法，从而使模型可以学习到相位相同样本的代表性特征；然后根据代表性特征重构样本，根据重构误差来判断样本是否异常。在试验部分首先通过模拟数据校验了RFAE算法能够有效地检测出高维周期性时序数据的异常，然后又采用某卫星电源系统2014年1~12月真实遥测数据进行试验，RFAE异常检测准确率达到99%，检测效果明显优于目前的其他异常检测算法，具有较高应用价值。     

一种基于迁移学习的遥测数据异常检测方法

为解决卫星遥测数据异常检测面临的数据不平衡且缺乏有标签样本的问题,提出一种基于一维卷积神经网络(1dCNN)迁移学习的异常检测方法.首先利用源域卫星的遥测数据对1dCNN进行预训练,使得模型的卷积层具有卫星状态特征的提取能力;然后将训练好的模型迁移到缺乏标签数据的目标域卫星中;利用目标域有标签样本对预训练模型进行微调,...     

一种利用泛函网络进行导航卫星钟差预报的方法研究

为提高导航卫星钟差预报的精度和实时性,提出一种基于多项式和泛函网络相结合的钟差预报方法。该方法首先根据卫星钟的物理特性用多项式进行拟合,并用泛函网络对多项式拟合残差进行建模,其中泛函网络的结构是通过小波降噪及相空间重构的方法确定。最后以GPS卫星为例,进行四组短期预报实验。结果表明,所提方法能够实时有效地对导航卫星钟差进行拟合和预报,且精度优于IGUP星历。     

地球观测网络成像任务可调度性预测方法

为了能够快速、合理地分配成像任务,充分发挥对地观测网络的观测效能,对成像任务可调度性预测问题进行了研究,提出一种由协同任务分配组件、任务调度组件、特征提取组件以及任务可调度性预测组件所构成的组件化求解架构。在成像卫星经典调度模型的基础上,提取成像任务特征,并采用变隐含层节点的反向传播（BP）神经网络集成技术求解成像任务可调度性问题。仿真结果表明,集成BP神经网络的平均预测准确度可以达到85%以上。     

遥测网络系统发展与展望

遥测系统对于评定航空航天飞行器飞行试验结果、故障定位、健康监测和趋势预测等具有非常重要的意义。近二十年来,高码率遥测体制、双向通信及网络化遥测等需求不断增长,美国靶场司令委员会（RCC）下属机构靶场仪器组（IRIG）将遥测网络系统TmNS纳入到IRIG 106标准中,代表了下一代遥测系统的发展方向。在介绍TmNS发展历程的基础上,对TmNS的概念定义、典型架构、分层模型和网络数据消息、系统配置管理、时间同步、服务质量QoS、路由、源选择、安全等关键技术进行阐述和分析,结合我国遥测技术发展现状,总结其对我国遥测技术发展的启示,并对TmNS后续发展进行展望。     

在轨卫星综合数据库系统的设计与实现

针对卫星在轨相关数据(卫星在轨综合数据)种类繁多,数据量大,查询时效性要求高等特点,对管理卫星在轨综合数据的关键技术进行了研究,提出将卫星在轨综合数据分类处理的方法,即利用遥测数据变化缓慢的特点采取变化存储的方法,压缩遥测数据的存储量,同时图形查询遥测数据时使用特征值提取算法快速完整地绘制遥测曲线;对于计算结果与在轨运行信息,采用数据类型描述的方式实现多类型数据的统一管理,较好地解决了计算结果与在轨运行信息数据管理复杂,数据类型扩展困难等问题。在此基础上,设计并实现了一套卫星在轨综合数据库系统。