人工蜂群优化BP神经网络的太阳电池阵电流预测

通过对卫星太阳电池阵输出电流影响因子进行分析,提出了一种基于人工蜂群（Artificial bee colony,ABC）算法优化BP神经网络的太阳电池阵输出电流预测方法。将太阳入射角、卫星太阳电池阵工作温度、卫星星时等遥测量变换后作为神经网络输入,进行输出电流预测。考虑到神经网络对初始权值及偏置敏感的特点,采用ABC改进算法对神经网络初始参数进行优化。该模型可用于卫星太阳电池阵电流输出能力分析、太阳电池阵预警及异常检测等。实验测试表明,模型能够取得较高预测精度,同星预测均方根误差（Mean squared error, MSE）为0.10 A,跨星预测均方根误差为0.12 A,其精度明显优于传统数据拟合方法。利用该模型及本文提出的预警策略进行预警,对于7年5个月的正常卫星数据没有发生误报,对于某异常卫星数据能够及时进行预警。     

卫星S3R功率调节电源系统稳定性分析

针对大功率脉冲型负载应用造成的卫星电源系统运行不稳定问题,依据稳定性阻抗判据,建立以顺序开关分流调节器(S3R)为拓扑的电源系统在正常工作状态时输出阻抗的小信号模型。通过仿真对输出阻抗的影响因素进行分析,采用注入电信号的方法测量卫星电源系统的输出阻抗,并在小卫星平台上进行测试验证。结果表明,通过测试能够有效地获得电源系统的输出阻抗,并可由此确定卫星平台电源系统的稳定性指标要求。