CN110377941B - 建立卫星温度场的罚盲似然克里金代理模型的方法 - Google Patents

Abstract

本发明公开了一种建立卫星温度场的罚盲似然克里金代理模型的方法。该方法包括如下步骤：1)测量卫星测量点的温度信息；2)建立卫星温度场的罚盲似然克里金代理模型；3)计算卫星内未测量点的温度信息；4)验证卫星热控设计。本发明的建立卫星温度场的罚盲似然克里金代理模型的方法利用有限的卫星测量点的温度信息和基于正则化方式的罚盲似然方法，建立并确定卫星的罚盲似然克里金代理模型，利用确定的罚盲似然克里金代理模型求取卫星未测量点的温度信息，从而根据测量点和未测量点的温度信息验证卫星热控设计的正确性，能够解决由于卫星的测量点有限，而无法对整星温度进行测量和对卫星热控设计正确性进行验证的问题。

Description

建立卫星温度场的罚盲似然克里金代理模型的方法

技术领域

本发明涉及航天器地面热试验技术领域，具体涉及一种建立卫星温度场的罚盲似然克里金代理模型的方法。

背景技术

航天器的热平衡试验是指在空间模拟室的轨道热环境(真空、冷黑与辐射)条件下，检验航天器轨道飞行中平衡状态下温度分布的试验。目前，按照航天器的研制阶段，航天器热平衡试验可以划分为初样阶段(研制)的热平衡试验和正样阶段(验收)的热平衡试验。在卫星的初样研制阶段，为验证卫星设计的正确性、协调性以及卫星的各项技术指标和卫星工作可靠性，通常采用初样星进行各种地面试验；其中，初样星表示在初样研制阶段中用于各种地面试验的模样星，包括结构热控星、电性星和鉴定星。随着技术的发展，初样阶段的鉴定星地面热平衡试验的规模越来越大，进行热平衡试验所消耗的成本越来越高，且所需的试验时间越来越长。目前，为了尽可能反应卫星整星的热网络，在初样阶段的试验中，主要是试验卫星在外热流和内热源的共同作用下是否能达到热平衡；由于卫星的基本组成部分和主要内热源包括有效载荷分系统、姿态轨道控制分系统、测控数传分系统、星载综合电子设备和电源分系统，现有的试验方法是通过在卫星的有效载荷分系统、姿态轨道控制分系统、测控数传分系统、综合电子设备和电源分系统中放置传感器来测量温度，以获取温度信息。

发明人发现现有技术至少存在以下问题：通过在卫星上放置传感器来对卫星的温度进行测量，由于卫星上传感器的放置点有限，导致卫星的温度测量点有限，无法获得卫星整星的温度信息。

发明内容

为解决上述现有技术中存在的技术问题，本发明提供一种建立卫星温度场的罚盲似然克里金代理模型的方法，该方法能够利用有限的卫星测量点的温度信息，建立整星温度场代理模型。

为此，本发明公开了一种建立卫星温度场的罚盲似然克里金代理模型的方法，该方法包括：

1)测量卫星测量点的温度信息：在卫星的有效载荷分系统、姿态轨道控制分系统、测量数传分系统、综合电子设备和电源分系统中的测量点上放置热流计和温度传感器，利用所述热流计和所述温度传感器测量各个所述分系统中测量点的温度信息；

2)建立卫星温度场的罚盲似然克里金代理模型：将所述测量点的温度信息作为训练集，建立卫星温度场的克里金代理模型，利用基于正则化方式的罚盲似然函数估计所述克里金代理模型的模型参数；

3)计算卫星内未测量点的温度信息：利用所述克里金代理模型计算所述卫星内未测量点的温度信息；

4)验证卫星热控设计：结合所述测量点和所述未测量点的温度信息，判断卫星热控系统是否能维持所述卫星在规定的工作温度范围内，验证所述卫星热控设计的正确性。

进一步地，在所述建立卫星温度场的罚盲似然克里金代理模型的方法中，所述建立卫星温度场的罚盲似然克里金代理模型，包括：

确定所述克里金代理模型的表达式；

基于正则化方式构建罚盲似然函数；

利用交叉验证方法选择最优的正则化参数；

求解嵌套优化问题以估计所述克里金代理模型的模型参数；

代入所述模型参数以确定所述克里金代理模型。

进一步地，在所述建立卫星温度场的罚盲似然克里金代理模型的方法中，确定所述克里金代理模型的表达式，包括：

设定所述测量点在所述卫星中的三维坐标x_i＝[x_i1,x_i2,x_i3],i＝1,...,N为自变量，所述测量点的温度值y＝[y₁,y₂,...,y_N]^T为响应值，则所述测量点的温度信息为Ω＝{(x_i,y_i),i＝1,2,...,N}，所述克里金代理模型表达式为：

(公式1)；

其中，

表示温度的真实响应值，Fβ为趋势函数，矩阵F＝[f(x₁),f(x₂),...,f(x_N)]^T，f(x)为基函数，β为回归系数，z(x)为随机过程，z(x)的均值为0，协方差为σ²R(θ)，σ²为过程方差，R(θ)为带有相关参数θ的相关模型。

进一步地，在所述建立卫星温度场的罚盲似然克里金代理模型的方法中，所述基于正则化方式构建罚盲似然函数，包括：

构建罚盲似然函数为：

利用公式4将最大化罚盲似然函数问题转化为最小化负罚盲似然函数问题；

其中，L(β,σ²,θ|y)为对数高斯似然函数，p^λ(β_i)为所述回归系数β的惩罚函数，p^μ(θ_j)为所述相关参数θ的惩罚函数，λ为所述惩罚函数p^λ(β_i)的正则化参数，μ为所述惩罚函数p^μ(θ_j)的正则化参数，Q(β,σ²,θ|y)表示负罚盲似然函数。

进一步地，在所述建立卫星温度场的罚盲似然克里金代理模型的方法中，对所述回归系数β采用Lasso惩罚项，使p^λ(β_i)＝λ|β_i|；

对所述相关系数θ采用SCAD惩罚，使

进一步地，在所述建立卫星温度场的罚盲似然克里金代理模型的方法中，所述利用交叉验证方法选择最优的正则化参数，包括：

选取不同的所述正则化参数λ组成正则化参数集

选取不同的所述正则化参数μ组成正则化参数集

将所述测量点的温度信息Ω＝{(x_i,y_i),i＝1,2,...,N}随机分成K份相同样本数量的子集D₁,D₂,...,D_K；

分别将所述K个子集中的一个集合作为验证集，将剩余K-1个子集作为训练集，构成K个不同的克里金模型，利用公式5分别求解所述K个不同的克里金模型，并计算所述K个不同的克里金模型在其对应的所述验证集上的预测值

利用公式6计算所述预测值

对应的K折交叉验证误差e_CV(λ,μ)；

设定所述最优正则化参数为

和

在选定的所述正则化参数集合S₁和S₂中，选择使所述K折交叉验证误差最小的正则化参数为所述最优正则化参数，使

进一步地，在所述建立卫星温度场的罚盲似然克里金代理模型的方法中，所述求解嵌套优化问题以估计所述克里金代理模型的模型参数，包括：

a1)设定所述趋势函数的回归系数为β^(k)，设定所述相关模型R(θ)的相关参数为θ^(k)，设定所述过程方差为σ^2(k)，令k＝0，设置所述回归系数的初值β⁽⁰⁾，所述相关参数的初值θ⁽⁰⁾和所述过程方差的初值σ²⁽⁰⁾；

a2)计算相应的相关模型R(θ^(k))，并利用公式8求取相应的回归系数β^(k+1)；

a3)将求解得到的所述回归系数β^(k+1)代入公式9求取相应的过程方差σ^2(k+1)；

a4)利用衰减牛顿法求解更新相应的相关参数θ^(k+1)；

a5)判断是否达到预设收敛条件，若是，则β^(k+1)、σ^2(k+1)和θ^(k+1)为最优模型参数；若否，则令k的数值增加1，并返回步骤a2。

进一步地，在所述建立卫星温度场的罚盲似然克里金代理模型的方法中，所述利用衰减牛顿法求解更新相应的相关参数θ^(k+1)，包括：

计算所述负罚盲似然函数相对于所述相关参数θ的梯度和Hessian矩阵；

根据所述负罚盲似然函数的所述梯度和所述Hessian矩阵，计算所述负罚盲似然函数的下降方向；

利用所述下降方向和给定的相关参数θ^(k)，计算所述相关参数θ^(k+1)；

进一步地，在所述建立卫星温度场的罚盲似然克里金代理模型的方法中，所述卫星未测量点的温度信息利用公式16计算获取；

其中，设定所述卫星未测量点的三维坐标为x_w＝[x_w1,x_w2,x_w3]，则

本发明技术方案的主要优点如下：

本发明的建立卫星温度场的罚盲似然克里金代理模型的方法，利用有限的卫星测量点的温度信息和基于正则化方式的罚盲似然函数，建立并确定卫星的罚盲似然克里金代理模型，利用确定的罚盲似然克里金代理模型求取卫星未测量点的温度信息，从而根据测量点和未测量点的温度信息验证卫星热控设计的正确性，能够解决由于卫星的测量点有限，而无法对整星温度进行测量和对卫星热控设计正确性进行验证的问题；且通过对罚盲似然克里金代理模型中的相关参数和回归系数进行嵌套优化，能有效地提高模型精确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一个实施例的建立卫星温度场的罚盲似然克里金代理模型的方法的流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

以下结合附图，详细说明本发明实施例提供的技术方案。

如附图1所示，本发明实施例提供了一种建立卫星温度场的罚盲似然克里金代理模型的方法，该方法包括如下步骤：

1)测量卫星测量点的温度信息：在卫星的有效载荷分系统、姿态轨道控制分系统、测量数传分系统、综合电子设备和电源分系统中的测量点上放置热流计和温度传感器，利用热流计和温度传感器测量各个分系统中测量点的温度信息；

2)建立卫星温度场的罚盲似然克里金代理模型：将测量点的温度信息作为训练集，建立卫星温度场的克里金代理模型，利用基于正则化方式的罚盲似然函数估计克里金代理模型的模型参数；

3)计算卫星内未测量点的温度信息：利用克里金代理模型计算卫星内未测量点的温度信息；

4)验证卫星热控设计：结合测量点和未测量点的温度信息，判断卫星热控系统是否能维持卫星在规定的工作温度范围内，验证卫星热控设计的正确性。

以下对本发明实施例提供的建立卫星温度场的罚盲似然克里金代理模型的方法的原理及步骤进行具体说明。

具体地，本发明实施例中，建立卫星温度场的罚盲似然克里金代理模型具体包括如下步骤：

A1)确定克里金代理模型的表达式；

A2)基于正则化方式构建罚盲似然函数；

A3)利用交叉验证方法选择最优的正则化参数；

A4)求解嵌套优化问题以估计克里金代理模型的模型参数；

A5)代入模型参数以确定克里金代理模型。

其中，对于如何确定克里金代理模型的表达式，以下进行具体说明。

具体地，设定测量点在卫星中的三维坐标x_i＝[x_i1,x_i2,x_i3],i＝1,...,N为自变量，测量点的温度值y＝[y₁,y₂,...,y_N]^T为响应值，则测量点的温度信息表示为Ω＝{(x_i,y_i),i＝1,2,...,N}，克里金代理模型表达式可表示为：

(公式1)；

上述公式1中，

表示温度的真实响应值，Fβ为趋势函数，矩阵F＝[f(x₁),f(x₂),...,f(x_N)]^T，f(x)为基函数，β为回归系数，z(x)为随机过程，z(x)的均值为0，协方差为σ²R(θ)，σ²为过程方差，R(θ)为带有相关参数θ的相关模型。

基函数f(x_i)与测量点的三维坐标x_i＝[x_i1,x_i2,x_i3],i＝1,...,N对应，基函数f(x_i)可以通过对应的测量点的三维坐标x_i＝[x_i1,x_i2,x_i3],i＝1,...,N求得。

随机过程选用高斯过程，则R(θ)为带有相关参数θ的高斯相关模型，R(θ)满足下述公式2：

(公式2)；

在上述公式2中，x_i和x_j代表任意两个样本，x_id和x_jd代表样本x_i和x_j的第d维特征，θ_d代表相关参数θ的第d维特征。

进一步地，在完成克里金代理模型的表达式的确定后，需要进行罚盲似然函数的构建；对于如何基于正则化方式构建罚盲似然函数，以下进行具体说明。

利用正则化方式，构建罚盲似然函数为：

在基于上述构建的罚盲似然函数的基础上，利用公式4将最大化罚盲似然函数问题转化为最小化负罚盲似然函数问题；

上述公式3和公式4中，L(β,σ²,θ|y)为对数高斯似然函数，p^λ(β_i)为回归系数β的惩罚函数，p^μ(θ_j)为相关参数θ的惩罚函数，λ为惩罚函数p^λ(β_i)的正则化参数，μ为惩罚函数p^μ(θ_j)的正则化参数，Q(β,σ²,θ|y)表示负罚盲似然函数。

本发明实施例中，对回归系数β采用Lasso惩罚项，即p^λ(β_i)＝λ|β_i|；

对相关系数θ采用SCAD惩罚，即

其中，a选择为3.7。

进一步地，在完成罚盲似然函数的构建后，需要确定罚盲似然函数中的正则化参数，以便于后续进行克里金代理模型的求解；本发明实施例中，利用交叉验证方法来求解正则化参数以获取最优的正则化参数；对于如何利用交叉验证方法选择最优的正则化参数，以下进行具体说明。

具体地，本发明实施例中，利用交叉验证方法选择最优的正则化参数，包括以下步骤：

选取不同的正则化参数λ组成正则化参数集

选取不同的正则化参数μ组成正则化参数集

将测量点的温度信息Ω＝{(x_i,y_i),i＝1,2,...,N}随机分成K份相同样本数量的子集D₁,D₂,...,D_K；

分别将K个子集中的一个集合作为验证集，将剩余K-1个子集作为训练集，构成K个不同的克里金模型，利用公式5分别求解K个不同的克里金模型，并计算K个不同的克里金模型在其对应的验证集上的预测值

利用公式6计算预测值

对应的K折交叉验证误差e_CV(λ,μ)；

设定最优正则化参数为

和

在选定的正则化参数集合S₁和S₂中，选择使K折交叉验证误差最小的正则化参数为最优正则化参数，使

在上述公式5和公式6中，

是最优回归系数，

是最优相关参数，

是最优过程方差，矩阵F代表基函数矩阵，矩阵C是相关矩阵R的Cholesky因子，N是训练样本数量，y是训练样本的模型响应，

和

是y和F左乘矩阵C^-1的中间结果，P是回归系数β的维数，D是变量的维数，lb和ub是相关参数的下界和上界。

进一步地，在完成最优正则化参数的选择后，即可求解嵌套优化问题以估计克里金代理模型的模型参数；对于如何求解嵌套优化问题以估计克里金代理模型的模型参数，以下进行具体说明。

具体地，本发明实施例中，求解嵌套优化问题以估计克里金代理模型的模型参数，包括以下步骤：

a1)设定趋势函数的回归系数为β^(k)，设定相关模型R(θ)的相关参数为θ^(k)，设定过程方差为σ^2(k)，令k＝0，设置回归系数的初值β⁽⁰⁾，相关参数的初值θ⁽⁰⁾和过程方差的初值σ²⁽⁰⁾；

a2)计算相应的相关模型R(θ^(k))，并利用公式8求取相应的回归系数β^(k+1)；

a3)将求解得到的回归系数β^(k+1)代入公式9求取相应的过程方差σ^2(k+1)；

a4)利用衰减牛顿法求解更新相应的相关参数θ^(k+1)；

a5)判断是否达到预设收敛条件，若是，则β^(k+1)、σ^2(k+1)和θ^(k+1)为最优模型参数；若否，则令k的数值增加1，并返回步骤a2。

其中，预设收敛条件根据负罚盲似然函数相对于相关参数θ的梯度的幅度、相关参数θ^(k)和θ^(k+1)的相对变化、以及最大迭代次数设定。

其中，本发明实施例中，利用衰减牛顿法求解更新相应的相关参数θ^(k+1)，包括如下步骤：

a41)计算负罚盲似然函数相对于相关参数θ的梯度和Hessian矩阵；

利用公式10计算负罚盲似然函数的梯度，利用公式11计算负罚盲似然函数的Hessian矩阵；

上述公式10和公式11中，e＝y-Fβ，

tr(·)表示矩阵的迹，

a42)根据负罚盲似然函数的梯度和Hessian矩阵，计算负罚盲似然函数的下降方向；

当负罚盲似然函数的Hessian矩阵为正定矩阵，利用公式12计算负罚盲似然函数的下降方向；当负罚盲似然函数的Hessian矩阵为奇异矩阵或者利用公式12计算获得的下降方向的幅度||d^(k)||₂小于0.1时，利用公式13重新计算负罚盲似然函数的下降方向。

上述公式12和公式13中，

和

分别表示负罚盲似然函数的梯度和Hessian矩阵。

a43)利用下降方向和给定的相关参数θ^(k)，计算相关参数θ^(k+1)；

利用公式14计算相关参数θ^(k+1)；

其中，δ∈(0,1)，θ^(k+1)须满足相关参数θ的上下界约束，m_k为满足下述公式15的最小整数；

Q(β^(k+1),σ^2(k+1),θ^(k+1))＜Q(β^(k+1),σ^2(k+1),θ^(k)) (公式15)

若m_k达到20时仍无法使公式15成立，则设定θ^(k+1)＝θ^(k)，跳出当前迭代，模型参数优化结束；否则直接返回上述的步骤a5。

其中，本发明实施例中，判断是否达到预设收敛条件，包括如下步骤：

a51)计算

的幅度是否小于10^-5，若

的幅度小于10^-5，则达到预设收敛条件1；

a52)计算相关参数在连续的两次迭代中的相对变化||θ^(k+1)-θ^(k)||₂/||θ^(k)||₂是否小于10^-3，若是，设置并启动一个计数器指示算法，开始计数器计数，直到计数器累计值达到4时，则达到预设收敛条件2；

a53)将该计算方法中的最大迭代次数设置为100，以便限制算法的计算时间，此为预设收敛条件3。在100次迭代中持续进行上述的梯度幅度和相关参数在连续的两次迭代中的相对变化的判定流程；若

的幅度不小于10^-5或者相关参数在连续的两次迭代中的相对变化是始终不满足上述要求，则在100次迭代后结束当前迭代过程，模型参数优化结束。

进一步地，当完成最优模型参数的选择后，将最优模型参数β^(k+1)、σ^2(k+1)和θ^(k+1)代入上述公式16，以获取最终的罚盲似然克里金代理模型，实现卫星温度场的罚盲似然克里金代理模型的建立。

进一步地，当需要获取卫星未测量点的温度信息时，可以利用公式16计算获取；

其中，设定卫星未测量点的三维坐标为x_w＝[x_w1,x_w2,x_w3]，则

此外，对于如何结合测量点和未测量点的温度信息，判断卫星热控设计的正确性。本发明实施例提供了一种稳态判据：当卫星中的任意点在任意时刻的温度值与初始温度值相差不超过±0.4℃，且卫星中的任意点的温度值单调变化值不大于0.08℃/h时，则可判定卫星热控设计是正确的。

可见，本发明实施例提供的建立卫星温度场的罚盲似然克里金代理模型的方法，利用有限的卫星测量点的温度信息和基于正则化方式的罚盲似然函数，建立并确定卫星的罚盲似然克里金代理模型，利用确定的罚盲似然克里金代理模型求取卫星未测量点的温度信息，从而根据测量点和未测量点的温度信息验证卫星热控设计的正确性，能够解决由于卫星的测量点有限，而无法对卫星的整星温度进行测量和对卫星热控设计正确性进行验证的问题；且通过对罚盲似然克里金代理模型中的相关参数和回归系数进行嵌套优化，能有效地提高模型精确性。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。此外，本文中“前”、“后”、“左”、“右”、“上”、“下”均以附图中表示的放置状态为参照。

最后应说明的是：以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种建立卫星温度场的罚盲似然克里金代理模型的方法，其特征在于，所述方法包括：

1)测量卫星测量点的温度信息：在卫星的有效载荷分系统、姿态轨道控制分系统、测量数传分系统、综合电子设备和电源分系统中的测量点上放置热流计和温度传感器，利用所述热流计和所述温度传感器测量各个所述分系统中测量点的温度信息；

2)建立卫星温度场的罚盲似然克里金代理模型：将所述测量点的温度信息作为训练集，建立卫星温度场的克里金代理模型，利用基于正则化方式的罚盲似然函数估计所述克里金代理模型的模型参数；

3)计算卫星内未测量点的温度信息：利用所述克里金代理模型计算所述卫星内未测量点的温度信息；

4)验证卫星热控设计：结合所述测量点和所述未测量点的温度信息，判断卫星热控系统是否能维持所述卫星在规定的工作温度范围内，验证所述卫星热控设计的正确性；

其中，所述建立卫星温度场的罚盲似然克里金代理模型，包括：确定所述克里金代理模型的表达式；基于正则化方式构建罚盲似然函数；利用交叉验证方法选择最优的正则化参数；求解嵌套优化问题以估计所述克里金代理模型的模型参数；代入所述模型参数以确定所述克里金代理模型；

所述确定所述克里金代理模型的表达式，包括：

设定所述测量点在所述卫星中的三维坐标x_i＝[x_i1,x_i2,x_i3],i＝1,...,N为自变量，所述测量点的温度值y＝[y₁,y₂,...,y_N]^T为响应值，则所述测量点的温度信息为Ω＝{(x_i,y_i),i＝1,2,...,N}，所述克里金代理模型表达式为：

式中，

表示温度的真实响应值，Fβ为趋势函数，矩阵F＝[f(x₁),f(x₂),...,f(x_N)]^T，f(x)为基函数，β为回归系数，z(x)为随机过程，z(x)的均值为0，协方差为σ²R(θ)，σ²为过程方差，R(θ)为带有相关参数θ的相关模型；

所述基于正则化方式构建罚盲似然函数，包括：

构建罚盲似然函数为：

利用公式4将最大化罚盲似然函数问题转化为最小化负罚盲似然函数问题；

式中，L(β,σ²,θ|y)为对数高斯似然函数，p^λ(β_i)为所述回归系数β的惩罚函数，p^μ(θ_j)为所述相关参数θ的惩罚函数，λ为所述惩罚函数p^λ(β_i)的正则化参数，μ为所述惩罚函数p^μ(θ_j)的正则化参数，Q(β,σ²,θ|y)表示负罚盲似然函数。

2.根据权利要求1所述的建立卫星温度场的罚盲似然克里金代理模型的方法，其特征在于，对所述回归系数β采用Lasso惩罚项，使p^λ(β_i)＝λ|β_i|；

对所述相关系数θ采用SCAD惩罚，使

3.根据权利要求2所述的建立卫星温度场的罚盲似然克里金代理模型的方法，其特征在于，所述利用交叉验证方法选择最优的正则化参数，包括：

选取不同的所述正则化参数λ组成正则化参数集

选取不同的所述正则化参数μ组成正则化参数集

将所述测量点的温度信息Ω＝{(x_i,y_i),i＝1,2,...,N}随机分成K份相同样本数量的子集D₁,D₂,...,D_K；

分别将所述K个子集中的一个集合作为验证集，将剩余K-1个子集作为训练集，构成K个不同的克里金模型，利用公式5分别求解所述K个不同的克里金模型，并计算所述K个不同的克里金模型在其对应的所述验证集上的预测值

利用公式6计算所述预测值

对应的K折交叉验证误差e_CV(λ,μ)；

设定所述最优正则化参数为

和

在选定的所述正则化参数集合S₁和S₂中，选择使所述K折交叉验证误差最小的正则化参数为所述最优正则化参数，使

4.根据权利要求3所述的建立卫星温度场的罚盲似然克里金代理模型的方法，其特征在于，所述求解嵌套优化问题以估计所述克里金代理模型的模型参数，包括：

a1)设定所述趋势函数的回归系数为β^(k)，设定所述相关模型R(θ)的相关参数为θ^(k)，设定所述过程方差为σ^2(k)，令k＝0，设置所述回归系数的初值β⁽⁰⁾，所述相关参数的初值θ⁽⁰⁾和所述过程方差的初值σ²⁽⁰⁾；

a2)计算相应的相关模型R(θ^(k))，并利用公式8求取相应的回归系数β^(k+1)；

a3)将求解得到的所述回归系数β^(k+1)代入公式9求取相应的过程方差σ^2(k+1)；

a4)利用衰减牛顿法求解更新相应的相关参数θ^(k+1)；

a5)判断是否达到预设收敛条件，若是，则β^(k+1)、σ^2(k+1)和θ^(k+1)为最优模型参数；若否，则令k的数值增加1，并返回步骤a2。

5.根据权利要求4所述的建立卫星温度场的罚盲似然克里金代理模型的方法，其特征在于，所述利用衰减牛顿法求解更新相应的相关参数θ^(k+1)，包括：

计算所述负罚盲似然函数相对于所述相关参数θ的梯度和Hessian矩阵；

根据所述负罚盲似然函数的所述梯度和所述Hessian矩阵，计算所述负罚盲似然函数的下降方向；

利用所述下降方向和给定的相关参数θ^(k)，计算所述相关参数θ^(k+1)；

6.根据权利要求5所述的建立卫星温度场的罚盲似然克里金代理模型的方法，其特征在于，所述卫星未测量点的温度信息利用公式16计算获取；

其中，设定所述卫星未测量点的三维坐标为x_w＝[x_w1,x_w2,x_w3]，则

Images