CN111157134A - 一种估测卫星无测温点设备在轨温度的方法 - Google Patents
一种估测卫星无测温点设备在轨温度的方法 Download PDFInfo
- Publication number
- CN111157134A CN111157134A CN201911195123.4A CN201911195123A CN111157134A CN 111157134 A CN111157134 A CN 111157134A CN 201911195123 A CN201911195123 A CN 201911195123A CN 111157134 A CN111157134 A CN 111157134A
- Authority
- CN
- China
- Prior art keywords
- satellite
- temperature
- neural network
- orbit
- test data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
- G01K7/02—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using thermoelectric elements, e.g. thermocouples
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
- G01K7/16—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using resistive elements
- G01K7/22—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using resistive elements the element being a non-linear resistance, e.g. thermistor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Nonlinear Science (AREA)
- Measuring Temperature Or Quantity Of Heat (AREA)
Abstract
一种估测卫星无测温点设备在轨温度的方法,属于卫星热控领域,包括如下步骤:S1、针对无测温点设备,在地面开展试验,获取测试数据;S2、基于卫星上热敏电阻的数量和S1所述的试验数据,建立BP神经网络,然后进行训练;S3、根据卫星上热敏电阻的在轨测试数据和训练后的BP神经网络,获得卫星上无测温点设备的在轨温度。本发明使用了具有优异的拟合复杂非线性系统能力的BP神经网络来估测卫星无测温点设备在轨温度;所建立的卫星无测温点设备在轨稳定估测BP神经网络估测精度高,测试结果表明估测精度误差小于1℃。
Description
技术领域
本发明涉及一种估测卫星无测温点设备在轨温度的方法,特别是采用BP神经网络来实现精确估测卫星无测温点设备在轨飞行温度的方法,属于卫星热控领域。
背景技术
随着航天技术的发展,卫星在遥感、减灾、农业等方面的应用越来越广泛。卫星在太空中绕轨道运行,太空热环境恶劣,卫星主要会受到太阳辐射、地球反照和地球红外辐射外热源影响,因此必须进行专门的热控设计保障卫星正常工作。
为监测卫星设备温度,热控设计中常在卫星设备上粘贴热敏电阻作为测温点,由于卫星的测温需要通过星务遥测通道采集,星务遥测通道有限,同时考虑到成本、重量等因素,只在卫星重要设备或者结构处粘贴测温点,因此遥测得到的测温数据有限,不能得到无测温点设备的温度。现在传统估测无测温点设备温度是通过传热学原理,根据安装位置相近设备温度估测无测温点设备温度,然而由于卫星存在漏热等原因,难以精确估测设备温度。
发明内容
本发明要解决的技术问题是:克服现有技术的不足,提供了一种估测卫星无测温点设备在轨温度的方法,包括如下步骤:S1、针对无测温点设备,在地面开展试验,获取测试数据;S2、基于卫星上热敏电阻的数量和S1所述的试验数据,建立BP神经网络,然后进行训练;S3、根据卫星上热敏电阻的在轨测试数据和训练后的BP神经网络,获得卫星上无测温点设备的在轨温度。
本发明目的通过以下技术方案予以实现:
一种估测卫星无测温点设备在轨温度的方法,包括如下步骤:
S1、针对无测温点设备,在地面开展试验,获取测试数据;
S2、基于卫星上热敏电阻的数量和S1所述的测试数据,建立BP神经网络,然后进行训练;
S3、根据卫星上热敏电阻的在轨测试数据和训练后的BP神经网络,获得卫星上无测温点设备的在轨温度。
优选的,所述地面开展试验的条件为热平衡和热真空工况。
优选的,S1中测试数据包括热敏测量的数据和热电偶测量的数据。
优选的,所述BP神经网络包括输入层、隐含层、输出层;所述输入层中的输入值的数量根据卫星上的热敏电阻的数量确定。
优选的,设定多个隐含层节点数,然后计算了不同隐含层节点数的神经网络的估测误差,选择估测误差最小的神经网络隐含层节点数最为最终的隐含层节点数。
优选的,输出层中输出值数目根据在轨估测温度的设备数目确定。
优选的,当BP神经网络拟合的输出层与地面试验测试数据之间的均方差不超过预设目标均方差后停止训练,保存所训练后的BP神经网络。
优选的,S2中的训练数据采用随机抽取的方式从测试数据获取。
本发明相比于现有技术具有如下有益效果:
(1)本发明所提供的一种估测卫星无测温点设备在轨温度的方法,使用了具有优异的拟合复杂非线性系统能力的BP神经网络来估测卫星无测温点设备在轨温度;
(2)本发明训练BP神经网络的样本数据来源于卫星热试验,无需另外试验获取样本数据;
(3)本发明的卫星无测温点设备在轨稳定估测BP神经网络估测精度高,测试结果表明估测精度误差小于1℃。
附图说明
图1为本发明估测卫星无测温点设备在轨温度的方法流程图;
图2为本发明估测卫星无测温点设备在轨温度的BP神经网络结构图。
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,下面将结合附图对本发明的实施方式作进一步详细描述。
实施例1:
一种估测卫星无测温点设备在轨温度的方法,包括如下步骤:
S1、针对无测温点设备,在地面开展试验,获取测试数据;测试数据包括热敏测量的数据和热电偶测量的数据;
S2、基于卫星上热敏电阻的数量和S1所述的测试数据,建立BP神经网络,然后进行训练;所述BP神经网络包括输入层、隐含层、输出层;所述输入层中的输入值的数量根据卫星上的热敏电阻的数量确定;设定多个隐含层节点数,然后计算了不同隐含层节点数的神经网络的估测误差,选择估测误差最小的神经网络隐含层节点数最为最终的隐含层节点数;输出层中输出值数目根据在轨估测温度的设备数目确定;训练数据采用随机抽取的方式从测试数据获取;
S3、根据卫星上热敏电阻的在轨测试数据和训练后的BP神经网络,获得卫星上无测温点设备的在轨温度。
所述地面开展试验的条件为热平衡和热真空工况。
当BP神经网络拟合的输出层与地面试验测试数据之间的均方差不超过预设目标均方差后停止训练,保存所训练后的BP神经网络。
实施例2:
一种估测卫星无测温点设备在轨温度的方法,主要是通过构建卫星无测温点设备在轨温度估测的反向传播神经网络(以下简称BP神经网络)方法实现;流程如图1所示。该方法由三部分组成。第一步是样本数据获得,在热试验前针对无测温点的设备需要实现在轨温度估测的粘贴热试验用热电偶。然后根据热平衡和热真空试验的工况试验,试验后整理数据,获取热试验中热敏测量的数据和热电偶测量的数据。
第二步是BP神经网络的建立与训练。所使用的BP神经网络结构如图2所示,主要由输入层、隐含层、输出层组成。所述的BP神经网络结构确定指的是输入层数目确定、隐含层节点数目确定、输出层数目确定。
输入层中输入值的数量根据星上热敏电阻数量确定。参考隐含层节点公式推荐的数值范围,计算了不同隐含层节点数的神经网络估测误差,选择估测误差最小的神经网络隐含层节点数。输出层中输出值数目根据热试验中需要实现在轨估测的粘贴了热电偶的设备数目确定。在BP神经网络结构建立后对其随机初始化,然后输入训练集样本数据进行训练,当神经网络拟合的输出层与真实输出层数据之间的均方差达到目标均方差后停止训练,保存所训练完的神经网络。
具体的,输入层数目确定根据卫星上粘贴有热敏电阻的数目确定,输入层数目等于卫星上粘贴有热敏电阻的设备数目。隐含层数目确定根据输入层和输出层节点数目确定,按如下方法选取:
l<n-1 (1)
l=log2n (3)
式中,n为输入层节点数;l为隐含层节点数;m为输出层节点数;a为0~10之间的常数。根据上述公式的数值范围,计算不同隐含层节点数的神经网络估测误差,选择估测误差最小的隐含层节点数。
输出层数目根据卫星上粘贴有热敏电阻的数目确定,输出层数目等于卫星上没有粘贴有热敏电阻但是在热试验粘贴了热电偶的设备数目。
BP神经网络训练和测试是指采用卫星热试验中获取的热敏电阻数据和热电偶数据作为样本数据训练和测试。训练集和测试集随机从卫星热试验数据中选取。BP神经网络训练过程是指把样本集中的输入层数据和输出层数据输入到神经网络中,神经网络会根据拟合均方差目标反复迭代神经网络的权值,将神经网络拟合的输出层与真实输出层数据之间的均方差逼近目标均方差,直到达到目标值后停止训练。本实施例中,测试结果与测试集实际数据相差小于1℃则完成卫星无测温点设备在轨稳定估测BP神经网络的建立。
第三步是使用所建立的BP神经网络进行卫星无测温点设备在轨温度估测,把卫星在轨热敏电阻遥测的设备温度作为输入层数据输入到BP神经网络中,然后输出得到卫星无测温点设备在轨温度。
地面试验数据采集是指在无测温点设备上粘贴热电偶,作为温度采集装置。热电偶要粘贴在距离设备安装面20mm以内。热试验数据采样频率尽可能高,数据采集时间间隔不大于一分钟。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (8)
1.一种估测卫星无测温点设备在轨温度的方法,其特征在于,包括如下步骤:
S1、针对无测温点设备,在地面开展试验,获取测试数据;
S2、基于卫星上热敏电阻的数量和S1所述的测试数据,建立BP神经网络,然后进行训练;
S3、根据卫星上热敏电阻的在轨测试数据和训练后的BP神经网络,获得卫星上无测温点设备的在轨温度。
2.根据权利要求1所述的一种估测卫星无测温点设备在轨温度的方法,其特征在于,所述地面开展试验的条件为热平衡和热真空工况。
3.根据权利要求1所述的一种估测卫星无测温点设备在轨温度的方法,其特征在于,S1中测试数据包括热敏测量的数据和热电偶测量的数据。
4.根据权利要求1所述的一种估测卫星无测温点设备在轨温度的方法,其特征在于,所述BP神经网络包括输入层、隐含层、输出层;所述输入层中的输入值的数量根据卫星上的热敏电阻的数量确定。
5.根据权利要求4所述的一种估测卫星无测温点设备在轨温度的方法,其特征在于,设定多个隐含层节点数,然后计算了不同隐含层节点数的神经网络的估测误差,选择估测误差最小的神经网络隐含层节点数最为最终的隐含层节点数。
6.根据权利要求4所述的一种估测卫星无测温点设备在轨温度的方法,其特征在于,输出层中输出值数目根据在轨估测温度的设备数目确定。
7.根据权利要求1~6之一所述的一种估测卫星无测温点设备在轨温度的方法,其特征在于,当BP神经网络拟合的输出层与地面试验测试数据之间的均方差不超过预设目标均方差后停止训练,保存所训练后的BP神经网络。
8.根据权利要求1~6之一所述的一种估测卫星无测温点设备在轨温度的方法,其特征在于,S2中的训练数据采用随机抽取的方式从测试数据获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911195123.4A CN111157134A (zh) | 2019-11-28 | 2019-11-28 | 一种估测卫星无测温点设备在轨温度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911195123.4A CN111157134A (zh) | 2019-11-28 | 2019-11-28 | 一种估测卫星无测温点设备在轨温度的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111157134A true CN111157134A (zh) | 2020-05-15 |
Family
ID=70556228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911195123.4A Pending CN111157134A (zh) | 2019-11-28 | 2019-11-28 | 一种估测卫星无测温点设备在轨温度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111157134A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102141422A (zh) * | 2010-12-31 | 2011-08-03 | 北京航空航天大学 | 适用于小卫星单相流体热控回路的流量-温度一体化测量装置 |
US20110190643A1 (en) * | 2010-02-04 | 2011-08-04 | Siemens Medical Solutions Usa, Inc. | System for Cardiac Status Determination |
CN102539019A (zh) * | 2012-01-05 | 2012-07-04 | 北京东方计量测试研究所 | 空间真空环境下的温度测量与校准平台 |
CN107451656A (zh) * | 2017-08-08 | 2017-12-08 | 上海航天控制技术研究所 | 一种火星探测器器上自主轨道计算方法 |
CN109470268A (zh) * | 2018-11-02 | 2019-03-15 | 佛山科学技术学院 | 一种提高卫星姿态确定精度和效率的方法 |
-
2019
- 2019-11-28 CN CN201911195123.4A patent/CN111157134A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110190643A1 (en) * | 2010-02-04 | 2011-08-04 | Siemens Medical Solutions Usa, Inc. | System for Cardiac Status Determination |
CN102141422A (zh) * | 2010-12-31 | 2011-08-03 | 北京航空航天大学 | 适用于小卫星单相流体热控回路的流量-温度一体化测量装置 |
CN102539019A (zh) * | 2012-01-05 | 2012-07-04 | 北京东方计量测试研究所 | 空间真空环境下的温度测量与校准平台 |
CN107451656A (zh) * | 2017-08-08 | 2017-12-08 | 上海航天控制技术研究所 | 一种火星探测器器上自主轨道计算方法 |
CN109470268A (zh) * | 2018-11-02 | 2019-03-15 | 佛山科学技术学院 | 一种提高卫星姿态确定精度和效率的方法 |
Non-Patent Citations (2)
Title |
---|
MENGSHUO CHEN 等: "Retrieving Atmospheric and Land Surface Parameters From At-Sensor Thermal Infrared Hyperspectral Data With Artificial Neural Network", 《JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》 * |
张旭东 等: "基于BP神经网络的纳卫星轨道温度预测", 《北京航空航天大学学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10378894B2 (en) | Systems and methods for estimating and altitude of a mobile device based on detected temperature conditions | |
Schott et al. | Thermal infrared radiometric calibration of the entire Landsat 4, 5, and 7 archive (1982–2010) | |
Hurst et al. | Validation of Aura Microwave Limb Sounder stratospheric water vapor measurements by the NOAA frost point hygrometer | |
US20150127287A1 (en) | Determining calibrated measurements of pressure for different sensors | |
CN110702274B (zh) | 一种基于精确微型相变固定点黑体模型的太空校准方法 | |
JP3669502B2 (ja) | 人工衛星用トータルパワー方式マイクロ波放射計の校正方法 | |
US20230266121A1 (en) | Systems and methods for determining calibration values for atmospheric sensors that provide measured pressures used for estimating altitudes of mobile devices | |
CN109580033A (zh) | 一种混凝土坝分布式光纤测温数据误差补偿方法 | |
Mueller et al. | Calibration of the HP3 radiometer on InSight | |
Günhan et al. | Polynomial degree determination for temperature dependent error compensation of inertial sensors | |
CN111157134A (zh) | 一种估测卫星无测温点设备在轨温度的方法 | |
CN103900757B (zh) | 一种对水下热敏剪应力传感器进行温度修正的方法 | |
CN107228672B (zh) | 一种适用于姿态机动工况下的星敏和陀螺数据融合方法 | |
Jun et al. | Metrological software test for studying the method of thermocouple error determination during operation | |
Cozmuta et al. | Proposed Analysis Process for Mars Science Laboratory Heat Shield Sensor Plug Flight Data | |
Schüppler et al. | Uncertainty analysis of wireless temperature measurement (WTM) in borehole heat exchangers | |
Jiang et al. | Error compensation of MEMS gyroscope used in rocket artillery launcher disturbance detector | |
Súbjcerg et al. | Performance assessment of an LNA used as active cold load | |
Glaus et al. | Recent results of water vapor radiometry in assessing vertical lithospheric movements by using space geodetic radiowave techniques | |
Schmugge et al. | Surface temperature observations from AVHRR in FIFE | |
Sparasci et al. | Submillimetre thermistors for balloon‐borne applications up to lower stratosphere: preliminary characterization with 0.02 K uncertainty | |
Aksoy et al. | Tracking calibration stability in climate monitoring microwave radiometers using onboard 3-point calibration | |
Pilipenko et al. | Uncertainty of recovery of boundary conditions of heat exchange of complex bodies by solving inverse problems of thermal conductivity | |
Rice et al. | Thermal-infrared scale verifications at 10 um using the NIST EOS TXR | |
Li et al. | Study on high stability of synthetic Aperture microwave radiometer |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200515 |
|
RJ01 | Rejection of invention patent application after publication |