CN115293459B - 一种数字孪生卫星有效载荷健康管理系统 - Google Patents
一种数字孪生卫星有效载荷健康管理系统 Download PDFInfo
- Publication number
- CN115293459B CN115293459B CN202211169474.XA CN202211169474A CN115293459B CN 115293459 B CN115293459 B CN 115293459B CN 202211169474 A CN202211169474 A CN 202211169474A CN 115293459 B CN115293459 B CN 115293459B
- Authority
- CN
- China
- Prior art keywords
- data
- payload
- satellite
- effective load
- environment
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种数字孪生卫星有效载荷健康管理系统,涉及卫星管理技术领域,所述系统包括,有效载荷模型构建模块、空间环境模拟模块和有效载荷健康管理模块;所述有效载荷模型构建模块,用于在数字空间构建多个数字孪生卫星有效载荷模型;所述空间环境模拟模块,用于从光学、力学和电磁学三个维度模拟有效载荷的外部运行环境物理量,生成空间环境数据并发送至有效载荷健康管理模块;所述有效载荷健康管理模块,用于基于卫星运行过程中有效载荷产生的遥测数据、工程数据、控制数据及空间环境数据,对卫星的有效载荷运行状态进行监测、评估以及预测。与现有技术相比本申请的卫星有效载荷健康管理系统更加科学有效。
Description
技术领域
本申请涉及卫星管理技术领域,尤其是涉及一种数字孪生卫星有效载荷健康管理系统。
背景技术
目前,卫星健康管理技术已经向大数据和智能化方向蓬勃发展,现有的卫星有效载荷健康管理系统存在以不足:
1)缺乏卫星有效载荷主动管理能力
卫星有效载荷健康管理是故障诊断技术的扩展,因此其应用大多数局限于在轨运行的故障检测,未能对卫星有效载荷运行的全生命周期进行维护管理,是种被动的健康管理方式,缺乏科学系统地对卫星有效载荷工作状态进行提前规划推演的能力;
2)非物理状态监测能力弱
当前卫星有效载荷健康管理主要是基于各类物理模型,对其有效载荷的任务行为进行监测和仿真,监测的是卫星有效载荷设备的系统、分系统和载荷级别的工作状态,未能对其中的信息化数据流、控制指令的执行过程等数据虚拟状态进行有效仿真,不能对其故障进行快速定位,或者需要成本高昂的实物仿真;
3)未具备空间环境仿真条件
卫星有效载荷健康管理系统与卫星平台健康管理最大的不同,在于有效载荷上的各类独特的物理元素探测器,因此空间环境对有效载荷工作状态的影响极大,健康管理系统除了需模拟有效载荷的工作元素,还应尽可能地模拟其外部所在的工作环境,然而目前的健康管理系统还主要延续卫星健康管理系统的思路,仅是利用在轨采集到的状态数据进行监测,并运用模型仿真、机器学习等方法,判断卫星有效载荷的在轨状态,局限于卫星有效载荷自身的参数监测,并未对外部环境,如行星表面光学环境、空间电磁场环境进行有效仿真。
发明内容
有鉴于此,本申请提供了一种数字孪生卫星有效载荷健康管理系统,以解决上述技术问题。
本申请实施例提供了一种数字孪生卫星有效载荷健康管理系统,所述系统包括:有效载荷模型构建模块、空间环境模拟模块和有效载荷健康管理模块;
所述有效载荷模型构建模块,用于在数字空间构建多个数字孪生卫星有效载荷模型;
所述空间环境模拟模块,用于从光学、力学和电磁学三个维度模拟有效载荷的外部运行环境物理量,生成空间环境数据并发送至有效载荷健康管理模块;
所述有效载荷健康管理模块,用于基于卫星运行过程中有效载荷产生的遥测数据、工程数据、控制数据及空间环境数据,对卫星的有效载荷运行状态进行监测、评估以及预测。
进一步地,所述有效载荷模型构建模块具体用于:
将实体卫星有效载荷的研制和运行的全生命周期状态在数字空间进行全要素实时数字化映射,得到多个数字孪生卫星有效载荷。
进一步地,所述空间环境模拟模块包括:光学环境模拟组件、力学环境模拟组件和电磁环境模拟组件;
光学环境模拟组件,用于模拟光学载荷在任务场景下的动态环境,模拟异常光学环境,生成光学环境数据;
力学环境模拟组件,用于模拟有效载荷在卫星异常姿态下的工作状态,确定有效载荷在空间维度的故障反应行为,生成力学环境数据;
电磁环境模拟组件,用于模拟有效载荷所处的电磁场环境,生成电磁场环境数据。
进一步地,所述有效载荷健康管理模块包括:卫星运行信息管理单元、有效载荷知识发现单元、有效载荷故障诊断单元和有效载荷健康分析预测单元;
卫星运行信息管理单元:用于对卫星在轨运行阶段产生的轨道姿态数据、计划指令数据和工程遥测参数数据,以及空间环境模拟模块模拟产生的轨道相关空间环境数据进行清洗、融合和存储;
有效载荷知识发现单元:用于对卫星全生命周期数据进行数据挖掘,发现数据本身存在的潜在规律知识,以及不同数据之间存在的潜在关联关系,构建为有效载荷故障诊断和有效载荷健康分析功能提供支持的数据知识模型;
有效载荷故障诊断单元:用于构建有效载荷故障模型,利用有效载荷故障模型对有效载荷遥测数据、工程数据、控制数据及空间环境数据进行分析推理,发现并定位故障点和可能的故障原因;
有效载荷健康分析预测单元:用于分别构建载荷健康评估及预测模型,利用卫星工程参数、有效载荷控制计划和空间环境数据,对有效载荷健康情况进行评估,并对有效载荷未来健康趋势进行预测。
进一步地,不同数据之间存在的潜在关联关系包括:工程参数数据和空间环境数据的关联关系、工程参数数据和过磁场异常区时段预报的关联关系、工程参数数据和指令执行情况的关联关系以及卫星相关工程参数的关联关系。
与现有技术相比本申请的卫星有效载荷健康管理系统更加科学有效。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本申请的一些实施方式,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为本申请实施例提供的数字孪生卫星有效载荷健康管理系统的功能结构图;
图2为本申请实施例提供的空间环境模拟模块的功能结构图;
图3为本申请实施例提供的有效载荷健康管理模块的功能结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
首先对本申请实施例的设计思想进行简单介绍。
地面卫星有效载荷健康管理系统是对卫星有效载荷进行故障诊断、预测和隔离的重要工具,对于控制卫星平台以及有效载荷的运行风险、降低保障成本、缩减维护规模具有现实意义。卫星有效载荷健康管理系统在技术上主要通过采集卫星有效载荷上各类传感器的状态信息,结合专家知识,借助各种算法与推理模型实现对卫星有效载荷运行状态的监测、预测、判别以及管理。
随着信息技术和计算机技术的发展进步,数字孪生技术在航天领域得到不断地应用和发展。数字孪生技术的首要应用就是卫星设备的在轨健康管理,原因在于,在轨卫星有效载荷健康管理要求在地面预留一套与在轨设备一样的硬件产品,一旦有效载荷出现异常情况,地面就能模拟在轨异常现象,进行故障诊断和排故推演,但这样的做法除了硬件成本高昂,并且对信息流处理异常、单粒子效应等卫星特有故障无法诊断和定位,而数字孪生技术是解决该类问题的有效方法。
数字孪生卫星有效载荷是与实体卫星有效载荷相对应,将实体卫星有效载荷的研制和运行的全生命周期状态在数字空间的全要素实时数字化映射,是在卫星有效载荷系统、分系统、设备、元器件等多个层级集成的多学科、多物理、多尺度、超写实、动态概率的孪生模型,是和实体卫星有效载荷同源产生、数据共享、协同进化、实时互动、天地同步、超期生存的数字模型集合。用于实时反映实体卫星有效载荷在现实环境中的形成过程、状态和行为,更可在数字空间超越实体卫星有效载荷限制实现预测、评估、优化的效益倍增,是卫星有效载荷产品生命周期和全价值链的孪生资产及效能指增器,可以有效弥补当前卫星有效载荷健康管理在主动性、虚拟化和空间环境仿真等方面的不足。
鉴于以往的卫星载荷健康只考虑卫星本身载荷的出场机理参数,根据遥测数据进行阈值判断,本申请基于多源数据构建卫星的数字孪生场景,首先引入遥测数据来判断载荷工作环境情况,再引入工程数据来反应卫星任务执行状态最后通过引入空间环境数据来进行高度还原卫星所处环境,搭建数字化仿真场景。根据系统库故障模型以及卫星有效载荷的健康机理数据来进行初步卫星载荷健康阈值的设定,根据阈值设定对所汇聚的数据进行数据清洗,提取卫星有效载荷的特征数据,将各类空间环境数据进行融合,形成空间环境模型,去除无效数据,并将得到的数据模型进行机器学习训练,得到故障预测分析,专家根据历史经验结合机器学习结果进行异常数据的故障诊断。系统根据专家判断结果跟机器学习成果形成解决方案知识,并进行持久化存储,从而使卫星有效载荷健康管理更加科学有效。
在介绍了本申请实施例的应用场景和设计思想之后,下面对本申请实施例提供的技术方案进行说明。
如图1所示,本申请实施例提供了一种数字孪生卫星有效载荷健康管理系统,系统100包括:有效载荷模型构建模块101、空间环境模拟模块102和有效载荷健康管理模块103;
所述有效载荷模型构建模块101,用于在数字空间构建多个数字孪生卫星有效载荷;
所述空间环境模拟模块102,用于从光学、力学和电磁学三个维度模拟有效载荷的外部运行环境物理量,生成空间环境数据并发送至有效载荷健康管理模块;
所述有效载荷健康管理模块103,用于基于卫星运行过程中有效载荷产生的遥测数据、工程数据、控制数据及空间环境数据,对卫星的有效载荷运行状态进行监测、评估以及预测。
在本实施例中,所述有效载荷模型构建模块101具体用于:将实体卫星有效载荷的研制和运行的全生命周期状态在数字空间进行全要素实时数字化映射,得到多个数字孪生卫星有效载荷。
在本实施例中,如图2所示,所述空间环境模拟模块102包括:光学环境模拟组件201、力学环境模拟组件202和电磁环境模拟组件203;
光学环境模拟组件201,用于模拟光学载荷在任务场景下的动态环境,模拟异常光学环境,生成光学环境数据;
力学环境模拟组件202,用于模拟有效载荷在卫星异常姿态下的工作状态,确定有效载荷在空间维度的故障反应行为,生成力学环境数据;
电磁环境模拟组件203,用于模拟有效载荷所处的电磁场环境,生成电磁场环境数据。
在本实施例中,如图3所示,所述有效载荷健康管理模块103包括:卫星运行信息管理单元301、有效载荷知识发现单元302、有效载荷故障诊断单元303和有效载荷健康分析预测单元304;
卫星运行信息管理单元301:用于对卫星在轨运行阶段产生的轨道姿态数据、计划指令数据和工程遥测参数数据,以及空间环境模拟模块模拟产生的轨道相关空间环境数据进行清洗、融合和存储;
有效载荷知识发现单元302:用于对卫星全生命周期数据进行数据挖掘,发现数据本身存在的潜在规律知识,以及不同数据之间存在的潜在关联关系,构建为有效载荷故障诊断和有效载荷健康分析功能提供支持的数据知识模型;
其中,不同数据之间存在的潜在关联关系包括:工程参数数据和空间环境数据的关联关系、工程参数数据和过磁场异常区时段预报的关联关系、工程参数数据和指令执行情况的关联关系以及卫星相关工程参数的关联关系。
有效载荷故障诊断单元303:用于构建有效载荷故障模型,利用有效载荷故障模型对有效载荷遥测数据、工程数据、控制数据及空间环境数据进行分析推理,发现并定位故障点和可能的故障原因;
有效载荷健康分析预测单元304:用于分别构建载荷健康评估及预测模型,利用卫星工程参数、有效载荷控制计划和空间环境数据,对有效载荷健康情况进行评估,并对有效载荷未来健康趋势进行预测。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,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,或者对其中部分或者全部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申请各实施例技术方案的范围。
Claims (2)
1.一种数字孪生卫星有效载荷健康管理系统,其特征在于,所述系统包括:有效载荷模型构建模块、空间环境模拟模块和有效载荷健康管理模块;
所述有效载荷模型构建模块,用于在数字空间构建多个数字孪生卫星有效载荷模型;
所述空间环境模拟模块,用于从光学、力学和电磁学三个维度模拟有效载荷的外部运行环境物理量,生成空间环境数据并发送至有效载荷健康管理模块;
所述有效载荷健康管理模块,用于基于卫星运行过程中有效载荷产生的遥测数据、工程数据、控制数据及空间环境数据,对卫星的有效载荷运行状态进行监测、评估以及预测;
其中,所述有效载荷模型构建模块具体用于:
将实体卫星有效载荷的研制和运行的全生命周期状态在数字空间进行全要素实时数字化映射,得到多个数字孪生卫星有效载荷模型;
其中,所述空间环境模拟模块包括:光学环境模拟组件、力学环境模拟组件和电磁环境模拟组件;
光学环境模拟组件,用于模拟光学载荷在任务场景下的动态环境,模拟异常光学环境,生成光学环境数据;
力学环境模拟组件,用于模拟有效载荷在卫星异常姿态下的工作状态,确定有效载荷在空间维度的故障反应行为,生成力学环境数据;
电磁环境模拟组件,用于模拟有效载荷所处的电磁场环境,生成电磁场环境数据;
其中,所述有效载荷健康管理模块包括:卫星运行信息管理单元、有效载荷知识发现单元、有效载荷故障诊断单元和有效载荷健康分析预测单元;
卫星运行信息管理单元:用于对卫星在轨运行阶段产生的轨道姿态数据、计划指令数据和工程遥测参数数据,以及空间环境模拟模块模拟产生的轨道相关空间环境数据进行清洗、融合和存储;
有效载荷知识发现单元:用于对卫星全生命周期数据进行数据挖掘,发现数据本身存在的潜在规律知识,以及不同数据之间存在的潜在关联关系,构建为有效载荷故障诊断和有效载荷健康分析功能提供支持的数据知识模型;
有效载荷故障诊断单元:用于构建有效载荷故障模型,利用有效载荷故障模型对有效载荷遥测数据、工程数据、控制数据及空间环境数据进行分析推理,发现并定位故障点和可能的故障原因;
有效载荷健康分析预测单元:用于分别构建载荷健康评估及预测模型,利用卫星工程参数、有效载荷控制计划和空间环境数据,对有效载荷健康情况进行评估,并对有效载荷未来健康趋势进行预测。
2.根据权利要求1所述的数字孪生卫星有效载荷健康管理系统,其特征在于,不同数据之间存在的潜在关联关系包括:工程参数数据和空间环境数据的关联关系、工程参数数据和过磁场异常区时段预报的关联关系、工程参数数据和指令执行情况的关联关系以及卫星相关工程参数的关联关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211169474.XA CN115293459B (zh) | 2022-09-26 | 2022-09-26 | 一种数字孪生卫星有效载荷健康管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211169474.XA CN115293459B (zh) | 2022-09-26 | 2022-09-26 | 一种数字孪生卫星有效载荷健康管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115293459A CN115293459A (zh) | 2022-11-04 |
CN115293459B true CN115293459B (zh) | 2022-12-06 |
Family
ID=83834843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211169474.XA Active CN115293459B (zh) | 2022-09-26 | 2022-09-26 | 一种数字孪生卫星有效载荷健康管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115293459B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116090243A (zh) * | 2023-02-10 | 2023-05-09 | 数字太空(北京)科技股份公司 | 一种卫星虚拟控制教学平台及方法 |
CN116227561B (zh) * | 2023-02-17 | 2023-09-12 | 电子科技大学 | 一种基于数字孪生和容器技术的卫星轨道误差预测方法 |
CN116863097A (zh) * | 2023-09-05 | 2023-10-10 | 航天宏图信息技术股份有限公司 | 一种空间环境数据模型构建方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105245364A (zh) * | 2015-09-29 | 2016-01-13 | 中国运载火箭技术研究院 | 一种卫星有效载荷任务管理系统 |
CN112034731A (zh) * | 2020-08-12 | 2020-12-04 | 中国科学院国家空间科学中心 | 一种基于关联知识的有效载荷半实物仿真系统 |
CN113961612A (zh) * | 2021-07-21 | 2022-01-21 | 重庆悦君和信科技有限公司 | 一种基于深度学习的卫星健康数据综合分析系统及方法 |
CN114448489A (zh) * | 2020-10-30 | 2022-05-06 | 安世亚太科技股份有限公司 | 基于模型的卫星通信系统数字孪生体和系统架构 |
CN114867080A (zh) * | 2022-03-25 | 2022-08-05 | 沈阳航空航天大学 | 基于数字孪生的星地通信切换和路由方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2881590B1 (fr) * | 2005-01-31 | 2007-04-06 | Agence Spatiale Europeenne | Procede de communication numerique par paquets a travers un canal de transmission partage par une pluralite d'utilisateurs |
-
2022
- 2022-09-26 CN CN202211169474.XA patent/CN115293459B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105245364A (zh) * | 2015-09-29 | 2016-01-13 | 中国运载火箭技术研究院 | 一种卫星有效载荷任务管理系统 |
CN112034731A (zh) * | 2020-08-12 | 2020-12-04 | 中国科学院国家空间科学中心 | 一种基于关联知识的有效载荷半实物仿真系统 |
CN114448489A (zh) * | 2020-10-30 | 2022-05-06 | 安世亚太科技股份有限公司 | 基于模型的卫星通信系统数字孪生体和系统架构 |
CN113961612A (zh) * | 2021-07-21 | 2022-01-21 | 重庆悦君和信科技有限公司 | 一种基于深度学习的卫星健康数据综合分析系统及方法 |
CN114867080A (zh) * | 2022-03-25 | 2022-08-05 | 沈阳航空航天大学 | 基于数字孪生的星地通信切换和路由方法 |
Non-Patent Citations (1)
Title |
---|
中国空间科学任务有效载荷的管理;李超等;《科技导报》;20200813(第15期);第37-44页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115293459A (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115293459B (zh) | 一种数字孪生卫星有效载荷健康管理系统 | |
Yu et al. | A Digital Twin approach based on nonparametric Bayesian network for complex system health monitoring | |
Kang et al. | Multimedia knowledge‐based bridge health monitoring using digital twin | |
Farrar et al. | Damage prognosis: the future of structural health monitoring | |
Codetta-Raiteri et al. | Dynamic Bayesian networks for fault detection, identification, and recovery in autonomous spacecraft | |
US20220206447A1 (en) | Automated system control with data analytics using doubly stochastic model | |
Mathur et al. | Reasoning and modeling systems in diagnosis and prognosis | |
Shukla et al. | A smart component methodology for reliability analysis of dynamic systems | |
Zhang et al. | A review of fault prognostics in condition based maintenance | |
Reda Taha | A Neural‐Wavelet Technique for Damage Identification in the ASCE Benchmark Structure Using Phase II Experimental Data | |
Eck et al. | A monitoring framework for deployed machine learning models with supply chain examples | |
JP6967099B2 (ja) | 学習モデル作成システム及び学習モデル作成方法 | |
Alweshah et al. | Evolution of software reliability growth models: a comparison of auto-regression and genetic programming models | |
Azari et al. | Improving resilience in cyber-physical systems based on transfer learning | |
Sharma et al. | Behavior prediction of washing system in a paper industry using GA and fuzzy lambda–tau technique | |
Rao | A machine learning-based damage prediction techniques for structural health monitoring | |
US20220390999A1 (en) | System and method for predicting power usage of network components | |
Aikhuele et al. | Data-driven model for the evaluation of the reliability of sensors and actuators used in IoT system architecture | |
Asadova et al. | A Survey of Usage of Anytime Algorithm in Fault detection in Cloud Systems | |
Kogan et al. | Digital twin technology in cyberphysical systems | |
US10997513B1 (en) | Dynamic, risk informed decision support systems and methods | |
RU2735296C1 (ru) | Способ многопараметрического контроля состояния сложных электротехнических объектов | |
Kolodenkova et al. | Data fusion and industrial equipment diagnostics based on information technology | |
Behjat et al. | A computational framework for making early design decisions in deep space habitats | |
Yu et al. | Automated fault prediction system for power plants using deep learning model |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |