[發明專利]基于不確定性的衛星組件布局可靠性分析方法

在審

• 申請號: 202111532969.X
• 申請日: 2021-12-15
• 公開（公告）號: CN114417495A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 張俊;姚煒杰;彭偉;姜廷松;張小亞
• 申請（專利權）人: 中國人民解放軍軍事科學院國防科技創新研究院
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/27;G06K9/62;G06N3/04;G06N3/08;G06F119/02;G06F119/08
• 代理公司: 北京奧文知識產權代理事務所(普通合伙) 11534
• 代理人: 張文

1.一種基于不確定性的衛星組件布局可靠性分析方法，其特征在于，包括以下步驟：

S1，構建深度神經網絡模型；

S2，獲取訓練數據集和池數據集，其中，所述訓練數據集包括多個訓練數據，所述池數據集包括多個池數據，所述訓練數據包括衛星組件布局及衛星組件布局對應的溫度場，所述池數據包括衛星組件布局，不同衛星組件布局的組件位置均與待分析的衛星組件布局相同，不同衛星組件布局的組件功率從預設的組件功率服從的高斯分布中隨機采樣確定；

S3，利用所述訓練數據集訓練所述深度神經網絡模型以擬合衛星組件布局與溫度場的映射關系；

S4，利用訓練后的所述深度神經網絡模型對所述池數據集中每個所述池數據的衛星組件布局重復進行多次溫度場預測，并計算多次溫度場預測結果的方差；

S5，根據每個所述池數據對應的方差將所述池數據進行降序排列，選取位于前序的預設數量的池數據，將選取的池數據及對應的溫度場作為新訓練數據添加到所述訓練數據集中，并將選取的池數據從所述池數據集中刪除；

S6，利用更新后的所述訓練數據集繼續訓練所述深度神經網絡模型；

S7，判斷訓練后的所述深度神經網絡模型的預測精度是否達到預設要求，若是，將當前所述深度神經網絡模型作為最終預測模型，若否，返回步驟S4；

S8，基于待分析的衛星組件布局中的各個組件位置，針對每個組件，保持組件位置不變，從預設的組件功率服從的高斯分布中進行隨機采樣得到組件功率，確定每個組件的組件功率，得到一個隨機衛星組件布局，重復多次隨機采樣過程，獲取多個隨機衛星組件布局，利用最終預測模型對每個隨機衛星組件布局重復進行多次溫度場預測；

S9，根據每個隨機衛星組件布局的多次溫度場預測結果，對待分析的衛星組件布局進行可靠性分析。

2.根據權利要求1所述的基于不確定性的衛星組件布局可靠性分析方法，其特征在于，所述深度神經網絡模型的輸出層前設置Dropout層，且Dropout層在所述深度神經網絡模型的訓練過程和預測過程中均保持打開狀態。

3.根據權利要求1所述的基于不確定性的衛星組件布局可靠性分析方法，其特征在于，所述獲取訓練數據集和池數據集，包括：

確定待分析的衛星組件布局中的各個組件位置，針對每個組件，保持組件位置不變，從預設的組件功率服從的高斯分布中進行隨機采樣得到組件功率，確定每個組件的組件功率，得到一個衛星組件布局x_i，利用有限元方法計算衛星組件布局x_i對應的溫度場T_i，獲取一個包括衛星組件布局及衛星組件布局對應的溫度場的訓練數據(x_i,T_i)，重復多次隨機采樣過程直至得到第一預設數量N的訓練數據，獲取訓練數據集{(x_i,T_i)|i＝1,2,…,N}；

確定待分析的衛星組件布局中的各個組件位置，針對每個組件，保持組件位置不變，從預設的組件功率服從的高斯分布中進行隨機采樣得到組件功率，確定每個組件的組件功率，得到一個衛星組件布局x′_j，獲取一個包括衛星組件布局的池數據(x′_j)，重復多次隨機采樣過程直至得到第二預設數量N′的池數據，獲取池數據集{(x′_j)|j＝1,2,…,N′}。

4.根據權利要求1或3所述的基于不確定性的衛星組件布局可靠性分析方法，其特征在于，步驟S4中，利用以下公式計算多次溫度場預測結果的方差；

其中，σ′_j表示池數據中的衛星組件布局對應的多次溫度場預測結果的方差，Q表示衛星組件布局的重復預測次數，T′_j,q表示衛星組件布局對應的第q次溫度場預測結果，表示衛星組件布局對應的多次溫度場預測結果的均值。

5.根據權利要求4所述的基于不確定性的衛星組件布局可靠性分析方法，其特征在于，衛星組件布局對應的多次溫度場預測結果的均值利用以下公式計算；