[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

本發明公開了一種基于不確定性的衛星組件布局可靠性分析方法，包括：S1，構建深度神經網絡模型；S2，獲取訓練數據集和池數據集；S3，訓練深度神經網絡模型；S4，對每個池數據的衛星組件布局重復進行多次溫度場預測；S5，根據池數據對應的方差將池數據進行降序排列，選取位于前序的池數據作為新訓練數據添加到訓練數據集中；S6，繼續訓練深度神經網絡模型；S7，判斷模型預測精度是否達到預設要求，若否，返回S4；S8，基于待分析的衛星組件布局中的組件位置，獲取多個隨機衛星組件布局，利用模型對隨機衛星組件布局重復進行多次溫度場預測；S9，對衛星組件布局進行可靠性分析。本發明能夠考慮組件功率會隨環境波動的情況，提高可靠性分析的準確性。

技術領域

本發明涉及衛星布局設計技術領域，具體涉及一種基于不確定性的衛星組件布局可靠性分析方法。

背景技術

衛星在運行過程中，由于外部環境和電磁場的影響，衛星組件的實際工況和設計工況通常存在一定的差異，組件功率會隨環境發生波動，從而造成組件布局溫度場發送改變，而溫度場的最大溫度變化會對組件的性能造成較大影響，且可能導致組件失效。因此，如何對處于運行階段的衛星組件布局進行可靠性分析成為了本領域亟待解決的技術問題。

傳統的方法利用有限元方法或數值計算方法對衛星組件布局溫度場進行仿真計算，以進行可靠性分析。然而，在實際運用過程中，利用有限元方法或數值計算方法對衛星組件布局進行溫度場計算和可靠性分析存在以下問題：計算效率低，基于有限元方法的仿真需要多次迭代，單次仿真耗時太長，不能進行實時預測；不能解決高維問題，隨著問題維度的增加，計算量呈指數級上升，會造成“維數災難”；在進行可靠性分析時，沒有考慮不確定性因素的影響。

為了解決傳統方法中利用有限元方法或數值計算方法對衛星組件布局溫度場進行仿真計算所存在的問題，現有技術還提出了利用深度神經網絡模型來實現衛星組件布局溫度場的預測，根據預測的衛星組件布局溫度場的最高溫度來判斷衛星組件布局是否會失效。然而，現有的利用深度神經網絡模型實現衛星組件布局溫度場預測的方法中，為了保證得到的深度神經網絡代理模型具有足夠的預測精度，需要利用大量的訓練數據訓練深度神經網絡模型，由于衛星研制成本高昂的特點，無法像傳統領域(例如圖像識別)那樣簡單獲得大量的實驗數據集去訓練深度神經網絡模型，每個訓練數據的獲取均耗費較多的計算資源和計算時間。并且，現有的利用深度神經網絡模型實現衛星組件布局溫度場預測的方法所采用的訓練數據中，組件的功率是固定的，對于給定的衛星組件布局，只能判斷出衛星組件布局是否會失效，沒有考慮到在衛星運行過程中，組件的功率會隨環境波動，組件會以一定的概率失效的情況，得到的可靠性結果具有極大的局限性。

發明內容

為解決上述現有技術中存在的部分或全部技術問題，本發明提供一種基于不確定性的衛星組件布局可靠性分析方法。

本發明的技術方案如下：

提供了一種基于不確定性的衛星組件布局可靠性分析方法，所述方法包括以下步驟：

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；