基于遙測數(shù)據(jù)的衛(wèi)星電源系統(tǒng)健康管理技術

第一篇 基礎理論
第 1 章 緒論
研究背景及意義
航天器電源分系統(tǒng)基本理論電源分系統(tǒng)基本構成
電源分系統(tǒng)常見故障
蓄電池分類及主要性能參數(shù)
衛(wèi)星故障預測與健康管理技術衛(wèi)星故障預測與健康管理基本框架
衛(wèi)星 PHM 關鍵技術
衛(wèi)星異常檢測技術異常報警技術
故障診斷技術
國內(nèi)外研究現(xiàn)狀與發(fā)展趨勢國內(nèi)外研究現(xiàn)狀
發(fā)展趨勢與存在的差距
研究內(nèi)容與結構安排
第 2 章 衛(wèi)星遙測數(shù)據(jù)預處理技術
衛(wèi)星遙測數(shù)據(jù)特征分析衛(wèi)星遙測數(shù)據(jù)
衛(wèi)星遙測數(shù)據(jù)的分類
衛(wèi)星遙測數(shù)據(jù)預處理方法野值處理
數(shù)據(jù)的填補方法
數(shù)據(jù)歸一化
本章小結
第 3 章 機器學習基本理論及模型
機器學習基本理論
有監(jiān)督學習神經(jīng)網(wǎng)絡模型
支持向量機模型
隨機森林模型
樸素貝葉斯模型
無監(jiān)督學習主成分分析
K - means 聚類
自組織特征映射神經(jīng)網(wǎng)絡
本章小結
第二篇 異常檢測
第 4 章 基于動態(tài)閾值的異常檢測方法
機器學習模型的樣本建立
動態(tài)閾值生成方法評價函數(shù)
生成過程
試驗測試
機器學習模型的對比周期型穩(wěn)態(tài)參數(shù)
周期型遞進參數(shù)
本章小結
第 5 章 基于形態(tài)圖譜的異常檢測方法
遙測數(shù)據(jù)周期切分預處理遙測數(shù)據(jù)周期切分流程
遙測數(shù)據(jù)周期切分示例
形態(tài)特征提取與監(jiān)測系統(tǒng)架構
主要技術步驟
試驗結果分析
監(jiān)測結果聚類可視化聚類可視化流程
運行示例分析
本章小結
第 6 章 基于深度學習的異常檢測方法
基于長短期記憶的異常狀態(tài)檢測模型LSTM 模型基本原理
衛(wèi)星異常檢測設計思路
試驗測試與分析
基于生成式對抗網(wǎng)絡的異常檢測模型基于最大似然估計的生成式對抗網(wǎng)絡模型
生成式對抗網(wǎng)絡的訓練策略
基于 GAN 的衛(wèi)星電源單參數(shù)異常檢測設計思路
試驗測試與分析
本章小結
第 7 章 基于邊緣算子的異常檢測方法
基于密度的局部異常因子檢測方法異常檢測方法
局部異常因子算法
時間序列的模式表示時間序列
模式表示
基于邊緣算子的時間序列模式異常檢測算法邊緣算子
時間序列的時態(tài)邊緣算子模式表示
基于時態(tài)邊緣算子表示的時間序列異常檢測算法
試驗結果及分析
本章小結
第三篇 性能評估
第 8 章 基于 Thevenin 模型的衛(wèi)星蓄電池性能參數(shù)評估方法
電池分析及評估模型相關理論Rint 模型
Thevenin 模型
PNGV 模型
模型適應性分析
基于最小二乘辨識法的 Thevenin 模型參數(shù)辨識
Thevenin 模型適用性測試基本方法
不同建模時長對比
不同年份測試
衛(wèi)星蓄電池重要參數(shù)計算及評估衛(wèi)星蓄電池 1 重要參數(shù)計算及評估
衛(wèi)星 D 蓄電池 2 重要參數(shù)計算及評估
小結
第 9 章 基于 Rint 模型的衛(wèi)星蓄電池內(nèi)阻評估方法
蓄電池內(nèi)阻
基于 Rint 模型的蓄電池內(nèi)阻計算衛(wèi)星蓄電池 Rint 模型
Rint 模型算法驗證
某高軌衛(wèi)星電源內(nèi)阻計算結果及分析計算可行性分析
某高軌衛(wèi)星蓄電池 1 內(nèi)阻分析評估
某高軌衛(wèi)星蓄電池 2 內(nèi)阻分析評估
某低軌衛(wèi)星蓄電池內(nèi)阻計算結果及分析計算可行性分析
Ha 星蓄電池內(nèi)阻分析評估
Hb 星蓄電池內(nèi)阻分析評估
本章小結
第 10 章 基于最大功率點追蹤技術的衛(wèi)星同位素電源管理系統(tǒng)設計與性能評估
熱電材料及其模塊性能多晶碲化鉍基熱電材料
溫差發(fā)電模塊
熱電堆輸出性能試驗測試系統(tǒng)
熱電堆輸出特性
電源管理系統(tǒng)設計系統(tǒng)設計方案
DC/DC 變換電路
最大功率點追蹤算法和系統(tǒng)結構
測試結果與分析溫度條件穩(wěn)定時
溫度條件變化時
本章小結
第四篇 軟件實現(xiàn)
第 11 章 流行的機器學習平臺及代碼實現(xiàn)
Python 環(huán)境下機器學習方法數(shù)據(jù)分析工具 Pandas 簡介
利用 Pandas 進行遙測數(shù)據(jù)分析
構建形態(tài)圖譜檢測模型
Java 環(huán)境下機器學習方法介紹Joone 機器學習庫
Joone 基本使用方法
BP 神經(jīng)網(wǎng)絡對遙測數(shù)據(jù)建模
TensorFlow 深度學習框架與 GAN 網(wǎng)絡TensorFlow
TensorFlow 基本概念
構建 GAN 模型
本章小結
第 12 章 結語
研究工作總結
下一步工作展望