本书系统论述了基于遥测数据的卫星电源分系统健康管理的基本概念、内涵及应用技术。第1~3章阐述了航天器电源分系统基本理论、故障诊断常用方法遥测数据预处理方法以及机器学习的基本概念,介绍了与健康管理密切相关的故障诊断与预测技术的基本特性和理论:第4~7 章详细论述了基于卫星动态门限形态图谱、深度学习以及边缘算子的异常检测技术,介绍了采用机器学习模型进行遥测数据异常检测的基本方法;第8~10 章阐述了基于遥测数据采用 Thevenin 模型、Rint 模型进行卫星蓄电池性能评估的方法,介绍了一种基于最大功率点追踪技术的卫星同位素电源管理系统研制与性能测试方法;第11章介绍了本书中主要的机器学习模型在不同软件平台上的实现代码,涵盖了当前主要的机器学习框架;第12 章对本书研究工作进行了总结和展望。 本书理论与实践相结合,理论性强,实用性好,具有很高的针对性,既可作为卫星长期管理工程技术人员的培训教材,也可作为高等院校相关专业的教学用书。
第一篇 基础理论
第 1 章 绪论
研究背景及意义
航天器电源分系统基本理论电源分系统基本构成
电源分系统常见故障
蓄电池分类及主要性能参数
卫星故障预测与健康管理技术卫星故障预测与健康管理基本框架
卫星 PHM 关键技术
卫星异常检测技术异常报警技术
故障诊断技术
国内外研究现状与发展趋势国内外研究现状
发展趋势与存在的差距
研究内容与结构安排
第 2 章 卫星遥测数据预处理技术
卫星遥测数据特征分析卫星遥测数据
卫星遥测数据的分类
卫星遥测数据预处理方法野值处理
数据的填补方法
数据归一化
本章小结
第 3 章 机器学习基本理论及模型
机器学习基本理论
有监督学习神经网络模型
支持向量机模型
随机森林模型
朴素贝叶斯模型
无监督学习主成分分析
K - means 聚类
自组织特征映射神经网络
本章小结
第二篇 异常检测
第 4 章 基于动态阈值的异常检测方法
机器学习模型的样本建立
动态阈值生成方法评价函数
生成过程
试验测试
机器学习模型的对比周期型稳态参数
周期型递进参数
本章小结
第 5 章 基于形态图谱的异常检测方法
遥测数据周期切分预处理遥测数据周期切分流程
遥测数据周期切分示例
形态特征提取与监测系统架构
主要技术步骤
试验结果分析
监测结果聚类可视化聚类可视化流程
运行示例分析
本章小结
第 6 章 基于深度学习的异常检测方法
基于长短期记忆的异常状态检测模型LSTM 模型基本原理
卫星异常检测设计思路
试验测试与分析
基于生成式对抗网络的异常检测模型基于最大似然估计的生成式对抗网络模型
生成式对抗网络的训练策略
基于 GAN 的卫星电源单参数异常检测设计思路
试验测试与分析
本章小结
第 7 章 基于边缘算子的异常检测方法
基于密度的局部异常因子检测方法异常检测方法
局部异常因子算法
时间序列的模式表示时间序列
模式表示
基于边缘算子的时间序列模式异常检测算法边缘算子
时间序列的时态边缘算子模式表示
基于时态边缘算子表示的时间序列异常检测算法
试验结果及分析
本章小结
第三篇 性能评估
第 8 章 基于 Thevenin 模型的卫星蓄电池性能参数评估方法
电池分析及评估模型相关理论Rint 模型
Thevenin 模型
PNGV 模型
模型适应性分析
基于最小二乘辨识法的 Thevenin 模型参数辨识
Thevenin 模型适用性测试基本方法
不同建模时长对比
不同年份测试
卫星蓄电池重要参数计算及评估卫星蓄电池 1 重要参数计算及评估
卫星 D 蓄电池 2 重要参数计算及评估
小结
第 9 章 基于 Rint 模型的卫星蓄电池内阻评估方法
蓄电池内阻
基于 Rint 模型的蓄电池内阻计算卫星蓄电池 Rint 模型
Rint 模型算法验证
某高轨卫星电源内阻计算结果及分析计算可行性分析
某高轨卫星蓄电池 1 内阻分析评估
某高轨卫星蓄电池 2 内阻分析评估
某低轨卫星蓄电池内阻计算结果及分析计算可行性分析
Ha 星蓄电池内阻分析评估
Hb 星蓄电池内阻分析评估
本章小结
第 10 章 基于最大功率点追踪技术的卫星同位素电源管理系统设计与性能评估
热电材料及其模块性能多晶碲化铋基热电材料
温差发电模块
热电堆输出性能试验测试系统
热电堆输出特性
电源管理系统设计系统设计方案
DC/DC 变换电路
最大功率点追踪算法和系统结构
测试结果与分析温度条件稳定时
温度条件变化时
本章小结
第四篇 软件实现
第 11 章 流行的机器学习平台及代码实现
Python 环境下机器学习方法数据分析工具 Pandas 简介
利用 Pandas 进行遥测数据分析
构建形态图谱检测模型
Java 环境下机器学习方法介绍Joone 机器学习库
Joone 基本使用方法
BP 神经网络对遥测数据建模
TensorFlow 深度学习框架与 GAN 网络TensorFlow
TensorFlow 基本概念
构建 GAN 模型
本章小结
第 12 章 结语
研究工作总结
下一步工作展望
