第一篇 基礎(chǔ)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(gòu)成

電源分系統(tǒng)常見(jiàn)故障

蓄電池分類(lèi)及主要性能參數(shù)

衛(wèi)星故障預(yù)測(cè)與健康管理技術(shù)衛(wèi)星故障預(yù)測(cè)與健康管理基本框架

衛(wèi)星 PHM 關(guān)鍵技術(shù)

衛(wèi)星異常檢測(cè)技術(shù)異常報(bào)警技術(shù)

故障診斷技術(shù)

國(guó)內(nèi)外研究現(xiàn)狀與發(fā)展趨勢(shì)國(guó)內(nèi)外研究現(xiàn)狀

發(fā)展趨勢(shì)與存在的差距

研究?jī)?nèi)容與結(jié)構(gòu)安排

第 2 章 衛(wèi)星遙測(cè)數(shù)據(jù)預(yù)處理技術(shù)

衛(wèi)星遙測(cè)數(shù)據(jù)特征分析衛(wèi)星遙測(cè)數(shù)據(jù)

衛(wèi)星遙測(cè)數(shù)據(jù)的分類(lèi)

衛(wèi)星遙測(cè)數(shù)據(jù)預(yù)處理方法野值處理

數(shù)據(jù)的填補(bǔ)方法

數(shù)據(jù)歸一化

本章小結(jié)

第 3 章 機(jī)器學(xué)習(xí)基本理論及模型

機(jī)器學(xué)習(xí)基本理論

有監(jiān)督學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型

支持向量機(jī)模型

隨機(jī)森林模型

樸素貝葉斯模型

無(wú)監(jiān)督學(xué)習(xí)主成分分析

K - means 聚類(lèi)

自組織特征映射神經(jīng)網(wǎng)絡(luò)

本章小結(jié)

第二篇 異常檢測(cè)

第 4 章 基于動(dòng)態(tài)閾值的異常檢測(cè)方法

機(jī)器學(xué)習(xí)模型的樣本建立

動(dòng)態(tài)閾值生成方法評(píng)價(jià)函數(shù)

生成過(guò)程

試驗(yàn)測(cè)試

機(jī)器學(xué)習(xí)模型的對(duì)比周期型穩(wěn)態(tài)參數(shù)

周期型遞進(jìn)參數(shù)

本章小結(jié)

第 5 章 基于形態(tài)圖譜的異常檢測(cè)方法

遙測(cè)數(shù)據(jù)周期切分預(yù)處理遙測(cè)數(shù)據(jù)周期切分流程

遙測(cè)數(shù)據(jù)周期切分示例

形態(tài)特征提取與監(jiān)測(cè)系統(tǒng)架構(gòu)

主要技術(shù)步驟

試驗(yàn)結(jié)果分析

監(jiān)測(cè)結(jié)果聚類(lèi)可視化聚類(lèi)可視化流程

運(yùn)行示例分析

本章小結(jié)

第 6 章 基于深度學(xué)習(xí)的異常檢測(cè)方法

基于長(zhǎng)短期記憶的異常狀態(tài)檢測(cè)模型LSTM 模型基本原理

衛(wèi)星異常檢測(cè)設(shè)計(jì)思路

試驗(yàn)測(cè)試與分析

基于生成式對(duì)抗網(wǎng)絡(luò)的異常檢測(cè)模型基于最大似然估計(jì)的生成式對(duì)抗網(wǎng)絡(luò)模型

生成式對(duì)抗網(wǎng)絡(luò)的訓(xùn)練策略

基于 GAN 的衛(wèi)星電源單參數(shù)異常檢測(cè)設(shè)計(jì)思路

試驗(yàn)測(cè)試與分析

本章小結(jié)

第 7 章 基于邊緣算子的異常檢測(cè)方法

基于密度的局部異常因子檢測(cè)方法異常檢測(cè)方法

局部異常因子算法

時(shí)間序列的模式表示時(shí)間序列

模式表示

基于邊緣算子的時(shí)間序列模式異常檢測(cè)算法邊緣算子

時(shí)間序列的時(shí)態(tài)邊緣算子模式表示

基于時(shí)態(tài)邊緣算子表示的時(shí)間序列異常檢測(cè)算法

試驗(yàn)結(jié)果及分析

本章小結(jié)

第三篇 性能評(píng)估

第 8 章 基于 Thevenin 模型的衛(wèi)星蓄電池性能參數(shù)評(píng)估方法

電池分析及評(píng)估模型相關(guān)理論Rint 模型

Thevenin 模型

PNGV 模型

模型適應(yīng)性分析

基于最小二乘辨識(shí)法的 Thevenin 模型參數(shù)辨識(shí)

Thevenin 模型適用性測(cè)試基本方法

不同建模時(shí)長(zhǎng)對(duì)比

不同年份測(cè)試

衛(wèi)星蓄電池重要參數(shù)計(jì)算及評(píng)估衛(wèi)星蓄電池 1 重要參數(shù)計(jì)算及評(píng)估

衛(wèi)星 D 蓄電池 2 重要參數(shù)計(jì)算及評(píng)估

小結(jié)

第 9 章 基于 Rint 模型的衛(wèi)星蓄電池內(nèi)阻評(píng)估方法

蓄電池內(nèi)阻

基于 Rint 模型的蓄電池內(nèi)阻計(jì)算衛(wèi)星蓄電池 Rint 模型

Rint 模型算法驗(yàn)證

某高軌衛(wèi)星電源內(nèi)阻計(jì)算結(jié)果及分析計(jì)算可行性分析

某高軌衛(wèi)星蓄電池 1 內(nèi)阻分析評(píng)估

某高軌衛(wèi)星蓄電池 2 內(nèi)阻分析評(píng)估

某低軌衛(wèi)星蓄電池內(nèi)阻計(jì)算結(jié)果及分析計(jì)算可行性分析

Ha 星蓄電池內(nèi)阻分析評(píng)估

Hb 星蓄電池內(nèi)阻分析評(píng)估

本章小結(jié)

第 10 章 基于最大功率點(diǎn)追蹤技術(shù)的衛(wèi)星同位素電源管理系統(tǒng)設(shè)計(jì)與性能評(píng)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(yàn)測(cè)試系統(tǒng)

熱電堆輸出特性

電源管理系統(tǒng)設(shè)計(jì)系統(tǒng)設(shè)計(jì)方案

DC/DC 變換電路

最大功率點(diǎn)追蹤算法和系統(tǒng)結(jié)構(gòu)

測(cè)試結(jié)果與分析溫度條件穩(wěn)定時(shí)

溫度條件變化時(shí)

本章小結(jié)

第四篇 軟件實(shí)現(xiàn)

第 11 章 流行的機(jī)器學(xué)習(xí)平臺(tái)及代碼實(shí)現(xiàn)

Python 環(huán)境下機(jī)器學(xué)習(xí)方法數(shù)據(jù)分析工具 Pandas 簡(jiǎn)介

利用 Pandas 進(jìn)行遙測(cè)數(shù)據(jù)分析

構(gòu)建形態(tài)圖譜檢測(cè)模型

Java 環(huán)境下機(jī)器學(xué)習(xí)方法介紹Joone 機(jī)器學(xué)習(xí)庫(kù)

Joone 基本使用方法

BP 神經(jīng)網(wǎng)絡(luò)對(duì)遙測(cè)數(shù)據(jù)建模

TensorFlow 深度學(xué)習(xí)框架與 GAN 網(wǎng)絡(luò)TensorFlow

TensorFlow 基本概念

構(gòu)建 GAN 模型

本章小結(jié)

第 12 章 結(jié)語(yǔ)

研究工作總結(jié)

下一步工作展望