利用BP神经网络对卫星无热敏设备温度的估测

宁东坡，徐志明，刘质加

中国空间技术研究院，北京 100094

随着航天技术的发展，小卫星在遥感、减灾、农业等方面的应用越来越广泛。卫星在太空中绕轨道运行，太空热环境恶劣，卫星主要会受到太阳辐射、地球反照和地球红外辐射外热源影响，因此必须进行专门的热控设计保障卫星正常工作[1]。

为监测卫星设备温度，热控设计中常在卫星设备上粘贴热敏电阻作为测温点，由于卫星的测温需要通过星务遥测通道采集，星务遥测通道有限，同时考虑到成本、质量等因素，只在卫星重要设备或者结构处粘贴测温点，因此遥测得到的测温数据有限，不能得到无测温点设备的温度。张旭东等[2]研究通过建立卫星在轨设备温度的解析解，利用神经网络预测当前时刻10 s后设备的温度，但是无法得到当前时刻温度，并且由于卫星实际存在漏热等多方面因素，解析解并不能精确估测。刘柏麟等[3]研究了设备温度与安装面之间的数学关系，基于传热学理论推导出计算设备温度公式，但是该算法依赖于空间外热流的变化，估测精度不高。张也弛等[4]研究了基于统计学方法根据几个遥测点来推断温度场，这种方法依赖于遥测点的位置。因此如何通过卫星上已有测温点的遥测数据去估测无测温点设备的温度急需研究。

近年来，机器学习方法在工程中的应用日益增多，在航天中的应用也十分广泛[5-7]。在本文基于反向传播(BP)神经网络优异的非线性系统拟合能力，提出利用BP神经网络来估测卫星无测温点设备在轨温度[8]。……