-
-
- 基于遥测数据的卫星电源系统健康管理技术
-
- 作者：程富强//郭小红//袁线//付枫//李卉|责编:肖姝//王笑
- 出版社：国防工业
- ISBN：9787118132199
-
售价：39.2
-
内容大纲
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。
-
作者介绍
-
目录
第一篇 基础理论
第1章 绪论
1.1 研究背景及意义
1.2 航天器电源分系统基本理论
1.2.1 电源分系统基本构成
1.2.2 电源分系统常见故障
1.2.3 蓄电池分类及主要性能参数
1.3 卫星故障预测与健康管理技术
1.3.1 卫星故障预测与健康管理基本框架
1.3.2 卫星PHM关键技术
1.4 卫星异常检测技术
1.4.1 异常报警技术
1.4.2 故障诊断技术
1.5 国内外研究现状与发展趋势
1.5.1 国内外研究现状
1.5.2 发展趋势与存在的差距
1.6 研究内容与结构安排
参考文献
第2章 卫星遥测数据预处理技术
2.1 卫星遥测数据特征分析
2.1.1 卫星遥测数据
2.1.2 卫星遥测数据的分类
2.2 卫星遥测数据预处理方法
2.2.1 野值处理
2.2.2 数据的填补方法
2.2.3 数据归一化
2.3 本章小结
参考文献
第3章 机器学习基本理论及模型
3.1 机器学习基本理论
3.2 有监督学习
3.2.1 神经网络模型
3.2.2 支持向量机模型
3.2.3 随机森林模型
3.2.4 朴素贝叶斯模型
3.3 无监督学习
3.3.1 主成分分析
3.3.2 K - means聚类
3.3.3 自组织特征映射神经网络
3.4 本章小结
参考文献
第二篇 异常检测
第4章 基于动态阈值的异常检测方法
4.1 机器学习模型的样本建立
4.2 动态阈值生成方法
4.2.1 评价函数
4.2.2 生成过程
4.2.3 试验测试
4.3 机器学习模型的对比
4.3.1 周期型稳态参数
4.3.2 周期型递进参数
4.4 本章小结
参考文献
第5章 基于形态图谱的异常检测方法
5.1 遥测数据周期切分预处理
……
第三篇 性能评估
第四篇 软件实现
[
