摘要
本发明公开了一种超低轨卫星在轨点火蓄电池放电深度预测方法,包括如下步骤:首先从卫星遥测数据中,提取出在预定时间段内卫星与蓄电池工作的相关联的n个特征数据,进而构建数据集;设置机器学习回归算法;将训练集中的特征数据作为输入,预测目标作为输出,通过迭代使得均方差最小,得到一个优化模型;然后以测试集中的特征数据作为模型输入,预测蓄电池输出,将预测结果与测试集中预测目标进行对比评估,进而得到最终的回归模型;应用最终回归模型进行预测,得到蓄电池放电电压序列,进而预测出的卫星蓄电池的放电深度。该方法利可以快速为点火策略的规划、制定和评估提供可靠依据,并可添加最新遥测数据,以提高后续预测准确度。
技术关键词
深度预测方法
机器学习回归算法
卫星蓄电池
卫星遥测数据
支持向量机回归
电压
随机梯度下降
划分方法
推进系统
表达式
随机森林
时间段
序列
电流
复杂度
母线
系统为您推荐了相关专利信息
燃料组件
构建机器学习模型
卷积神经网络算法
深度预测方法
机器学习模型训练
支持向量机回归模型
需求预测方法
数据
建筑窗体
标签
沥青混合料
动态
变量
机器学习模型评估
机器学习方法
协方差矩阵
检测食用植物油
数据分析模块
终端设备
支持向量机回归