[0001] 本发明涉及航天器试验技术领域，具体地，涉及一种卫星太阳翼展开试验关键参数预测系统及方法。

[0002] 随着卫星对地观测、通信、空间科学以及深空探测等空间技术的快速发展，太阳电池阵、合成孔径雷达天线、空间伸展臂等空间可展机构应用越来越广泛。受制于运载包络限制，空间可展机构通过解锁、释放、展开、锁定等系列机械运动完成太空展开，其展开可靠性、展开精度等将直接影响卫星的服役性能。空间机构地面展开试验是在轨能否成功展开的重要验证方式。空间机构展开按照驱动方式可分为有源驱动、无源驱动、有源‑无源混合驱动；按照机构展开的阵面刚柔可分为刚性、半刚性、柔性；按照机构阵面数量可分为单体式、多体式，太阳翼最常用的无源多板式展开机构，目前太阳翼展开试验方案设计与仿真仅考虑产品在轨展开工况，未考虑地面因素影响，地面仿真置信度不高，展开试验的试验判据和边界条件不准确，没有考虑到展开测试实际过程中工装、设备、环境等因素，无法保证展开测试过程预测的准确性。

[0003] 目前，国内外在试验参数预测方面初步探索了深度学习技术应用，希望通过深度学习技术进行试验结果的预测。公开号为CN110057537A的发明专利公开了飞行器气动性能影响预测方法，该方法提供以了一种模拟飞行器风洞试验的气动性能影响预测方法，实现了风洞试验中气道对启动性能参数的预测。

[0004] 现有系统和方法难以满足卫星太阳翼试验关键参数预测的需求，主要存在以下问题：①现有卫星太阳翼展开过程仿真以设计模型为主，难以进行地面展开测试高置信仿真指导工艺方案优化；②现有的太阳翼展开过程仿真耗时较长，且每个卫星型号的展开试验仿真需要单独进行，难以实现基于实际试验条件的太阳翼展开关键参数在线预测；③传统展开测试过程中对于铰链角度、工装参数、机构实时位姿、速度等关键数据的采集记录单一，未全部采集产品状态数据，工装形位、支撑力卸载、摩擦力、风阻等数据，未深入挖掘各数据之间的内在耦合关系，无法全面反映机构真实的展开状态，对展开测试过程质量管控与评价存在不足。

[0005] 因此，本发明研发了一种卫星太阳翼展开试验关键参数预测系统及方法，实现卫星太阳翼展开过程试验数据处理与管理、预测模型构建、在线预测与决策支持模块，为卫星太阳翼高效率、高精度、高可靠展开试验以及试验调整提供技术支撑和决策支持，提高了太阳翼展开试验一次成功率和展开试验效率。

[0059] 下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

[0060] 实施例

[0061] 图1是本发明实施例提供的卫星太阳翼展开试验关键参数预测系统的组成图。如图1所示，该基于数字孪生的卫星可展机构展开试验调控系统包括太阳翼展开试验数据处理与管理模块、太阳翼展开过程预测模型构建模块、太阳翼展开试验过程在线预测模块、太阳翼展开试验过程决策支持模块。

[0062] 太阳翼展开试验数据处理与管理模块，用于读取太阳翼展开试验参数，进行星体姿态、装调精度、吊挂力、力矩等展开试验仿真和历史试验数据的预处理，构建关键数据模型并输出数据集进行数据管理，其进一步包括太阳翼展开试验数据预处理模块、太阳翼展开试验数据模型构建模块、太阳翼展开试验数据管理模块。其中太阳翼展开试验数据预处理模块，用于读取太阳翼展开试验的仿真数据和历史数据，采用数据清洗、特征分析、数据归一化、数据集划分步骤，完成太阳翼展开试验数据预处理，形成太阳翼展开试验训练数据集；太阳翼展开试验数据模型构建模块，用于调用太阳翼展开试验数据集，根据太阳翼展开过程预测的需求，结合太阳翼展开过程关键参数、关键工装和设备，构建太阳翼展开过程数据模型Mz，表达式为：Mz＝{MP,MF,MD}，其中，MP表示太阳翼展开过程关键参数，MF表示关键工装参数，MD表示关键设备参数；太阳翼展开试验数据管理模块，用于结合太阳翼展开过程数据模型，根据卫星型号、太阳翼类型、试验时间、数据类型等完成太阳翼展开试验中实测数据、仿真数据、训练数据、输出数据的存储和管理。

[0063] 太阳翼展开过程预测模型构建模块，用于从太阳翼展开试验数据处理与管理模块读取太阳翼展开过程仿真与试验数据集，采用深度学习算法构建太阳翼展开过程预测模型，并基于展开时间、节点位姿等关键参数指标对预测模型进行优化，并进行预测模型的存储和管理，其进一步包括太阳翼展开过程预测模型构建与训练模块、太阳翼展开过程预测模型优化模块和太阳翼展开过程预测模型管理模块。其中太阳翼展开过程预测模型构建与训练模块，用于调用太阳翼展开试验数据管理模块中太阳翼展开试验训练数据集中的训练集，采用bp神经网络进行深度学习和训练，形成太阳翼展开时间、铰链度数以及关键节点的位姿、速度、加速度的预测模型；

[0064] 所述bp神经网络以多层自编码神经网络的方式进行预训练，分成输入层、输出层和隐藏层，输入集合XSI包括重力卸载力Fg、环境温度T及气浮平台平面度PP，将其看作一个1*i矩阵，i表示输入参数种类数量，表达式为：

[0065] XSI＝{XSFg、XST、XSPP}

[0066]

[0067] 隐藏层通过权重W和偏置b链接，完成输入和输出的维度统一；

[0068] 输出层直接输出展开过程关键预测参数EP，关键参数集合EP包括太阳翼展开时间Tp、铰链度数θhp以及关键节点Pi的位姿PiLp(Xpi,Ypi,Zpi)、速度PVpi、加速度PApi；

[0069] 建立关键参数EP的预测模型MP，并对模型的参数β和ε进行求解，即：

[0070] EP＝Xβ+ε

[0071]

[0072] 太阳翼展开过程预测模型优化模块，用于调用太阳翼展开试验数据管理模块中太阳翼展开试验训练数据集中的测试集，进行预测模型的参数优化和模型修正，参数优化通过定义损失函数LP进行判断，即：

[0073] LP＝|P‑PR|1

[0074] 式中，|*|1为1范数，P为预测结果，PR为实际采集数据，通过预测模型的迭代计算，直至LP符合要求，完成参数优化和模型修正；

[0075] 太阳翼展开过程预测模型管理模块，用于管理各类优化后的太阳翼展开试验预测模型，以太阳翼构型、板数、尺寸等参数进行预测模型的分类和存储。

[0076] 太阳翼展开试验过程在线预测模块，用于从太阳翼展开试验数据处理与管理模块读取实时采集的太阳翼展开试验过程数据，从太阳翼展开过程预测模型构建模块调用对应产品的预测模型输入实测数据，输出关键节点的铰链角度、位姿、速度、加速度与展开时间等预测数据集合，其进一步包括太阳翼展开参数在线预测模块、预测数据管理模块。其中太阳翼展开参数在线预测模块，用于读取实时采集的实际展开试验数据，调用对应构型的太阳翼预测模型，完成太阳翼展开时间、铰链度数以及关键节点的位姿、速度、加速度等关键参数的在线预测；预测数据管理模块，用于保存预测的太阳翼展开试验数据，根据太阳翼构型、试验时间等进行保存。

[0077] 太阳翼展开参数在线预测模块：用于读取实时采集的实际展开试验数据XRI，调用对应构型(构型编号为c)的太阳翼预测模型MPc，完成太阳翼展开时间Tp、铰链度数θhp以及关键节点Pi的位姿PiLp(Xpi,Ypi,Zpi)、速度PVpi、加速度PApi等关键参数的在线预测，即：

[0078] EP＝XRIβc+εc

[0079]

[0080] 太阳翼展开试验过程决策支持模块，用于从太阳翼展开试验过程在线预测模块读取关键节点的力、位、速度、加速度、展开时间等预测数据集合并分析，将预测数据与展开试验目标值进行对比分析，对异常情况进行告警并指导展开测试方案调整，其进一步包括阳翼展开过程异常告警模块、太阳翼展开过程预测结果可视化模块。其中太阳翼展开过程异常告警模块，用于从太阳翼展开试验过程在线预测模块读取关键节点的铰链角度、位、速度、加速度、展开时间等预测数据集合并分析，将预测数据与展开试验目标值进行对比分析，对异常情况进行告警；太阳翼展开过程预测结果可视化模块，用于从太阳翼展开试验过程在线预测模块读取关键节点的铰链角度、位、速度、加速度、展开时间等预测数据集合并分析，通过二维图表和三维模型等方式，实现太阳翼展开过程预测结果可视化，并支持预测结果的快速导出。

[0081] 本发明工作时，各模块间实现业务和数据集成：太阳翼展开过程预测模型构建模块从太阳翼展开试验数据处理与管理模块读取卫星太阳翼展开试验的仿真数据和历史试验数据构成的训练集，构建各类太阳翼展开时间、铰链度数以及关键节点的位姿、速度、加速度的预测模型，并调用太阳翼展开试验训练数据集中的测试集，进行预测模型的参数优化和模型修正，形成各类太阳翼的展开过程预测模型，并保存至太阳翼展开过程预测模型管理模块；太阳翼展开参数在线预测模块从太阳翼展开试验数据处理与管理模块读取实时采集的实际展开试验数据，从太阳翼展开过程预测模型构建模块调用各类太阳翼的展开过程预测模型，输出太阳翼展开时间、铰链度数以及关键节点的位姿、速度、加速度等关键参数，并传输至太阳翼展开试验过程决策支持模块；太阳翼展开试验过程决策支持模块从太阳翼展开参数在线预测模块读取关键节点的铰链角度、位、速度、加速度、展开时间等预测数据集合，将预测数据与展开试验目标值进行对比分析，通过二维图表和三维模型等方式输出预测数据，并将预测和告警数据传递至太阳翼展开试验数据处理与管理模块。

[0082] 本发明还提供了一种基于数字孪生的卫星可展机构展开试验调控方法，参照图2所示，该方法具体步骤如下：

[0083] 步骤1，采用太阳翼展开试验数据处理与管理模块读取卫星太阳翼展开试验的仿真数据和历史试验数据，进行摩擦系数μ、驱动力矩T、摩擦阻力矩Mf、铰链度数θh、关键点Pi位姿PiL(Xi,Yi,Zi)、速度PVi、加速度PAi、展开时间T等试验数据的预处理，包括数据清理、特征分析、数据归一化和数据集划分等，形成太阳翼展开试验数据集；

[0084] 步骤2，采用机构展开虚实融合仿真模型构建模块调用太阳翼展开试验数据集，根据太阳翼展开过程预测的需求，结合太阳翼类型、展开过程关键参数、关键工装和设备，构建太阳翼展开过程数据模型，包括实测数据、仿真数据和输出数据；

[0085] 步骤3，将各类太阳翼展开过程试验数据集合按太阳翼构型进行封装，形成太阳翼展开试验数据合集TD，包括训练集和测试集，并在太阳翼展开试验数据管理模块按太阳翼构型进行管理；

[0086] 步骤4，采用太阳翼展开过程预测模型构建与训练模块，调用太阳翼展开试验数据管理模块中太阳翼展开试验数据集中的训练集，采用bp神经网络进行深度学习和训练，构建各类太阳翼展开时间、铰链度数以及关键节点的位姿、速度、加速度的预测模型，并调用太阳翼展开试验训练数据集中的测试集，进行预测模型的参数优化和模型修正，形成各类太阳翼的展开过程预测模型；

[0087] 步骤5，将各类太阳翼展开过程预测模型按太阳翼构型进行分类，并在太阳翼展开过程预测模型管理模块，以太阳翼构型、板数、尺寸等参数进行预测模型的存储；

[0088] 步骤6，采用太阳翼展开参数在线预测模块，读取实时采集的太阳翼实际展开试验数据，从太阳翼展开过程预测模型管理模块根据太阳翼构型调用相应构型的太阳翼预测模型，完成太阳翼展开时间Tp、铰链度数θhp以及关键节点Pi的位姿PiLp(Xpi,Ypi,Zpi)、速度PVpi、加速度PApi等关键参数的在线预测，形成太阳翼展开试验预测数据合集PD，根据太阳翼构型、试验时间等在预测数据管理模块进行太阳翼展开试验数据的保存与管理；

[0089] 步骤7，采用太阳翼展开过程异常告警模块，从太阳翼展开试验过程在线预测模块读取关键节点的铰链角度、位姿、速度、加速度、展开时间等预测数据集合PD并分析，将预测数据PD与展开试验目标值进行对比分析，对异常情况进行告警；

[0090] 步骤8，采用太阳翼展开过程预测结果可视化模块，从太阳翼展开试验过程在线预测模块读取关键节点的铰链角度、位、速度、加速度、展开时间等预测数据集合并分析，通过二维图表和三维模型等方式，实现太阳翼展开过程预测结果可视化，并支持预测结果的快速导出。

[0091] 本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。

[0092] 以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。