基于人工神经网络和使用格阵列的数字双胞胎技术在轨道感知空间飞船的研究

科学领域:

• 太空飞船工程 太空飞船工程
• 材料科学 是一种材料科学.
• 传感器技术 传感器技术
• 人工智能的人工智能是人工智能.

背景情况:

• 在轨道作业期间,航天器的安全性至关重要.
• 现有的监控系统可能缺乏用于碰撞检测所需的精度和实时功能.
• 需要先进的传感和智能处理来增强航天器的弹性.

研究的目的:

• 为太空飞船在轨道上的碰撞提出一个新的智能传感和监测系统.
• 将纤维布拉格格网 (FBG) 传感器阵列与人工神经网络 (ANN) 和数字双胞胎技术集成.
• 提高航天器的安全,自我监控,判断和响应能力.

主要方法:

• 在新型的氧化物合纤维上制造 femtosecond FBG 阵列,使用点对点写作.
• 使用时间依赖扰动理论对femtosecond FBG的分析.
• 在航天器表面部署FBG传感器阵列,用于应变和温度监测.
• 使用1200个样本构建和训练多层感知器和卷积神经网络结构.
• 基于传感器数据的数字双胞胎模型的开发.

主要成果:

• FBG阵列展示了高温测量高达1100°C和大应变测量高达15000m.
• 在检测和验证事件方面,ANN模型的准确率高于98%.
• 在物理航天器结构和其数字双胞胎之间建立了精确的映射.
• 该系统展示了自我监控,判断和响应的能力.

结论:

• 拟议的FBG传感器阵列,ANN和数字双胞胎系统为智能航天器监控提供了强大的解决方案.
• 这种综合方法显著提高了航天器的安全性和运行稳定性.
• 该技术为航天器提供先进的自主功能,以提高任务保证.