论文部分内容阅读
遥测数据的变化能够反映航天器性能的状态和改变，根据这些改变，能够对航天器关键部件的性能和趋势进行预测。首先利用基于x-11的数据分解方法，将遥测数据分为趋势项、季节项和随机项，之后针对这3种变化类型的数据分别利用BP神经网络、多项式拟合、AR模型、非参数回归等方法进行预测，形成融合后的预测结果，并对算法的应用效果进行了分析，此外还计算了衰减因子。针对某航天器温度参数的实验结果表明，提出的预测方法平均相对误差小于10％，能够有效的用于航天器遥测数据的性能趋势预测，具有较强的航天器工程应用价值。