论文部分内容阅读
卫星舱外设备由于热容较小,所处的空间热环境复杂,热控设计难度较大.本文基于神经网络算法,建立了以星外设备热控设计参数为输入、设备温度为输出的BP神经网络模型.经过训练后的神经网络模型对样本数据的温度预测误差在1％左右,对新设计的热控参数预测误差在2％左右,表明所建立的BP神经预测温度模型精度高、稳定性强.通过所建立的神经网络模型对设备的热控参数进行了敏感性分析,分析结果表明支架的长度和支架安装面的传热系数对设备一轨内的最高温度影响更大.