卫星电力系统的智能故障检测
系统与控制
2025-07-21 v1 系统与控制
摘要
本文提出了一种用于检测在低地球轨道 (LEO) 运行且无姿态确定与控制子系统 (ADCS) 的卫星电力系统故障的新方法。这些系统的组件容易发生故障，例如光伏子系统中的线间故障、DC-DC 转换器中的开路和短路，以及电池中的接地故障。以往的研究主要集中在检测各个组件（如光伏阵列或转换器系统）中的故障，因此对作为整体的卫星电力系统关注有限。我们的方法利用多层感知机 (MLP) 神经网络模型填补了这一空白，该模型利用太阳辐射和表面温度等输入数据来预测电流和负载输出。这些机器学习技术采用主成分分析 (PCA) 和 K 近邻 (KNN) 等不同方法进行有效的故障分类。所提出的模型在识别多个子系统故障方面达到了 99% 以上的准确率，通过为整个卫星电力系统提供完整的诊断解决方案，标志着对以往方法的显著改进。这种全面的方法提高了系统可靠性，并有助于降低任务失败的风险。
引用
@article{arxiv.2507.14004,
title = {Smart fault detection in satellite electrical power system},
author = {Niloofar Nobahari and Alireza Rezaee},
journal= {arXiv preprint arXiv:2507.14004},
year = {2025}
}