| 摘要: |
| 针对因卫星入境数据延迟，无法快速判断太阳能电池阵温度遥测数据是否发生异常问题，提出一种SE-TCN网络模型。首先借鉴SENet中的通道注意力机制，对时间卷积网络(TCN)进行改进，提高模型的特征提取能力;其次使用SE-TCN做为特征提取网络，训练出网络模型;最后对温度遥测数据做中长期预测(约4轨)。以某在轨卫星实际太阳能电池阵温度遥测数据作为实验数据。结果表明:本文提出的SE-TCN网络模型在评价指标上与传统TCN网络模型相比，平均绝对误差(MAE)降低了7.7%，均方根误差(RMSE)降低了5.2%，相关系数(R)提高了0.4%。当卫星入境时，该检测方法可根据预测值快速判断实时遥测数据是否发生异常。 |
|
(1.Innovation Academy for Microsatellites， Chinese Aacdemy of Sciences， Shanghai 201203， China;2.University of Chinese Academy of Sciences， Beijing 100049， China)
|
