基于BP神经网络的GEO等离子体环境参数反演分析
空间等离子体环境诱发的表面充电效应会对航天器运行产生干扰，严重时将导致太阳电池等部件失效。通过神经网络反演方法，以GEO环境中介质表面充电电位曲线作为输入，在双峰麦克斯韦分布假设下，可以逆向得到高能峰的等离子体参数。分析了GEO等离子体环境参数对表面充电电位曲线的影响，表明高能峰在充电过程中起决定性作用；其次通过MATLAB搭建BP神经网络，采用 COMSOL计算得到多组充电曲线进行网络训练和反演计算，得到等离子体密度反演的平均相对误差为0.42%，温度反演的平均相对误差为0.03%，整体误差在0.1%~5.6%。结果表明，采用神经网络对等离子体环境进行反演具有可行性，该方法可以作为空间等离子...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Science Press
2023-03-01
|
| Series: | Kongjian kexue xuebao |
| Subjects: | |
| Online Access: | https://www.sciengine.com/doi/10.11728/cjss2023.01.220311028 |