科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了实现全面、实时的在轨卫星充放电风险分析，基于在相同环境下，不同材料表面充电的关联性，利用BP神经网络建立了一种由Kapton材料表面充电电位反演卫星其他常用介质材料表面电位的模型。以Kapton材料的表面电位以及材料厚度为输入，其他介质材料的表面电位作为模型输出，使用COMSOL建立的表面充电模型对神经网络进行训练，将反演误差降低到10%以下，并利用Kapton与Teflon材料表面充电地面试验数据验证反演模型的准确性，结果显示Teflon表面电位的反演值与实测值间的相对误差小于16%。
-
单位航天学院; 南京航空航天大学
