基于BP神经网络的介质表面充电电位反演方法

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％.

关键词：表面充电、BP神经网络、数值仿真、反演、卫星

所属期刊栏目：42

分类号：P354.2(空间物理)

资助基金：国家自然科学基金51877111

在线出版日期：2022-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：134-139