Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Dự đoán hiệu suất PV bằng mạng nơ-ron nhân tạo và mô phỏng hệ thống điện của CubeSat theo dõi tàu biển
Tóm tắt
Bài báo này trình bày kết quả về mô hình hóa và mô phỏng hệ thống điện (EPS) của một CubeSat theo dõi tàu biển. Mục tiêu chính của nghiên cứu hiện tại là phát triển các mô hình để mô phỏng hiệu suất tức thời và trung bình của các thành phần EPS của CubeSat, cụ thể là hệ thống phát điện (tế bào quang điện mặt trời), hệ thống lưu trữ (pin Li-ion) và các tải điện của CubeSat. Mục tiêu là thiết kế một hệ thống năng lượng tái tạo để đáp ứng các tải điện của CubeSat phục vụ cho việc theo dõi tàu biển. Các chương trình mô phỏng khác nhau như hộp công cụ hệ thống và phần mềm MATLAB đã được sử dụng để mô phỏng quá trình phát điện của các tế bào quang điện mặt trời, mức tiêu thụ điện của các tải điện và các thông số hiệu suất tức thời của pin Li-ion. Đầu tiên, một mô hình học máy dựa trên Mạng Nơ-ron Nhân tạo đã được xây dựng và đào tạo để dự đoán sản lượng điện trung bình của các tế bào quang điện CubeSat dựa trên độ cao và độ nghiêng quỹ đạo cùng với hiệu suất PV. Các kiến trúc mô hình khác nhau đã được so sánh và mô hình tối ưu đã được tìm thấy. Mô hình tối ưu cho thấy độ chính xác cao đáng kể khi đạt được hệ số hồi quy (R) lớn hơn 0.9999 trong giai đoạn kiểm tra. Tiếp theo, phân tích mô hình và mô phỏng dựa trên các thuật toán phát triển trong nghiên cứu này đã được sử dụng để điều tra hiệu suất ngắn hạn và dài hạn của hệ thống pin CubeSat. Hai mô phỏng đã được thực hiện để điều tra hiệu suất của hệ thống đề xuất, một mô phỏng cho 22 quỹ đạo và mô phỏng thứ hai cho 185 quỹ đạo. Kết quả cho thấy các thành phần đã chọn, ngân sách năng lượng đề xuất, hệ thống PV mặt trời và pin đã được kích thước thích hợp, cùng với các tham số hệ thống được chọn đã tạo ra một EPS ổn định khi pin luôn được sạc trong thời gian dài và giá trị trạng thái sạc của chúng đã giữ ổn định giữa 0.91 và 0.8 cho đến cuối nhiệm vụ mô phỏng.
Từ khóa
Tài liệu tham khảo
Abdelkareem MA, Soudan B, Mahmoud MS, Sayed ET, AlMallahi MN, Inayat A, Olabi AG (2022) Progress of artificial neural networks applications in hydrogen production. Chem Eng Res Des 182:66–86
Adams RV, Villarroel-Lambb D, Muddeenc F (2019). CubeSat communication sub-system design for coastal marine monitoring applications. WEST INDIAN, 39
Al Radi M, Hassan MM, Ahmed MA, Ghenai C (2020) Design of CubeSat solar power system for real-time tracking of Sharjah vessel. In: 2020 Advances in science and engineering technology international conferences (ASET)
Al Radi M, Ahmed MA, Hassan MM, Ghenai C (2022). Performance analysis, parametric study, and optimization of cubesat solar power system for ship tracking of marine traffic. In: 2022 Advances in science and engineering technology international conferences (ASET)
Borthomieu Y (2014) Satellite Lithium-ion batteries. Lithium-ion batteries. Elsevier, UK, pp 311–344
Chin KB, Smart MC, Brandon EJ, Bolotin GS, Palmer NK, Katz S, Flynn JA. (2014). Li-ion battery and super-capacitor hybrid energy system for low temperature SmallSat applications
Danladi A, KurtoÄŸlu M, Vural AM (2019) Design, analysis and performance evaluation of electrical power subsystem based on Triple-junctions Solar PV Cells and SEPIC for a conceptual 1u Cubesat mission. EMITTER Int J Eng Technol 7(1):275–300
Diaz M, Zagal J, Falcon C, Stepanova M, Valdivia J, Martinez-Ledesma M, Pacheco E (2016) New opportunities offered by Cubesats for space research in Latin America: the SUCHAI project case. Adv Space Res 58(10):2134–2147
Gonzalez-Llorente J, Lidtke AA, Hatanaka K, Limam L, Fajardo I, Okuyama KI (2020) In-orbit feasibility demonstration of supercapacitors for space applications. Acta Astronaut 174:294–305
Heidt H, Puig-Suari J, Moore A, Nakasuka S, Twiggs R. (2000) CubeSat: A new generation of picosatellite for education and industry low-cost space experimentation
Hesar SG, Parker JS, Leonard JM, McGranaghan RM, Born GH (2015) Lunar far side surface navigation using linked autonomous interplanetary satellite orbit navigation (LiAISON). Acta Astronaut 117:116–129
Horstein M, Cress PH, Rusch RJ (1995) Medium-earth-altitude satellite-based cellular telecommunications. In: Google Patents.
Keshk HM, Yin X-C (2021) Obtaining super-resolution satellites images based on enhancement deep convolutional neural network. Int J Aeronaut Space Sci 22(1):195–202
Klee H, Allen R (2016) Simulation of dynamic systems with MATLAB and Simulink. CRC Press. https://doi.org/10.1201/b11733
Knap V, Vestergaard LK, Stroe D-I (2020) A review of battery technology in CubeSats and small satellite solutions. Energies 13(16):4097
Krause FC, Loveland JA, Smart MC, Brandon EJ, Bugga RV (2020) Implementation of commercial Li-ion cells on the MarCO deep space CubeSats. J Power Sources 449:227544
Larsen JA, Mortensen HP (2013) In orbit validation of the AAUSAT3 SDR based AIS receiver. In: 2013 6th international conference on recent advances in space technologies (RAST)
Larson WJ, Wertz JR (eds) (1992) Space mission analysis and design. Springer Netherlands, Dordrecht. https://doi.org/10.1007/978-94-011-2692-2
Lerro A, Battipede M, Gili P, Brandl A (2017) Advantages of neural network based air data estimation for unmanned aerial vehicles. Int J Mech, Aerospace, Indus, Mech Manufact Eng 11(5):1016–1025
Li F, He F, Wang F, Zhang D, Xia Y, Li X (2020) A novel simplified convolutional neural network classification algorithm of motor imagery EEG signals based on deep learning. Appl Sci 10(5):1605
Liao D-Y, Yang Y-T (2005) Satellite imaging order scheduling with stochastic weather condition forecast. In: 2005 IEEE international conference on systems, man and cybernetics
Mahmoud WM, Elfiky D, Robaa SM, Elnawawy MS, Yousef SM (2021) Effect of atomic oxygen on LEO CubeSat. Int J Aeronaut Space Sci 22(3):726–733. https://doi.org/10.1007/s42405-020-00336-w
Mass J (1999) Artificial satellite communication system. In: Google patents
McConnell BD (2016) Design of a radioisotope powered Cubesat
Mehrparvar A, Pignatelli D, Carnahan J, Munakat R, Lan W, Toorian A, Lee S (2014). Cubesat design specification rev. 13. The CubeSat Program, Cal Poly San Luis Obispo, US, 1(2)
Morales JE, Kim J, Richardson RR (2021) Gyroless spin-stabilization controller and deorbiting algorithm for CubeSats. Int J Aeronaut Space Sci 22(2):445–455
Navarathinam N, Lee R, Chesser H (2011) Characterization of Lithium-polymer batteries for CubeSat applications. Acta Astronaut 68(11–12):1752–1760
Peng L, Jun Z, Xiaozhou Y (2018) Design and On-orbit verification of EPS for the World’s first 12U polarized light detection CubeSat. Int J Aeronaut Space Sci 19(3):718–729
Peng W, Zhang J, You L (2015) The hybrid uncertain neural network method for mechanical reliability analysis. Int J Aeronaut Space Sci 16(4):510–519
Poghosyan A, Golkar A (2017) CubeSat evolution: analyzing CubeSat capabilities for conducting science missions. Prog Aerosp Sci 88:59–83
Pyo J, Duan H, Baek S, Kim MS, Jeon T, Kwon YS, Cho KH (2019) A convolutional neural network regression for quantifying cyanobacteria using hyperspectral imagery. Remote Sens Environ 233:111350
Pérez A, Quintero V, Rozas H, Jaramillo F, Moreno R, Orchard M (2017) Modelling the degradation process of lithium-ion batteries when operating at erratic state-of-charge swing ranges. In: 2017 4th international conference on control, decision and information technologies (codit)
QubeAIS datasheet revision 1.4. (2017). Retrieved July 14th from https://www.satlab.com/resources/SLDS-AIS-1.4.pdf
Rosales-Colunga LM, García RG, Rodríguez ADL (2010) Estimation of hydrogen production in genetically modified E. coli fermentations using an artificial neural network. Int J Hydrogen Energy 35(24):13186–13192
Sanchez-Sanjuan S, Gonzalez-Llorente J, Hurtado-Velasco R (2016) Comparison of the incident solar energy and battery storage in a 3U CubeSat satellite for different orientation scenarios. J Aerosp Technol Manag 8(1):91–102
Seddjar A, Kerrouche KDE, Wang L (2020) Simulation of the proposed combined Fuzzy Logic Control for maximum power point tracking and battery charge regulation used in CubeSat. Arch Electr Eng. https://doi.org/10.24425/aee.2020.133916
Shao T-Y, Kao S-L, Su C-M (2019) Taiwan AIS CubeSat tracking system for marine safety. In: 2019 international conference on intelligent computing and its emerging applications (ICEA)
Stephens SA, Reisig CF, Garrison AL (1998) Geolocation method and apparatus for satellite based telecommunications system. In: Google Patents
Van Allen JA (1956) Scientific uses of earth satellites. Pипoл Клaccик
Wertheimer E, Berthoud L, Johnson M (2015) PocketRTG-a CubeSat scale radioisotope thermoelectric generator using COTS fuel. Presentation, 2015 iCubeSat Workshop
Widger WK Jr, Touart CN (1957) Utilization of satellite observations in weather analysis and forecasting. Bull Am Meteor Soc 38(9):521–533