ПРИМЕНЕНИЕ САМОКОНФИГУРИРУЕМЫХ ЭВОЛЮЦИОННЫХ АЛГОРИТМОВ ПРИ ПРОЕКТИРОВАНИИ ИНТЕРПРЕТИРУЕМЫХ МОДЕЛЕЙ ПРОГНОЗА ДЕГРАДАЦИИ СОЛНЕЧНЫХ БАТАРЕЙ КОСМИЧЕСКОГО АППАРАТА : доклад, тезисы доклада
доклад, тезисы доклада, статья из сборника материалов конференций
Библиографическое описание:ПРИМЕНЕНИЕ САМОКОНФИГУРИРУЕМЫХ ЭВОЛЮЦИОННЫХ АЛГОРИТМОВ ПРИ ПРОЕКТИРОВАНИИ ИНТЕРПРЕТИРУЕМЫХ МОДЕЛЕЙ ПРОГНОЗА ДЕГРАДАЦИИ СОЛНЕЧНЫХ БАТАРЕЙ КОСМИЧЕСКОГО АППАРАТА : доклад, тезисы доклада / П. А. Шерстнев. - [Б. м. : б. и.], 2025. - Текст : непосредственный // Научные исследования - основа современной инновационной системы : сборник статей Международной научно-практической конференции / Научные исследования - основа современной инновационной системы (2025 ; 07.06 - 07.06 ; Саратов.). - Уфа, 2025. - С. 171-176. - ISBN 9785907856998.
Аннотация:В работе описан и применен метод прогнозирования деградации солнечных батарей космических аппаратов на основе автоматизированного проектирования ансамбля нейронных сетей (АНС) и нечеткой логической системы (НЛС), интерпретирующей поведение ансамбля. И АНС, и НЛС спроектированы с использованием самоконфигурируемых эволюционных алгоритмов с адаптацией на основе истории успеха, что позволяет автоматически оптимизировать структуру моделей и параметры обучения. Для построения модели использованы реальные полетные данные. Эксперименты показали, что АНС обеспечивает высокую точность прогноза, сопоставимую с лучшими известными результатами, а НЛС позволяет получить компактное и интерпретируемое описание модели, пригодное для практического анализа.
The paper proposes a method for predicting the degradation of spacecrafts' solar arrays based on automated design of a neural network ensemble and a fuzzy logic system that approximates the ensemble's behavior. Both the neural network ensemble and the fuzzy logic system are designed using self - configuring evolutionary algorithms with success - history based adaptation, enabling automatic optimization of model structures and training parameters. Real flight data were used to build the model. Experiments demonstrate that the neural network ensemble achieves high prediction accuracy, comparable to the best - known results, while the fuzzy logic system provides a compact and interpretable model description suitable for practical analysis.
