基于机器学习的在轨航天器泄漏源实时定位方法研究

该文章针对航天器在轨泄漏问题，提出了一种基于机器学习的泄漏源实时定位方法。该方法通过合理特征化泄漏在器壁中激发的弹性波信号，结合有限元仿真技术获得有效的训练数据，设计并实现了一种多层感知机网络模型，从而准确完成泄漏源与传感器间的距离信息估计，同时结合计算弹性波数据时空相关性得到的相对角度信息，可以快速稳定的获得泄漏源的空间位置。该方法仅采用一个布放在器壁上的压电阵列式传感器采集泄漏激发的弹性波数据，结构相对简单。试验结果表明，基于该文章设计的多层感知机模型，在1 m²试验板范围内该方法对泄漏源与阵列式传感器距离估计准确率为100%,最大定位误差为1.2 cm。