基于不确定性的卫星组件电路板热可靠性分析方法

技术特征：
1.一种基于不确定性的卫星组件电路板热可靠性分析方法，其特征在于，包括：获取包括多个训练数据的训练数据集，其中，所述训练数据包括卫星组件布局和卫星组件布局对应的温度场，不同卫星组件布局的组件位置相同，卫星组件布局中的各个组件功率从预设的组件功率服从的高斯分布中随机采样确定；构建多个第一概率深度神经网络模型，利用所述训练数据集分别训练多个所述第一概率深度神经网络模型以拟合卫星组件布局与温度场的映射关系，其中，所述第一概率深度神经网络模型的输出为温度场的高斯分布；构建第二概率深度神经网络模型，采用知识蒸馏方式，利用所述训练数据集和训练后的多个所述第一概率深度神经网络模型蒸馏训练所述第二概率深度神经网络模型，其中，所述第二概率深度神经网络模型的输出为温度场的高斯分布；根据卫星组件电路板的极限工作状态参数，利用训练后的所述第二概率深度神经网络模型对卫星组件电路板进行热可靠性分析。2.根据权利要求1所述的基于不确定性的卫星组件电路板热可靠性分析方法，其特征在于，所述获取包括多个训练数据的训练数据集，包括：确定待分析的卫星组件电路板中的各个组件位置和组件布局区域，对组件布局区域进行网格划分，根据确定的各个组件位置挑选组件布局区域中对应的网格放置组件；针对每个组件，从预设的组件功率服从的高斯分布中进行随机采样得到组件功率，确定每个组件的组件功率，得到一个卫星组件布局x
i
，利用有限元方法计算卫星组件布局x
i
对应的温度场y
i
，获取一个包括卫星组件布局及卫星组件布局对应的温度场的训练数据(x
i
,y
i
)；重复多次随机采样过程直至得到预设数量n的训练数据，获取包括n个训练数据的训练数据集{(x
i
,y
i
)|i＝1,2,
…
,n}。3.根据权利要求2所述的基于不确定性的卫星组件电路板热可靠性分析方法，其特征在于，训练所述第一概率深度神经网络模型时，使用的损失函数为：其中，p(y
i
|x
i
,θ)表示第一概率神经网络模型对输入x
i
的输出高斯分布，θ表示第一概率深度神经网络模型参数。4.根据权利要求2或3所述的基于不确定性的卫星组件电路板热可靠性分析方法，其特征在于，训练所述第二概率深度神经网络模型时，使用的损失函数为：其中，m表示第一概率深度神经网络模型的个数，kl[p(y
i
|x
i
,θ
j
)|p(y
i
|x
i
,φ)]表示p(y
i
|x
i
,θ
j
)和p(y
i
|x
i
,φ)的kl散度，p(y
i
|x
i
,θ
j
)表示第j个第一概率神经网络模型对输入x
i
的输出高斯分布，p(y
i
|x
i
,φ)表示第二概率神经网络模型对输入x
i
的输出高斯分布，θ
j
表示第j个第一概率神经网络模型参数，φ表示第二概率神经网络模型参数。5.根据权利要求1-4中任一项所述的基于不确定性的卫星组件电路板热可靠性分析方法，其特征在于，所述卫星组件电路板的极限工作状态参数包括：卫星组件电路板的失效阈
值温度和失效概率阈值。6.根据权利要求5所述的基于不确定性的卫星组件电路板热可靠性分析方法，其特征在于，所述根据卫星组件电路板的极限工作状态参数，利用训练后的所述第二概率深度神经网络模型对卫星组件电路板进行热可靠性分析，包括：将卫星组件电路板的卫星组件布局输入训练后的所述第二概率深度神经网络模型，获取卫星组件电路板对应的温度场的高斯分布；计算所述温度场的高斯分布中温度场最高温度在所述卫星组件电路板的失效阈值温度以下的概率，获取卫星组件电路板的失效概率；比较所述卫星组件电路板的失效概率和所述卫星组件电路板的失效概率阈值，确定卫星组件电路板在卫星在轨运行阶段是否会失效。7.根据权利要求6所述的基于不确定性的卫星组件电路板热可靠性分析方法，其特征在于，所述卫星组件电路板的失效概率利用高斯分布的累积分布函数和泰勒级数展开进行估计。8.根据权利要求6所述的基于不确定性的卫星组件电路板热可靠性分析方法，其特征在于，所述比较所述卫星组件电路板的失效概率和所述卫星组件电路板的失效概率阈值，确定卫星组件电路板在卫星在轨运行阶段是否会失效，包括：若所述卫星组件电路板的失效概率小于或等于所述卫星组件电路板的失效概率阈值，判定卫星组件电路板在卫星在轨运行阶段能够正常运行；若所述卫星组件电路板的失效概率大于所述卫星组件电路板的失效概率阈值，判定卫星组件电路板在卫星在轨运行阶段会失效。

技术总结
本发明公开了一种基于不确定性的卫星组件电路板热可靠性分析方法，包括：获取包括多个训练数据的训练数据集；构建多个第一概率深度神经网络模型，利用训练数据集分别训练多个第一概率深度神经网络模型；构建第二概率深度神经网络模型，采用知识蒸馏方式，利用训练数据集和训练后的多个第一概率深度神经网络模型蒸馏训练第二概率深度神经网络模型，其中，第一概率深度神经网络模型和第二概率深度神经网络模型的输出为温度场的高斯分布；根据卫星组件电路板的极限工作状态参数，利用训练后的第二概率深度神经网络模型对卫星组件电路板进行热可靠性分析。本发明能够在考虑不确定性因素的情况下实现卫星组件布局的温度场快速预测和热可靠性分析。速预测和热可靠性分析。速预测和热可靠性分析。


技术研发人员：张俊 李桥 周炜恩 彭伟 李星辰
受保护的技术使用者：中国人民解放军军事科学院国防科技创新研究院
技术研发日：2021.12.16
技术公布日：2022/4/29