Arquitetura de rede neural artificial otimizada para previsão da temperatura da bateria em simuladores operacionais de satélites
DOI:
https://doi.org/10.47385/tudoeciencia.2446.2025Palavras-chave:
Simuladores operacionais; Satélites; Rede neural artificial; Algoritmo genético; Bateria.Resumo
A confiabilidade dos simuladores operacionais de satélites depende da capacidade de reproduzir o comportamento dos subsistemas ao longo de toda a vida útil da missão. Entretanto, um dos desafios recorrentes está na representação do envelhecimento dos equipamentos, em especial da bateria, cujo desempenho se degrada de forma complexa ao longo do tempo. Este trabalho investiga o uso de redes neurais artificiais otimizadas por algoritmos genéticos para modelar a temperatura da bateria do satélite CBERS-4. Foram utilizadas telemetrias reais coletadas entre 2015 e 2020, totalizando mais de quatro milhões de registros, reduzidos a um conjunto representativo para viabilizar a execução em tempo real. O processo de busca de arquiteturas de rede foi conduzido com base na minimização do erro médio relativo quadrático (MRSE), considerando até três camadas ocultas. Os resultados indicam a viabilidade de obter arquiteturas compactas e precisas, adequadas para integração em simuladores operacionais, conciliando simplicidade estrutural e fidelidade de previsão. Conclui-se que a abordagem proposta pode contribuir para aumentar a confiabilidade de simulações em missões estendidas, abrindo perspectivas para aplicação em outros subsistemas críticos.
Downloads
Referências
ALEKSANDER, Igor; MORTON, Helen. An introduction to neural computing. Reprinted. London: Chapman & Hall, 1993.
AMBROSIO, Ana Maria; CARDOSO, Paulo Eduardo; ORLANDO, Valcir; NETO, José Bianchi. Brazilian Satellite Simulators: Previous Solutions Trade-off and New Perspectives for the CBERS Program. In: 8TH CONFERENCE ON SPACE OPERATIONS, 2006. Proceedings of the 8th Conference on Space Operations [...]. Rome, Italy: AIAA, 2006. . Acesso em: 14 set. 2025.
BODEN, Daryl G. (Org.). Cost-effective space mission operations. 1. ed., rev.2. printing. New York: McGraw-Hill [u.a.], 1998(Space technology series).
CAO, Mengda; ZHANG, Tao; LIU, Yajie; WANG, Yu; SHI, Zhichao. A Bayesian optimization hyperband-optimized incremental deep belief network for online battery behaviour modelling for a satellite simulator. Journal of Energy Storage, [s. l.], v. 58, p. 106348, fev. 2023. https://doi.org/10.1016/j.est.2022.106348.
CHOW, Tommy W. S.; CHO, Siu-Yeung. Neural networks and computing: learning algorithms and applications. London : Hackensack, NJ: Imperial College Press ; Distributed by World Scientific, 2007(Series in electrical and computer engineering, v. 7).
ECSS. Space engineering: system modelling and simulation. ESTEC, P.O. Box 299, 2200 AG Noordwijk - The Netherlands: [s. n.], abr. 2010. Disponível em: https://ecss.nl/hbstms/ecss-e-tm-10-21a-system-modelling-and-simulation/. Acesso em: 14 set. 2025.
HASANPOUR, Seyyed Hossein; ROUHANI, Mohammad; FAYYAZ, Mohsen; SABOKROU, Mohammad. Lets keep it simple, Using simple architectures to outperform deeper and more complex architectures. [s. l.], 2016. DOI 10.48550/ARXIV.1608.06037. Disponível em: https://arxiv.org/abs/1608.06037. Acesso em: 14 set. 2025.
HENDRICKS, Reinhard; EICKHOFF, Jens. The significant role of simulation in satellite development and verification. Aerospace Science and Technology, [s. l.], v. 9, n. 3, p. 273–283, abr. 2005. https://doi.org/10.1016/j.ast.2004.12.006.
MAGALHÃES, Renato Oliveira de. Estudo de avalanche térmica em um sistema de carga e descarga de bateria em satélites artificiais. 2012. 171 f. Tese (Doutorado em Engenharia e Tecnologia Espaciais) – Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 2012. Disponível em: http://urlib.net/ibi/8JMKD3MGP7W/3B7FP2H.
MAGALHAES, Renato Oliveira de. Power conditioning and distribution unit of China-Brazil satellite CBERS3. In: 2009 BRAZILIAN POWER ELECTRONICS CONFERENCE (COBEP), set. 2009. 2009 Brazilian Power Electronics Conference [...]. Bonito-Mato Grosso do Sul, Brazil: IEEE, set. 2009. p. 1104–1107. DOI 10.1109/COBEP.2009.5347676. Disponível em: http://ieeexplore.ieee.org/document/5347676/. Acesso em: 14 set. 2025.
MAGALHAES, Renato Oliveira de; PINHEIRO, Diego da Silva. CBERS04A power supply simulation and power budget analysis. In: 2017 BRAZILIAN POWER ELECTRONICS CONFERENCE (COBEP), nov. 2017. 2017 Brazilian Power Electronics Conference (COBEP) [...]. Juiz de Fora: IEEE, nov. 2017. p. 1–7. DOI 10.1109/COBEP.2017.8257310. Disponível em: http://ieeexplore.ieee.org/document/8257310/. Acesso em: 14 set. 2025.
REIS JUNIOR, J. D.; AMBROSIO, A. M.; DE SOUSA, F. L.; SILVA, D. F. Spacecraft real-time thermal simulation using artificial neural networks. Journal of the Brazilian Society of Mechanical Sciences and Engineering, [s. l.], v. 43, n. 4, p. 198, abr. 2021. https://doi.org/10.1007/s40430-021-02908-7.
RODRIGUES, Italo Pinto. Análise exploratória para modelagem do envelhecimento de baterias em um simulador operacional de satélites. 2024. 152 f. Tese (Doutorado em Engenharia e Tecnologia Espaciais) – Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 2024. Disponível em: http://urlib.net/ibi/8JMKD3MGP3W34T/4BJDL3P?ibiurl.backgroundlanguage=pt-BR.
RODRIGUES, Italo Pinto; OLIVEIRA, Priscylla A.S.; AMBROSIO, Ana Maria; CHAGAS, Ronan A.J. Modeling satellite battery aging for an operational satellite simulator. Advances in Space Research, [s. l.], v. 67, n. 6, p. 1981–1999, mar. 2021. https://doi.org/10.1016/j.asr.2020.12.031.
SHAH, Harshay; TAMULY, Kaustav; RAGHUNATHAN, Aditi; JAIN, Prateek; NETRAPALLI, Praneeth. The Pitfalls of Simplicity Bias in Neural Networks. [s. l.], 2020. DOI 10.48550/ARXIV.2006.07710. Disponível em: https://arxiv.org/abs/2006.07710. Acesso em: 14 set. 2025.
TIPALDI, Massimo; FERUGLIO, Lorenzo; DENIS, Pierre; D’ANGELO, Gianni. On applying AI-driven flight data analysis for operational spacecraft model-based diagnostics. Annual Reviews in Control, [s. l.], v. 49, p. 197–211, 2020. https://doi.org/10.1016/j.arcontrol.2020.04.012.
TOMINAGA, Jun. Simulação de satélites com base em adaptação autônoma de modelos comportamentais. 2020. 153 f. Tese (Doutorado em Engenharia e Tecnologia Espaciais) – Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 2020. Disponível em: http://urlib.net/ibi/8JMKD3MGP3W34R/42SQ8J8.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Tudo é Ciência: Congresso Brasileiro de Ciências e Saberes Multidisciplinares
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
