論文の概要: Modeling CubeSat Storage Battery Discharge: Equivalent Circuit Versus Machine Learning Approaches
- arxiv url: http://arxiv.org/abs/2507.15666v1
- Date: Mon, 21 Jul 2025 14:31:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:32.440428
- Title: Modeling CubeSat Storage Battery Discharge: Equivalent Circuit Versus Machine Learning Approaches
- Title（参考訳）: キューブサット蓄電池放電のモデリング:等価回路Versus機械学習アプローチ
- Authors: Igor Turkin, Lina Volobuieva, Andriy Chukhray, Oleksandr Liubimov,
- Abstract要約: 本稿は、CubeSat衛星のバッテリー放電をモデル化するアプローチを合理的に選択することを目的としている。
本研究は,電力系統のオービタルデータを用いたCubeSat衛星データの解析に焦点をあてる。
物理法則に基づく解析的モデリングと、経験的データを用いて予測モデルを作成する機械学習の2つのアプローチが検討されている。
- 参考スコア（独自算出の注目度）: 15.236546465767026
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The subject of the article is the study and comparison of two approaches to modelling the battery discharge of a CubeSat satellite: analytical using equivalent circuit and machine learning. The article aims to make a reasoned choice of the approach to modelling the battery discharge of a CubeSat satellite. Modelling the battery discharge of a satellite will enable the prediction of the consequences of disconnecting the autonomous power system and ensure the fault tolerance of equipment in orbit. Therefore, the selected study is relevant and promising. This study focuses on the analysis of CubeSat satellite data, based explicitly on orbital data samples of the power system, which include data available at the time of the article publication. The dataset contains data on the voltage, current, and temperature of the battery and solar panels attached to the five sides of the satellite. In this context, two approaches are considered: analytical modelling based on physical laws and machine learning, which uses empirical data to create a predictive model. Results: A comparative analysis of the modeling results reveals that the equivalent circuit approach has the advantage of transparency, as it identifies possible parameters that facilitate understanding of the relationships. However, the model is less flexible to environmental changes or non-standard satellite behavior. The machine learning model demonstrated more accurate results, as it can account for complex dependencies and adapt to actual conditions, even when they deviate from theoretical assumptions.
- Abstract（参考訳）: 本論文は,CubeSat衛星のバッテリ放電をモデル化するための2つのアプローチ(等価回路と機械学習を用いた解析)の研究と比較である。
本稿は、CubeSat衛星のバッテリー放電をモデル化するアプローチを合理的に選択することを目的としている。
衛星のバッテリ放電をモデル化することで、自律的な電力系統を切断する結果の予測が可能になり、軌道上の機器の耐故障性を確保することができる。
したがって、選択された研究は適切かつ有望である。
本研究は, 電力系統の軌道データサンプルを明示的にベースとしたCubeSat衛星データの解析に焦点をあてる。
データセットには、バッテリーの電圧、電流、温度に関するデータと、衛星の5辺に取り付けられたソーラーパネルが含まれている。
この文脈では、物理法則に基づく解析的モデリングと、経験的データを用いて予測モデルを作成する機械学習の2つのアプローチが検討されている。
結果: モデリング結果の比較分析により, 等価回路アプローチは, 相互関係の理解を容易にする可能性のあるパラメータを識別するため, 透明性の利点を有することが明らかとなった。
しかし、このモデルは環境の変化や非標準衛星の挙動に対して柔軟性が低い。
機械学習モデルは、複雑な依存関係を考慮し、理論的な仮定から逸脱した場合でも、実際の条件に適応できるため、より正確な結果を示した。
関連論文リスト
- Universal Differential Equations for Scientific Machine Learning of Node-Wise Battery Dynamics in Smart Grids [0.0]
科学機械学習(SciML)の強力な枠組みとして、普遍微分方程式(UDE)が登場した。
この研究は、ニューラルネットワーク残基を物理的にインスパイアされたバッテリODEに埋め込むことで、ノード固有のバッテリ進化を学習するためのUDEベースのアプローチを提案する。
論文 参考訳（メタデータ） (2025-06-09T22:24:55Z) - ACCEPT: Diagnostic Forecasting of Battery Degradation Through Contrastive Learning [0.0]
この研究は、基本的なバッテリー劣化モデルを確立し、様々なバッテリータイプと運転条件の信頼性の高い予測を提供する。
我々の新しいフレームワークは、コントラスト学習を用いて、基礎となる物理劣化パラメータと観測可能な操作量との関係をマッピングする。
論文 参考訳（メタデータ） (2025-01-17T12:13:04Z) - Comparing analytic and data-driven approaches to parameter identifiability: A power systems case study [41.94295877935867]
本稿では,パラメータ識別可能性の定量化のための分析的アプローチとデータ駆動手法を比較し,比較する研究について報告する。
我々は、ベンチマーク問題として、パワーシステム領域からのよく理解されたモデルである無限バス同期ジェネレータモデルを使用します。
これらの結果とデータ駆動型多様体学習スキーム:出力拡散(英語版) - マップと幾何調和(英語版) (Geometric Harmonics) を比較した。
論文 参考訳（メタデータ） (2024-12-24T19:33:12Z) - Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。
本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。
提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文 参考訳（メタデータ） (2024-04-11T09:23:36Z) - Multimodal learning-based inversion models for the space-time
reconstruction of satellite-derived geophysical fields [40.33123267556167]
各種の衛星センサーは、衛星軌道による異なるサンプリングパターンの観測データや、大気環境に対する感度を提供する。
本稿では,エンドツーエンドの学習手法がマルチモーダル・インバージョン問題に対処するための新しい手段を提供する方法について検討する。
本手法は,衛星から得られた海面温度画像から適切な情報を抽出し,衛星高度データからの海面電流の復元をいかに進めるかを示す。
論文 参考訳（メタデータ） (2022-03-20T20:37:03Z) - GalaxAI: Machine learning toolbox for interpretable analysis of
spacecraft telemetry data [48.42042893355919]
GalaxAIは、宇宙船のテレメトリデータを分析するための汎用的な機械学習ツールボックスである。
多変量時系列解析、分類、回帰、構造化出力予測に様々な機械学習アルゴリズムを使用している。
本稿では,2つの異なる宇宙船に関する2つのユースケースにおいて,GalaxAIの有用性と汎用性を示す。
論文 参考訳（メタデータ） (2021-08-03T10:45:20Z) - Integrating Domain Knowledge in Data-driven Earth Observation with
Process Convolutions [13.13700072257046]
両アプローチを組み合わせたハイブリッド学習方式は,これらの問題を効果的に解決できると論じる。
具体的には,時系列モデリングにおける遅延力モデル (LFM) と呼ばれるGP畳み込みモデルのクラスを提案する。
アクティブ(ASCAT)およびパッシブ(SMOS, AMSR2)マイクロ波衛星からの土壌水分の時系列を考察する。
論文 参考訳（メタデータ） (2021-04-16T14:30:40Z) - Using Data Assimilation to Train a Hybrid Forecast System that Combines
Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。
動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文 参考訳（メタデータ） (2021-02-15T19:56:48Z) - Battery Model Calibration with Deep Reinforcement Learning [5.004835203025507]
バッテリーモデルのキャリブレーションパラメータを確実かつ効率的に推測するための強化学習ベースのフレームワークを実装します。
このフレームワークは、観測から現実ギャップを補うために、計算モデルパラメータのリアルタイム推論を可能にする。
論文 参考訳（メタデータ） (2020-12-07T19:26:08Z) - Space-Filling Subset Selection for an Electric Battery Model [0.0]
バッテリーの動作に関する実際の運転データは、システムの強く非均一な励起を表します。
アルゴリズムは、非線形モデルの入力空間をより均質に満たす動的データポイントを選択する。
このトレーニングデータの削減は、ランダムなサブセットと比較してモデル品質の向上と、すべてのデータポイントを用いたモデリングよりも高速なトレーニングにつながることが示されている。
論文 参考訳（メタデータ） (2020-12-07T09:12:56Z) - Universal Battery Performance and Degradation Model for Electric
Aircraft [52.77024349608834]
電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。
我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。
このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
論文 参考訳（メタデータ） (2020-07-06T16:10:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。