基于EVSC无监督特征选择与MIMO-BP神经网络预测射电望远镜背架温度场分布

作     者：张世交 许谦 王惠 薛飞 曹晓曼 ZHANG Shi-jiao;XU Qian;WANG Hui;XUE Fei;CAO Xiao-man

作者机构：中国科学院新疆天文台乌鲁木齐830011 中国科学院大学北京100049 中国科学院射电天文重点实验室乌鲁木齐830011 新疆射电天体物理实验室乌鲁木齐830011 陕西省天线与控制技术重点实验室西安710065 

出 版 物：《天文学报》 (Acta Astronomica Sinica)

年 卷 期：2025年第66卷第1期

页      面：11-21页

核心收录：

学科分类：07[理学] 070401[理学-天体物理] 0704[理学-天文学] 

基　　金：国家自然科学基金项目(12273102) 国家重点研发计划(2021YFC2203601) 中国科学院青年创新促进会(Y202019)、中国科学院天文台站设备更新及重大仪器设备运行专项、中国科学院科研仪器设备研制项目(PTYQ2022YZZD01) 陕西省天线与控制技术重点实验室开放基金项目资助 

主　　题：望远镜 仪器:背架 方法:无监督特征选择 方法:神经网络 

摘      要：背架受非均匀温度影响是造成射电望远镜天线主反射面精度下降的重要因素之一.工作于野外的天线由于背架拓扑结构复杂导致杆件间相互存在遮挡、热传导、热辐射等,使得背架结构温度场难以通过热力学仿真来准确获取与预测.通过在南山26 m射电望远镜天线背架上布设测温传感器,得到天线背架温度数据集,利用3种不同的无监督特征选择方法从66个测温点选出16个温度敏感点,再将3组不同的温度敏感点集作为输入,使用多输入多输出的BP(Back Propagation)神经网络模型训练输出对应的66个测温点的预测温度值,通过插值算法实现背架全域连续点的温度预测.经计算对比分析得出采用基于特征值敏感准则无监督特征选择方法选取测温敏感点效果最佳,结合BP神经网络与Barnes插值算法实现了仅用16个实测温度点预测南山26 m射电望远镜天线背架全域连续点的温度场分布,预测均方根误差约为0.707℃.研究成果为大口径射电望远镜天线背架结构温度采集点的布置、温度场的获取及预测提供一种可选方法.