The spacecraft operating in Earth orbit must maintain the appropriate temperature of onboard equipment amidst extreme conditions such as the 5700 K from the Sun and the frigid temperatures of outer space, to safely perform its mission throughout its designed lifetime. Moon, natural satellites of Earth, experiences average temperatures in the space environment ranging from approximately -53.15°C (equator) to -123.15°C (at 85° north latitude), depending on the surface reflectivity and thermal conductivity of the lunar soil. These temperatures can exceed the operational limits of typical onboard devices. Therefore, spacecraft employ thermal design to maintain suitable temperatures, requiring precise temperature prediction through thermal mathematical models.
However, thermal parameters inputted into these mathematical models carry uncertainties, necessitating reduction through verification against data from thermal vacuum tests and comparative analysis. Such test data are generally limited, posing an undetermined problem when facing complex missions or spacecraft designed for new space environments where thermal design/environmental variables outnumber equations. As designs become more intricate, resolving multivariate undetermined problems via iterative variable determination by engineers becomes increasingly challenging.
This thesis proposes a technique to swiftly determine various thermal parameters of spacecraft, acknowledging their inherent uncertainties. Thermal mathematical models are structured using the widely adopted lumped-parameter method to configure thermal nodes of spacecraft, with component properties inputted based on well-established, measured, or theoretical values. However, the values with lesser-known or high uncertainties are defined as thermal parameters. To enhance accuracy for thermal parameters, quasi-steady test data from thermal vacuum tests are utilized, correlating and verifying the thermal mathematical models to ensure their temperature prediction align within criteria specified by the European Cooperation for Space Standardization (ECSS).
This approach incorporates a data-driven surrogate modeling approach using radiation basis function networks and deep neural networks to predict test data, setting the objective function to minimize temperature deviations between quasi-steady state of the thermal vacuum test and predictions by surrogate models. By imposing temperature constraints to maintain the physical validity of thermal parameters, adjustments are made to achieve solutions consistent with test results, thus verifying the potential of surrogate modeling based on data for determining thermal parameters.
지구 궤도에서 운용되고 있는 위성은 약 5700Κ의 태양과 극저온의 우주환경에서 탑재장치의 적절한 온도를 유지하여 설계된 수명동안 안전하게 임무를 수행하여야 한다. 달과 같은 지구의 위성은 표면의 반사도, 지각의 열전도도에 따라 우주환경에서 평균 온도가 섭씨 -53.15°(적도)에서 섭씨 -123.15°(북위 85°기준)로 유지되는데, 일반적인 탑재장치의 운용온도를 초과하게 된다. 그러므로, 위성은 열설계를 통해 적절한 온도를 유지할 수 있도록 하며, 이때, 열 수학적 모델로 온도를 정확히 예측해야 한다. 그러나, 열 수학적 모델에 입력되는 열 매개변수에는 불확실성이 있으며 이를 검증하기 위한 열진공 시험의 데이터와 비교 분석과정을 통해 줄여 나가야한다. 열진공 시험으로부터 얻는 데이터는 일반적으로 한계가 있으므로 복잡한 임무를 수행하거나 새로운 우주환의 위성에 대한 열설계/환경 변수가 방정식의 개수 보다 많아서 미결정 문제가 된다. 복잡한 설계가 될수록 엔지니어에 의한 반복적인 변수 결정 방법으로는 다변수 미결정 문제를 해결하기 어려워지게 될 것이다. 본 학위논문에서는 어느 정도 불확실성이 존재하는 위성 시스템의 열 수학적 모델과 열 진공 시험 데이터를 활용하여 복잡한 열 매개변수를 신속하게 결정하는 기법을 제안하고자 한다. 열 수학적 모델은 현재 널리 사용되는 집적 매개변수 방법을 통해 위성의 열적 정보를 노드로 구성하며, 각 구성품의 물성치는 표면 특성을 포함하여 잘 알려진 값, 측정한 값, 또는 이론적인 값에 근거하여 입력하였다. 그러나, 잘 알려져 있지 않거나 불확도가 높은 변수는 열 매개변수로 설정하였다. 높은 불확도를 갖는 열 매개변수에 정확성을 부여하기 위해 열 진공에서 준정적 시험 데이터를 활용하고, 이 데이터와 모델의 온도 예측값이 유럽 우주 표준화 협력(ECSS)에서 규정한 기준 이내에 있는지 확인하여 열 수학적 모델링을 조정하게 된다. 이 시험 데이터 예측에는 방사 기저 함수 신경망과 심층 신경망을 이용한 데이터 기반의 대리 모델링 접근법을 도입하였다. 열진공 시험의 준정상 상태의 온도와 대리 모델이 예측한 온도 간의 편차를 최소화하는 것을 목적 함수로 설정하여, 열 매개변수의 물리적인 유효성을 유지하기 위해 온도 제약 조건을 부과하여 적용하여 변수를 조절하였다. 이에 따라 시험과 일치하는 해를 얻을 수 있었으므로, 데이터 기반의 대리 모델링을 통한 열 매개변수 결정법의 가능성을 확인하였다.
