Achievements

阿尔法磁谱仪（AMS）是安装在国际空间站上的高精度粒子物理探测器，用于寻找暗物质起源、反物质以及宇宙射线来源。在复杂多变的空间环境下，分析和准确预测电子设备的热状况变化，是保证探测器正常运行的前提条件。本文应用AMS历史运行数据建立的RAM侧和WAKE侧散热板的人工神经网络模型，输入参数均为beta角，输出参数分别为RAM侧的28个温度传感器和WAKE侧的31个温度传感器。通过对比实际运行数据和模型预测数据，预测误差约为0.2℃。对于不同周期时间的模型分析表明，采用轨道整个周期数据进行预测比半周期或1/3周期的效果更好。本文建立的人工神经网络模型为预测主散热板温度随beta角的变化规律提供了有力的工具。

本文刊登于《Nuclear Inst. and Methods in Physics Research, A》2020年982期，主要由高等院博士后邵卫、研究员崔峥等合作完成。