Multi-Fidelity Modeling and Adaptive Co-Kriging-Based Optimization for All-Electric Geostationary Orbit Satellite Systems
Notice bibliographique
Résumé
Abstract All-electric geostationary orbit (GEO) satellite systems design is a challenging multidisciplinary design optimization (MDO) problem, which is computation-intensive due to the employment of expensive simulations. In this paper, the all-electric GEO satellite MDO problem with multi-fidelity models is investigated. The MDO problem involving six inter-coupled disciplines is formulated to minimize the total mass of the satellite system subject to a number of engineering constraints. To reduce the computational cost of the multidisciplinary analysis (MDA) process, multi-fidelity transfer dynamics models and finite element analysis (FEA) models are developed for the geosynchronous transfer orbit (GTO) and structure disciplines, respectively. To effectively solve the all-electric GEO satellite MDO problem using multi-fidelity models, an adaptive Co-Kriging-based optimization framework is proposed. In this framework, the samples from a high-fidelity MDA process are integrated with those from a low-fidelity MDA process to create a Co-Kriging metamodel with a moderate computational cost for optimization. Besides, for refining the Co-Kriging metamodels, a multi-objective adaptive infill sampling approach is developed to produce the infill sample points in terms of the expected improvement (EI) and the probability of feasibility (PF) functions. Optimization results show that the proposed optimization framework can significantly reduce the total mass of satellite system with a limited computational budget, which demonstrates the effectiveness and practicality of the multi-fidelity modeling and adaptive Co-Kriging-based optimization framework for all-electric GEO satellite systems design.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».