题目：平流层浮空器状态监测与预测技术研究

  平流层浮空器以其独特的飞行性能和使用价值，成为科学、军事和民用领域的重点研究对象。随着平流层浮空器技术的发展，现代浮空器系统日趋复杂，为了适应平流层浮空器的长期驻空要求，提高其任务成功率、安全性和故障识别能力，迫切需要对其状态监测和预测技术进行研究。

  本文以平流层浮空器为研究对象，对实现平流层浮空器状态监测与预测所需要的相关技术进行了研究。在分析平流层浮空器状态监测需求的基础上，采用了支持向量机（Suppoort Vector Machine, SVM）对平流层浮空器的状态监测技术进行了研究，并完成了锂电池状态实时监测和故障识别。在平流层浮空器状态预测技术的研究中，采用了基于近似数学模型预测和基于BFE-LM优化的过程神经网络预测两种方法。在详细分析对流换热与太阳辐射的基础上，建立了平流层浮空器囊体分系统囊内气体的热力学模型，并对不同时间内囊内气体压力和囊体蒙皮压差进行了预测。BFE-LM算法以正交基函数展开为基础（BFE），利用LM算法（the Levenberg-Marquardt Algorithm）进行训练，极大缩短了过程神经网络训练时间，提高了其适应性和泛化能力。最后，使用该方法对平流层浮空器囊体压差进行了预测。

  以上研究成果将为某型平流层浮空器健康管理系统的研制提供技术储备。