APP下载

基于神经网络算法的卫星轨道预报

2020-11-14任昊利

舰船科学技术 2020年10期
关键词:模型

罗 飞,任昊利,赵 冰

(1.中国人民解放军91054部队,北京102442;2.战略支援部队航天工程大学,北京101416;3.中国人民解放军91776部队,北京100161)

0 引言

随着航天活动的日趋频繁,在轨卫星数量越来越多,特别是美国在轨侦察卫星多达数十颗,可对我海上舰船目标进行大范围、全天候、高时效的侦查探测和海洋监视,为有效规避其侦察监视或对其实施干扰抗击,对其卫星轨道进行预测十分必要。目前,国际上主要通过经典力学模型对卫星轨道进行预报。北美防空司令部(North American Aerospace Defense,NORAD)提供的两行轨道根数(Two-Line Elements,TLE)结合解析模型进行轨道预报是目前针对卫星轨道预报的主流方法。NORAD的TLE需要在简化常规扰动(Simplified General Perturbation Version4, SGP4)解析模型中进行计算[1],SGP4适用于近地空间目标轨道周期小于225 min的卫星[2]。对卫星轨道预报精度的研究,一方面集中在TLE初值,另一方面集中在对各摄动力模型优化。尽管传统方法相对成熟,但是卫星轨道预测模型仍存在一定局限性、预报精度还有待提高。首先,现有的理想化的摄动力模型偏差相对较大;其次,所谓的摄动力是考虑影响卫星轨道的影响因素,这些因素放到一个模型里可能考虑不全甚至说不清楚;再次,由于很难获取他国卫星的轨道数据,无法及时修正轨道,数学模型在长期轨道预报中存在误差发散现象[3]。针对上述不足,本文提出基于神经网络的轨道预报算法,使用卫星的历史TLE数据作为神经网络的学习样本,通过对大量数据的学习,得出卫星轨道运行的规律,预报卫星轨道。……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用