法律状态公告日
法律状态信息
法律状态
2022-11-11
实质审查的生效 IPC(主分类):G06N 3/04 专利申请号:2022106666612 申请日:20220613
实质审查的生效
技术领域
本发明属于基于可见光观测的空间态势感知技术,涉及一种天基可见光观测地球同步轨道目标高精度轨道预报方法。
背景技术
经略太空,感知先行。在天基空间态势感知的诸多观测方法中,可见光观测由于其能耗低、可靠性高、作用距离远、易于小型化等优势成为了主要的观测手段,其是通过天基卫星平台搭载可见光相机捕获空间目标反射的太阳光进行测量与监视。其中,地球同步轨道卫星是最为主要的监视目标。在对地球同步轨道卫星目标监视的过程中,目标的轨道预报是不可或缺的关键环节,也是情报研判与掌握天情的最重要的依据。传统的完全基于轨道动力学模型的轨道预报方法,是通过对卫星运行过程中所受各种摄动力建模来完成的。该方法不可避免的存在由于卫星空间受力的复杂性、卫星目标参数的不确定性所导致的建模精度不高问题,这将会直接造成目标卫星轨道预报精度不高。因此,有必要进行空间目标尤其是地球同步轨道卫星目标轨道预报精度的提高,这对提升我国空间态势感知能力和国家空间安全系数均具有重要的意义。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种天基可见光观测地球同步轨道目标高精度轨道预报方法,能够完成基于天基可见光观测下地球同步轨道卫星目标的高精度轨道预报。
技术方案
一种天基可见光观测地球同步轨道目标高精度轨道预报方法,其特征在于步骤如下:
步骤1、针对地球同步轨道卫星目标的高精度轨道预报设计长短期记忆神经网络:
长短期记忆神经网络共有7层,包括1个输入层、5个连接的隐藏层、1个输出层;在前向计算中,隐藏层的输出h
h
式中,sigmoid为sigmoid函数,w
输出层的输出y
y
式中w
在反向传播计算中,损失函数E定义为:
式中y
步骤2:对天基可见光观测系统获取的目标观测数据、天基卫星平台的位置数据以及地球同步轨道卫星目标的精密轨道数据进行预处理,构造出长短期记忆神经网络所需的神经网络模型的输入训练集与测试集;
以训练集对步骤1设计的长短期记忆神经网络进行训练,得到逼近轨道动力学预报误差模型的神经网络模型;
步骤3:以过往p个时刻的相关数据输入逼近轨道动力学预报误差模型的神经网络模型,在神经网络模型的输出端得到未来q个时刻的轨道动力学预报误差;同时,通过地球同步轨道卫星目标轨道动力学预报q个时刻的轨道,利用预报误差修正轨道动力学预报的轨道,得到高精度的轨道预报。
对所述神经网络模型训练时的输入为:利用地球同步轨道卫星目标过往p个时刻的相关数据,预测接下来q个时刻的轨道动力学预报误差,总的时间序列长度为T,神经网络模型的输入:
式中,
对所述神经网络模型训练时的输出为:
式中,y
所述步骤2得到的测试集对该网络进行测试。
所述步骤2的数据中的98%用作训练集。
所述步骤2的数据通过天基可见光观测系统获取不同的地球同步轨道目标卫星过去90天内4500组数据,将其中的4400组数据作为训练集,100组数据作为测试集。
有益效果
本发明提出的一种天基可见光观测地球同步轨道目标高精度轨道预报方法,通过采用长短期记忆神经网络,利用天基可见光观测手段,实现对地球同步轨道卫星目标的高精度轨道预报。首先针对地球同步轨道卫星目标的高精度轨道预报设计合适的长短期记忆神经网络;然后对天基可见光观测系统获取的目标观测数据、天基卫星平台的位置数据以及地球同步轨道卫星目标的精密轨道数据进行预处理,构造出长短期记忆神经网络所需的训练集与测试集并展训练与测试,得到逼近轨道动力学预报误差模型的神经网络模型;最后将获得的神经网络模型部署,对基于轨道动力学模型的轨道预报进行修正,得到地球同步轨道卫星目标高精度的轨道预报结果。本发明的方法地球同步轨道卫星目标轨道预报精度高、可降低对复杂轨道动力学建模的要求、普适性强。
附图说明
图1为本发明的天基可见光观测地球同步轨道卫星目标高精度轨道预报方法的流程图;
图2为本发明的天基可见光观测地球同步轨道卫星目标高精度轨道预报方法的训练阶段框图;
图3为本发明的天基可见光观测地球同步轨道卫星目标高精度轨道预报方法的部署阶段框图。
具体实施方式
现结合实施例、附图对本发明作进一步描述:
一种天基可见光观测地球同步轨道卫星目标高精度轨道预报方法,该方法包含:S1、针对地球同步轨道卫星目标的高精度轨道预报设计合适的长短期记忆神经网络;S2、对天基可见光观测系统获取的目标观测数据、天基卫星平台的位置数据以及地球同步轨道卫星目标的精密轨道数据进行预处理,构造出长短期记忆神经网络所需的训练集与测试集并展训练与测试,得到逼近轨道动力学预报误差模型的神经网络模型;S3、将获得的神经网络模型部署,对轨道动力学预报进行修正,得到地球同步轨道卫星目标高精度的轨道预报结果。
如图1-图3结合所示,本发明提供了一种天基可见光观测地球同步轨道卫星目标高精度轨道预报方法,该方法包含以下步骤:
S1、针对地球同步轨道卫星目标的高精度轨道预报设计合适的长短期记忆神经网络;
S2、对天基可见光观测系统获取的目标观测数据、天基卫星平台的位置数据以及地球同步轨道卫星目标的精密轨道数据进行预处理,构造出长短期记忆神经网络所需的训练集与测试集并展训练与测试,得到逼近轨道动力学预报误差模型的神经网络模型;
S3、将获得的神经网络模型部署,对轨道动力学预报进行修正,得到对地球同步轨道卫星目标高精度的轨道预报结果。
所述步骤S1中,进一步包含:
所设计的长短期记忆神经网络共有7层,包括1个输入层、5个隐藏层、1个输出层。在前向计算中,隐藏层的输出h
h
式中,sigmoid为sigmoid函数,w
输出层的输出y
y
式中w
在反向传播计算中,损失函数E定义为:
式中y
所述步骤S2中,进一步包含:
假设利用地球同步轨道卫星目标过往p个时刻的相关数据,预测接下来q个时刻的轨道动力学预报误差,总的时间序列长度为T,则神经网络模型的输入为:
式中,
神经网络模型的输出为:
式中,y
通过自主研制的天基可见光观测系统获取不同的地球同步轨道目标卫星过去90天,每天50组,共计4500组数据,即总的时间序列长度为4500。每一组数据包括如下三个部分:
(1)该组数据时刻的轨道动力学预报误差
如图2所示,该组数据时刻的轨道动力学预报误差是由天基可见光观测系统基于目标观测数据进行精密定轨获得精密轨道后与轨道动力学预报轨道相减获得。
(2)特定时刻的目标观测数据
目标观测数据是指观测计算获得的目标赤经赤纬数据。特定时刻的目标观测数据是指从该组数据时刻起算之前的36组目标赤经赤纬数据与从该组数据时刻之前的6小时起算之前的36组目标赤经赤纬数据。
(3)特定时刻的天基卫星平台位置数据
特定时刻的天基卫星平台位置数据是指从该组数据时刻起算之前的36组天基卫星平台位置数据与从该组数据时刻之前的6小时起算之前的36组天基卫星平台位置数据。
将数据集中的4400组数据作为训练集,100组数据作为测试集。
所述步骤S3中,进一步包含:
如图3所示,将训练与测试后获得的逼近轨道动力学预报误差模型的神经网络模型进行部署,输入过往p个时刻的相关数据,得到未来q个时刻的轨道动力学预报误差;同时,通过地球同步轨道卫星目标轨道动力学预报q个时刻的轨道,利用预报误差修正轨道动力学预报的轨道,得到高精度的轨道预报。
综上所述,本发明通过对观测数据、天基卫星平台位置数据、地球同步轨道卫星目标精密轨道数据进行预处理,构造出长短期记忆神经网络所需形式,获得训练集与测试集;然后利用长短期记忆神经网络进行训练与测试,得到神经网络模型逼近轨道动力学预报误差模型;最后将获得的神经网络模型部署,对轨道动力学预报进行修正,得到地球同步轨道卫星目标高精度的轨道预报结果。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
机译: 扫描太阳和地球之间的空间的方法,不适用于观测位于地面和地球轨道上的光学设备,这是因为它们对太阳的照射是通过与地球轨道保持恒定距离的摆线进行的
机译: 利用地面站的地球同步轨道(GSO)上的导航空间车辆(NSV)和/或地球同步倾斜轨道(GSIO)上的导航空间车辆(NSV)的导航无线电信号的形成方法及其实现系统
机译: 集成地球同步轨道(GSO)/非地球同步轨道(NGSO)卫星通信系统