基于LSTM神经网络的短期轨道预报

摘要

针对基于动力学模型的轨道预报方法对卫星自主轨道预报与大量非合作目标轨道预报中存在建模成本过高和缺少目标空间环境信息的问题,提出一种基于误差数据驱动的神经网络轨道预报方法。该方法在解析法动力学模型的基础上,使用长短期记忆神经网络对历史轨道预报的误差进行学习,预测未来短期动力学模型的预报误差,以此对预报结果进行修正。选用Ajisai卫星轨道数据和SGP4(simplified general perturbations)动力学模型对所提模型的有效性和性能进行仿真验证。实验结果表明,所提方法对地心惯性坐标系下3个轴一天的预报误差分别下降到原来的16.87%、17.66%、19.58%,显著提升了轨道预报精度。