一种使用神经网络估计交会脉冲的方法技术

本发明专利技术公开了一种使用神经网络估计交会脉冲的方法，首先获得初始和目标轨道、交会时长与速度增量一一对应的训练数据集；然后设计神经网络结构，包括神经网络的层数，每一层的节点数，以及输入层的数据类型；利用采样数据对神经网络进行训练，获得网络的最优权重。最后利用训练好的神经网络计算交会脉冲大小。本发明专利技术给定交会时刻和转移飞行时长，给定起始和目标轨道根数，能够快速计算得到考虑摄动的脉冲交会最优的速度增量大小。冲交会最优的速度增量大小。冲交会最优的速度增量大小。

【技术实现步骤摘要】
一种使用神经网络估计交会脉冲的方法


[0001]本专利技术属于航天导航控制
，具体涉及一种使用神经网络估计交会脉冲的方法。

技术介绍

[0002]考虑摄动的多脉冲轨道交会优化问题求解一般使用进化算法对脉冲大小和时刻进行全局搜索，计算量大且效率很低。在设计分析交会任务或优化多星交会序列时，可能并不需要精确的脉冲转移轨迹，只需要快速得到总的交会速度增量即可。此时需要设计一种高效率的估计方法来代替复杂的动力学过程求解。传统的估计算法根据交会的起始和目标轨道根数差建立解析或半解析的约束方程组，将轨道根数各个分量对应的速度增量进行叠加，不能同时兼顾精度和效率。本专利技术引入神经网络对脉冲交会速度增量进行估计，将进化算法的精确优化结果作为样本，通过训练学习获得交会速度增量与起始和目标轨道根数的近似关系，可以达到较高的估计精度。

技术实现思路

[0003]本专利技术的目的是提供一种使用神经网络估计交会脉冲的方法，给定交会时刻和转移飞行时长，给定起始和目标轨道根数，能够快速计算得到考虑摄动的脉冲交会最优的速度增量大小。
[0004]本专利技术所采用的技术方案是，一种使用神经网络估计交会脉冲的方法，具体按照以下步骤实施：
[0005]步骤1、获得初始和目标轨道、交会时长与速度增量一一对应的训练数据集；
[0006]步骤2、设计神经网络结构，包括神经网络的层数，每一层的节点数，以及输入层的数据类型；
[0007]步骤3、利用采样数据对神经网络进行训练，获得网络的最优权重。
[0008]步骤4、利用训练好的神经网络计算交会脉冲大小。
[0009]本专利技术的特点还在于，
[0010]步骤1具体按照以下步骤实施：
[0011]步骤1.1、首先使用随机数生成初始和目标轨道，设x[0]到x[11]是一组随机生成的
‑
1到1之间的数列，则初始轨道根数即第一类无奇点根数的六个分量表示为：
[0012][0013]其中，a0,e
x0
,e
y0
,i0,Ω0,u0表示目标轨道根数的六要素；表示给定的半长轴采样均值，分别表示偏心率矢量两个分量的采样均值，表示倾角的采样均值，表示升交点赤经的采样均值，表示纬度辐角的采样均值；δa,δe,δi,δΩ,δu分别表示半长轴、偏心率大小、倾角、升交点赤经和纬度辐角的采样随机变化范围；
[0014]步骤1.2、目标轨道根数即第一类无奇点根数的六个分量表示为：
[0015][0016]其中δa,δe,δi,δΩ,δu的定义同式(1)，
[0017]a
f
,e
xf
,e
yf
,i
f
,Ω
f
,u
f
表示目标轨道根数的六要素；
[0018]同时用一个0到1的随机数k
t
表示交会时长Δt：
[0019]Δt＝Δt
min
+k
t
Δt
max
ꢀꢀꢀ
(3)
[0020]根据式(1)、式(2)和式(3)，定义一个轨道交会优化问题，并优化求解得到速度增量Δυ，进行多次采样和优化计算后获得用于步骤2的神经网络的数据集。
[0021]步骤2具体按照以下步骤实施：
[0022]采用四层神经网络，包括一个输入层，两个隐含层以及一个输出层，输入数据即x[0]至[11]和k
t
，输出即为交会脉冲大小，两层隐藏层均设为60维，所有节点的激活函数均采用RELU函数。神经网络中每一层的权重是未知量，需要通过大量采样数据进行训练求解。
[0023]这里对输入进行了预处理，将有效数据维数降为9，包括以下数据：
[0024][0025]其中，为起始轨道的升交点赤经漂移率：
[0026][0027]其中J2为地球非球形引力摄动常数项，R
e
为地球赤道半径，为轨道平均角速度，μ为地球引力常数，为起始轨道的近地点辐角漂移率：
[0028][0029]步骤3具体按照以下步骤实施：
[0030]采用keras和tensorflow框架对所述步骤3的神经网络进行训练，参数设置选择如下，优化器optimizer＝'rmsprop',损失函数loss＝'mse',评价函数metrics＝'mape'，其它参数采用默认值；
[0031]经过训练以后，即可获得快速估计交会速度增量的神经网络权重。
[0032]步骤4具体按照以下步骤实施：
[0033]神经网络经过一次训练后，即可根据任意给定的初始轨道根数，目标轨道根数以及交会时间Δt，快速计算交会脉冲大小，
[0034]具体为：首先根据式(1)，(2)和(3)反算x[0]到x[11]及k
t
的取值，然后根据式(4)获得9维输入向量的取值，然后将其代入神经网络，经过神经网络正向运算输出的结果即为近似估计的交会脉冲大小。
[0035]本专利技术的有益效果是，一种使用神经网络估计交会脉冲的方法，优势在于一次性的完成采样和训练并获得最优神经网络权重后，在给定的范围内输入任意航天器起始轨道、目标交会轨道和交会时长，都能够快速的估计得到交会速度增量，且估计精度很高。
附图说明
[0036]图1为本专利技术步骤2中神经网络结构示意图；
[0037]图2为本专利技术步骤3中训练后的预测误差图。
具体实施方式
[0038]下面结合附图和具体实施方式对本专利技术进行详细说明。
[0039]本专利技术一种使用神经网络估计交会脉冲的方法，结合图1、图2，具体按照以下步骤实施：
[0040]步骤1、获得初始和目标轨道、交会时长与速度增量一一对应的训练数据集；
[0041]步骤1具体按照以下步骤实施：
[0042]步骤1.1、首先使用随机数生成初始和目标轨道，设x[0]到x[11]是一组随机生成的
‑
1到1之间的数列，则初始轨道根数即第一类无奇点根数的六个分量表示为：
[0043][0044]其中，a0,e
x0
,e
y0
,i0,Ω0,u0表示目标轨道根数的六要素；表示给定的半长轴采样均值，分别表示偏心率矢量两个分量的采样均值，表示倾角的采样均值，表示升交点赤经的采样均值，表示纬度辐角的采样均值；δa,δe,δi,δΩ,δu分别表示半长轴、偏心率大小、倾角、升交点赤经和纬度辐角的采样随机变化范围；
[0045]步骤1.2、目标轨道根数即第一类无奇点根数的六个分量表示为：
[0046][0047]其中δa,δe,δi,δΩ,δu的定义同式(1)，
[0048]a
f
,e
xf
,e
yf
,i
f
,Ω
f
,u
f
表示目标轨道根数的六要素；...

【技术保护点】

【技术特征摘要】
1.一种使用神经网络估计交会脉冲的方法，其特征在于，具体按照以下步骤实施：步骤1、获得初始和目标轨道、交会时长与速度增量一一对应的训练数据集；步骤2、设计神经网络结构，包括神经网络的层数，每一层的节点数，以及输入层的数据类型；步骤3、利用采样数据对神经网络进行训练，获得网络的最优权重。步骤4、利用训练好的神经网络计算交会脉冲大小。2.根据权利要求1所述的一种使用神经网络估计交会脉冲的方法，其特征在于，所述步骤1具体按照以下步骤实施：步骤1.1、首先使用随机数生成初始和目标轨道，设x[0]到x[11]是一组随机生成的
‑
1到1之间的数列，则初始轨道根数即第一类无奇点根数的六个分量表示为：其中，a0,e
x0
,e
y0
,i0,Ω0,u0表示目标轨道根数的六要素；表示给定的半长轴采样均值，分别表示偏心率矢量两个分量的采样均值，表示倾角的采样均值，表示升交点赤经的采样均值，表示纬度辐角的采样均值；δa,δe,δi,δΩ,δu分别表示半长轴、偏心率大小、倾角、升交点赤经和纬度辐角的采样随机变化范围；步骤1.2、目标轨道根数即第一类无奇点根数的六个分量表示为：其中δa,δe,δi,δΩ,δu的定义同式(1)，a
f
,e
xf
,e
yf
,i
f
,Ω
f
,u
f
表示目标轨道根数的六要素；同时用一个0到1的随机数k
t
表示交会时长Δt：Δt＝Δt
min
+k
t
Δt
max (3)根据式(1)、式(2)和式(3)，定义一个轨道交会优化问题，并优...

【专利技术属性】
技术研发人员：黄岸毅，李恒年，
申请(专利权)人：中国西安卫星测控中心，
类型：发明
国别省市：