一种北斗卫星在轨状态智能分类方法技术

本发明专利技术公开了一种北斗卫星在轨状态智能分类方法，利用已获取的北斗卫星导航系统观测数据库，对北斗卫星的观测数据进行处理，构建北斗卫星的光压模型参数信息序列；利用自组织映射神经网络的聚类功能，对所有北斗卫星的光压模型参数信息序列进行分类聚类，实现了北斗卫星在轨状态智能分类。可见，通过对北斗卫星在轨状态智能分类，有利于对同一类型卫星进行动力学模型和参数解算策略优化，提升北斗卫星在轨状态的分类管理效能和北斗卫星定轨精度，提升了北斗卫星导航系统的服务性能。提升了北斗卫星导航系统的服务性能。提升了北斗卫星导航系统的服务性能。

【技术实现步骤摘要】
一种北斗卫星在轨状态智能分类方法


[0001]本专利技术涉及领域卫星导航智能运维领域，具体涉及一种北斗卫星在轨状态智能分类方法。

技术介绍

[0002]北斗卫星导航系统卫星星座采用异轨混合星座，同时卫星平台和载荷由不同卫星生产厂商负责研制，不同的卫星平台导致卫星在轨期间的动力学模型必然存在差异，对不同类型的卫星进行针对性的动力学模型优化和参数解算策略优化，因此对北斗卫星导航系统在轨卫星状态进行分类是提升北斗卫星轨道精度的有效途径。但是，目前并未对北斗卫星进行有效分类，导致无法实现北斗卫星在轨状态的精确分类管理，难以对不同类型北斗卫星进行轨道精度提升。因此，亟需一种对北斗卫星导航系统在轨卫星状态进行精确分类的方法，用于对不同类型卫星的进行分类管理，做到针对性的北斗卫星性能提升。

技术实现思路

[0003]针对目前北斗卫星未进行有效分类的现实问题，本专利技术的目的在于提供一种北斗卫星在轨状态智能分类方法，利用已获取的北斗卫星导航系统观测数据库，构建所有北斗卫星的光压模型参数信息序列；利用自组织映射神经网络的聚类功能，对所有北斗卫星的光压模型参数信息序列进行分类聚类，得到北斗卫星在轨状态分类结果。利用本专利技术方法，有利于提升北斗卫星在轨状态的分类管理效能和北斗卫星定轨精度。
[0004]为了解决上述技术问题，本专利技术实施例了一种北斗导航服务定位性能智能预测方法，所述方法包括：
[0005]S1.从预设的北斗卫星导航系统观测数据库中获取卫星观测数据，得到短弧长观测信息序列；所述短弧长表征3天弧长；
[0006]S2.对所述短弧长观测信息序列进行多星定轨处理，得到长弧长轨道信息序列；
[0007]S3.对所述长弧长轨道信息序列进行处理，得到原始光压模型参数信息序列；
[0008]S4.对所述原始光压模型参数信息序列进行处理，得到目标光压模型参数信息序列；
[0009]S5.利用预设的自组织映射神经网络模型，对所述目标光压模型参数信息序列进行处理，得到北斗卫星在轨状态分类结果。
[0010]作为一种可选的实施方式，在本专利技术实施例中，所述从预设的北斗卫星导航系统观测数据库中获取卫星观测数据，得到短弧长观测信息序列，包括：
[0011]S11.从预设的北斗卫星导航系统观测数据库中，滑动获取N个3天短弧长卫星观测数据信息；
[0012]所述滑动获取表征将观测日期为第i
‑
1，i，i+1天的观测数据组合为第i个短弧长观测信息；所述N为不小于1095的整数；
[0013]所述短弧长观测信息表征弧长为3天的星地观测数据、星间观测数据；
[0014]S12.将所述N个短弧长观测信息进行组合，得到短弧长观测信息序列。
[0015]作为一种可选的实施方式，在本专利技术实施例中，所述对所述短弧长观测信息序列进行多星定轨处理，得到长弧长轨道信息序列，包括：
[0016]所述短弧长观测信息序列中包含N个短弧长观测信息；所述N表征观测天数；
[0017]所述短弧长观测信息表征弧长为3天的星地观测数据、星间观测数据；
[0018]对短弧长观测信息进行多星定轨解算，得到M个3天弧长精密轨道信息；所述M表征卫星个数；
[0019]对所述短弧长观测信息序列中任一短弧长观测信息进行多星定轨解算，得到短弧长精密轨道信息集；所述短弧长精密轨道信息集M*N个3天弧长精密轨道；
[0020]提取所述短弧长精密轨道信息集中所有短弧长精密轨道信息的第2天的精密轨道，得到M*N个1天弧长精密轨道信息集；
[0021]将所述M*N个1天弧长精密轨道信息集中任一卫星对应的N个1天精密轨道结果进行拼接，得到长弧长轨道信息序列；
[0022]所述长弧长轨道信息序列包括M个长弧长轨道信息；
[0023]所述长弧长轨道信息表征N天弧长轨道信息。
[0024]作为一种可选的实施方式，在本专利技术实施例中，光压模型为BERNESE光压模型；
[0025]所述BERNESE光压模型表示为：
[0026][0027]所述BERNESE光压模型在DYB坐标系下建立，即为卫星到太阳方向单位矢量，为卫星太阳能翼板轴向单位矢量，垂直于和并构成右手系，为太阳光压摄动加速度，是ROCK模型计算出的太阳光压摄动加速度，u为卫星轨道面内卫星相对于其轨道升交点的角距。D0，Y0，B0为三个轴方向上常数项摄动系数，D
Cu
，Y
Cu
，B
Cu
，D
Su
，Y
Su
，B
Su
为三个轴方向上周期项摄动系数。
[0028]D0，Y0，B0，B
Cu
，B
Su
5个光压参数存在周期性变化，D0项变化存在半年周期项，而其他方向的参数则存在无规律的抖动；并且B0和D
Cu
，Y
Cu
和B
Su
，Y
Su
和B
Cu
，D
Su
和Y
0 4组光压参数中每组两参数间存在强相关。因此，本实施例采用BERNESE光压模型中D0，Y0，B0，B
Cu
，B
Su
5个光压参数进行计算。
[0029]其中，所述D0表示卫星到太阳方向上常数项摄动系数；所述Y0表示卫星太阳能翼板轴向上常数项摄动系数；所述B0分别表示垂直于卫星到太阳方向和卫星到太阳方向，并构成右手系方向上常数项摄动系数；所述B
Cu
、B
Su
表示垂直于卫星到太阳方向和卫星到太阳方向，并构成右手系方向上的周期项摄动系数。
[0030]作为一种可选的实施方式，在本专利技术实施例中，所述对所述长弧长轨道信息序列
进行处理，得到原始光压模型参数信息序列，包括：
[0031]S31.从所述长弧长轨道信息序列中所有长弧长轨道信息中提取任一天轨道信息，得到所述任一天轨道信息集；
[0032]S32.对所述任一天轨道信息集进行轨道动力学平滑处理，得到所述任一天的光压模型参数信息；
[0033]S33.循环执行S31～S32，完成N天弧长信息的处理，得到原始光压模型参数信息序列；
[0034]所述原始光压模型参数信息序列包含N组光压模型参数信息的；所述N表征长弧长轨道信息中弧长的天数。
[0035]作为一种可选的实施方式，在本专利技术实施例中，所述对所述原始光压模型参数信息序列进行处理，得到目标光压模型参数信息序列，包括：
[0036]S41.对所述原始光压模型参数信息序列的光压模型参数信息中任一种参数Z的参数值进行预处理，得到更新参数Z后的光压模型参数信息序列；所述Z表征(D0，Y0，B0，B
Cu
，B
Su
)中的一种参数；
[0037]S42.判断是否完成光压模型参数信息中所有参数的处理，得到判断结果；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种北斗卫星在轨状态智能分类方法，其特征在于，所述方法包括：S1.从预设的北斗卫星导航系统观测数据库中获取卫星观测数据，得到短弧长观测信息序列；所述短弧长表征3天弧长；S2.对所述短弧长观测信息序列进行多星定轨处理，得到长弧长轨道信息序列；S3.对所述长弧长轨道信息序列进行处理，得到原始光压模型参数信息序列；S4.对所述原始光压模型参数信息序列进行处理，得到目标光压模型参数信息序列；S5.利用预设的自组织映射神经网络模型，对所述目标光压模型参数信息序列进行处理，得到北斗卫星在轨状态分类结果。2.根据权利要求1所述的北斗卫星在轨状态智能分类方法，其特征在于，从预设的北斗卫星导航系统观测数据库中获取卫星观测数据，得到短弧长观测信息序列，包括：S11.从预设的北斗卫星导航系统观测数据库中，滑动获取N个3天短弧长卫星观测数据信息；所述短弧长观测信息表征弧长为3天的星地观测数据、星间观测数据；所述滑动获取表示将观测日期为第i
‑
1，i，i+1天的观测数据组合为第i个短弧长观测信息；所述N为不小于1095的整数；S12.将所述N个短弧长观测信息进行组合，得到短弧长观测信息序列。3.根据权利要求1所述的北斗卫星在轨状态智能分类方法，其特征在于，对所述短弧长观测信息序列进行多星定轨处理，得到长弧长轨道信息序列，包括：对所述短弧长观测信息序列中任一短弧长观测信息进行多星定轨解算，得到短弧长精密轨道信息集；利用所述短弧长精密轨道信息集，提取所有取短弧长精密轨道信息中第2天的精密轨道信息进行拼接，得到长弧长轨道信息序列；所述长弧长轨道信息序列包括M个弧长轨道信息；所述M表征卫星颗数；所述长弧长轨道信息表征N天弧长轨道信息，所述N表征短弧长观测信息序列长度。4.根据权利要求3所述的北斗卫星在轨状态智能分类方法，其特征在于，所述光压模型采用BRENESE光压模型；所述对所述长弧长轨道信息序列进行处理，得到原始光压模型参数信息序列，包括：S31.从所述长弧长轨道信息序列中所有长弧长轨道信息中提取任一天轨道信息，得到所述任一天轨道信息集；S32.对所述任一天轨道信息集进行轨道动力学平滑处理，得到所述任一天的光压模型参数信息；S33.循环执行S31～S32，完成N天弧长信息的处理，得到原始光压模型参数信息序列；所述原始光压模型参数信息序列包含N组光压模型参数信息的；所述N表征长弧长轨道信息中弧长的天数。5.根据权利要求4所述的北斗卫星在轨状态智能分类方法，其特征在于，所述对所述原始光压模型参数信息序列进行处理，得到目标光压模型参数信息序列，包括：S41.对所述原始光压模型参数信息序列的光压模型参数信息中任一种参数Z的参数值进行预处理，得到更新参数Z后的光压模型参数信息序列；所述Z表征(D0，Y0，B0，B
Cu
，B
Su
)中的一种参数；
S42.判断是否完成光压模型参数信息中所有参数的处理，得到判断结果；S43.如果判断结果为否，执行步骤S41；S44.如果判断结果为是，得到目标光压模型参数信息序列。6.根据权利要求5所述的北斗卫星在轨状态智能分类方法，其特征在于，所述对所述原始光压模型参数信息序列的光压模型参数信息中任一种参数Z的参数值进行预处理，得到更新参数Z后的光压模型参数信息序列，包括：S411.将所述原始光压模型参数信息序列中所有原始光压模型参数信息中参数Z的参数值进行组合，得到序列L
Z
；所述L
Z
＝{Z1，Z2，
…
，Z
N
}；S412.采用3倍中误差剔除方法，将所述L
Z
中异常值数据剔除，将所述异常值数据设为空缺值，得到第二序列L
2Z
；所述异常值包括零值、巨大野值；S413.对所述第二序列L
2Z
中的空缺值，采用二阶多项式...

【专利技术属性】
技术研发人员：郭睿，刘利，李晓杰，胡小工，陈建兵，田翌君，郭靖蕾，唐成盼，务宇宽，黄双临，王冬霞，都雪帆，
申请(专利权)人：中国人民解放军三二零二一部队，
类型：发明
国别省市：