【技术实现步骤摘要】
本专利技术总的来说涉及航空航天。具体而言，本专利技术涉及一种基于高精度初轨及神经网络的航天器轨道预报方法及系统。
技术介绍
1、随着星链、oneweb等巨型星座的建设，目前低轨卫星的数量正在迅速增长，而低轨卫星数量的增长导致卫星之间发生碰撞的概率大大提升，因此需要频繁地对卫星的行进方向进行调整。跟据spacex向fcc提交的报告显示，仅在2023年上半年，该公司就被迫调整星链卫星的方向超过2.5万次，来避免卫星与其它航天器或轨道碎片发生碰撞。因此，如何通过高精度的航天器轨道预报来进行航天器碰撞预警成为了当前研究热点。
2、传统的航天器轨道预报方法包括：通过norad发布的两行根数(tle)文件，结合stk软件的sgp4模块进行轨道预报；通过地面测控站进行航天器初始位置和速度测定，并且进行轨道动力学递推来进行轨道预报。
3、然而传统的航天器轨道预报方法的预报精度有限，在当前国内外多个巨型星座建设背景下，航天器数量越来越多，基于低精度的轨道预报，无法满足当前空间防碰撞预警系统要求，因此迫切需要寻求一种更高精度的轨道预报算法。
技术实现思路
1、为至少部分解决现有技术中的上述问题，本专利技术提出一种1.一种基于高精度初轨及神经网络的航天器轨道预报方法，包括下列步骤：
2、提供当前时刻前的第一时段(例如当前时刻前六小时)内的航天器的卫星导航系统原始观测数据，并且根据第一时段内的卫星导航系统原始观测数据确定当前时刻的航天器高精度初轨；
3、提供
4、基于轨道动力学计算第二时段内的航天器预报轨道，将第二时段内的航天器高精度轨道以及航天器预报轨道进行对比以确定预报残差；
5、根据第二时段内的航天器高精度轨道、航天器预报轨道以及预报残差构造神经网络并且对神经网络进行训练；以及
6、基于轨道动力学根据当前时刻的航天器高精度初轨计算当前时刻后的第三时段(例如未来七天)内的航天器预报轨道，并且通过训练后的神经网络对第三时段内的航天器预报轨道进行修正。
7、在本专利技术一个实施例中规定，根据第一时段内的卫星导航系统原始观测数据确定当前时刻的航天器高精度初轨包括下列步骤：
8、对第一时段内的卫星导航系统原始观测数据进行周跳粗差的探测及修复；
9、根据第一时段内的卫星导航系统原始观测数据获取第一时段内的卫星导航系统轨道、卫星导航系统钟差、预报地球极移数据以及码偏差相位偏差产品，并且修正道误差、时钟误差、天线相位中心偏差、固体潮误差以及电离层误差；
10、根据高精度动力学模型，结合地球极移数据、太阳辐射通量数据通过龙格库塔法递推航天器在下一历元的位置以及速度；以及
11、进行卡尔曼滤波量测更新，获得滤波后的航天器的位置、速度以及整周模糊度，更新状态向量以及均方差阵，并且进行下一历元计算以确定当前时刻的航天器高精度初轨。
12、在本专利技术一个实施例中规定，根据第二时段内的卫星导航系统原始观测数据确定第二时段内的航天器高精度轨道的步骤与根据第一时段内的卫星导航系统原始观测数据确定当前时刻的航天器高精度初轨的步骤相同。
13、在本专利技术一个实施例中规定，所述第二时段的时长大于所述第一时段的时长。
14、在本专利技术一个实施例中规定，根据第二时段内的航天器高精度轨道、航天器预报轨道以及预报残差构造神经网络包括：
15、对第二时段内的航天器高精度轨道、航天器预报轨道以及预报残差进行数据预处理，其中包括进行数据归一化以及数据划分；
16、根据预处理后的数据构造神经网络并且对神经网络进行训练；以及
17、对训练后的神经网络进行效果评估，其中包括进行训练效果以及预测效果评估。
18、在本专利技术一个实施例中规定，根据预处理后的数据构造神经网络包括：
19、构造神经网络输入层，所述神经网络输入层包括第一至第七输入层神经元，所述第一至第七输入层神经元包括天内时刻、整天数、轨道半长轴、近地点幅角、真近点角、星下点经度以及星下点纬度；
20、构造神经网络隐藏层，所述神经网络隐藏层包括第一至第十五隐藏层神经元；以及
21、构造神经网络输出层，所述神经网络隐藏层包括第一至第三输出层神经元，所述第一至第三输出层神经元包括三轴预报误差。
22、在本专利技术一个实施例中规定，基于轨道动力学根据当前时刻的航天器高精度初轨计算当前时刻后的第三时段内的航天器预报轨道，并且通过训练后的神经网络对第三时段内的航天器预报轨道进行修正包括：
23、基于轨道动力学根据当前时刻的航天器高精度初轨计算当前时刻后的第三时段内的航天器预报轨道，并且确定第三时段内航天器的天内时刻、整天数、轨道半长轴、近地点幅角、真近点角、星下点经度以及星下点纬度；以及
24、将第三时段内航天器的天内时刻、整天数、轨道半长轴、近地点幅角、真近点角、星下点经度以及星下点纬度输入训练后的神经网络中以生成修正后的航天器预报轨道。
25、本专利技术提出一种基于高精度初轨及神经网络的航天器轨道预报系统，包括：
26、高精度初轨模块，其被配置为获取当前时刻前的第一时段内的航天器的卫星导航系统原始观测数据，并且根据第一时段内的卫星导航系统原始观测数据确定当前时刻的航天器高精度初轨；
27、轨道数据模块，其被配置为获取当前时刻前的第二时段内的航天器的卫星导航系统原始观测数据，根据第二时段内的卫星导航系统原始观测数据确定第二时段内的航天器高精度轨道，基于轨道动力学计算第二时段内的航天器预报轨道，并且将第二时段内的航天器高精度轨道以及航天器预报轨道进行对比以确定预报残差；
28、神经网络模块，其被配置为根据第二时段内的航天器高精度轨道、航天器预报轨道以及预报残差构造神经网络并且对神经网络进行训练；以及
29、轨道预报修正模块，其被配置为基于轨道动力学根据当前时刻的航天器高精度初轨计算当前时刻后的第三时段内的航天器预报轨道，并且通过训练后的神经网络对第三时段内的航天器预报轨道进行修正。
30、本专利技术提出一种计算机系统，包括：
31、处理器，其被配置为执行机器可执行指令；以及
32、存储器，其上存储有机器可执行指令，所述机器可执行指令在被处理器执行时执行根据所述方法的步骤
33、本专利技术提出一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时执行根据所述方法的步骤。
34、本专利技术至少具有如下有益效果：本专利技术提出一种基于高精度初轨及神经网络的航天器轨道预报方法及系统，能够利用高精度定轨结果减小初始轨道偏差带来的轨道预报误差，并且利用神经网络修正预报轨道，最终轨道预报精度相比传统方式提升35％本文档来自技高网...
【技术保护点】
1.一种基于高精度初轨及神经网络的航天器轨道预报方法，其特征在于，包括下列步骤：
2.根据权利要求1所述的基于高精度初轨及神经网络的航天器轨道预报方法，其特征在于，根据第一时段内的卫星导航系统原始观测数据确定当前时刻的航天器高精度初轨包括下列步骤：
3.根据权利要求2所述的基于高精度初轨及神经网络的航天器轨道预报方法，其特征在于，根据第二时段内的卫星导航系统原始观测数据确定第二时段内的航天器高精度轨道的步骤与根据第一时段内的卫星导航系统原始观测数据确定当前时刻的航天器高精度初轨的步骤相同。
4.根据权利要求1所述的基于高精度初轨及神经网络的航天器轨道预报方法，其特征在于，所述第二时段的时长大于所述第一时段的时长。
5.根据权利要求1所述的基于高精度初轨及神经网络的航天器轨道预报方法，其特征在于，根据第二时段内的航天器高精度轨道、航天器预报轨道以及预报残差构造神经网络包括：
6.根据权利要求5所述的基于高精度初轨及神经网络的航天器轨道预报方法，其特征在于，根据预处理后的数据构造神经网络包括：
7.根据权利要求6
8.一种基于高精度初轨及神经网络的航天器轨道预报系统，其特征在于，包括：
9.一种计算机系统，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在被处理器执行时执行根据权利要求1-7之一所述的方法的步骤。
...【技术特征摘要】
1.一种基于高精度初轨及神经网络的航天器轨道预报方法，其特征在于，包括下列步骤：
2.根据权利要求1所述的基于高精度初轨及神经网络的航天器轨道预报方法，其特征在于，根据第一时段内的卫星导航系统原始观测数据确定当前时刻的航天器高精度初轨包括下列步骤：
3.根据权利要求2所述的基于高精度初轨及神经网络的航天器轨道预报方法，其特征在于，根据第二时段内的卫星导航系统原始观测数据确定第二时段内的航天器高精度轨道的步骤与根据第一时段内的卫星导航系统原始观测数据确定当前时刻的航天器高精度初轨的步骤相同。
4.根据权利要求1所述的基于高精度初轨及神经网络的航天器轨道预报方法，其特征在于，所述第二时段的时长大于所述第一时段的时长。
5.根据权利要求1所述的基于高精度初轨及神经网络的航天器轨道预报方法，其特征在于，...
【专利技术属性】
技术研发人员：梁尔涛，汪洋，袁俊军，陈晏，
申请(专利权)人：火眼位置数智科技服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。