[发明专利]航天器定轨方法、系统、装置、介质

说明书

本发明提出了航天器定轨方法、装置、系统和介质，首先通过多个航天器历史外测信息作为轨道确定方法的输入，通过历史精密轨道确定的轨道根数信息作为输出标签，然后将历史外测信息映射成分布信息，最后利用核技巧解决分布之间的内积计算问题，从而建立分布信息到轨道根数的映射关系，为通过新的观测信息确定航天器轨道提供快速确定的可能。本发明在实现时充分考虑了噪声的影响，在添加不同随机噪声和系统噪声的情况下，本发明的轨道确定结果具有较强的鲁棒性。

技术领域

本发明属于航天技术领域，涉及一种航天器定轨方法，尤其涉及一种利用分布回归的机器学习解决地球同步轨道卫星定轨方法、系统、装置、介质。

背景技术

轨道确定在航天器测控中具有重要地位。目前的定轨技术主要分为初轨确定和精密轨道确定。精密定轨可以获得精确定轨结果，但是对于初始位置具有高度不确定性的微小航天器以及非合作目标限制条件较多，对于合作目标可以采用雷达或GPS定轨，但是雷达需要初始未知不确定性低，而GPS又只适用于低轨卫星，同时也需要星上装载相应的GPS系统，而Gauss，Laplace等初轨确定方法，只是利用少量数据点获得航天器的粗略轨道信息，并不能充分利用大数据优势，如何能够克服这些限制成为了亟待解决的问题。

机器学习技术近年来的应用逐渐广泛，已经扩展到各个领域。机器学习通常能够解决两类问题，即分类问题和回归问题。解决传统的机器学习中的回归问题通常是对模型进行训练，学习实数到实数的映射，而在现实中，复杂的问题和数据往往具有多种输入数据模式如概率分布、函数、集合等，而这也导致了传统的回归模型不再适用于解决这类输入的问题。分布回归是机器学习领域中一种新的方法，通过将概率分布嵌入到再生核希尔伯特空间来解决从概率分布到实数值映射的回归问题，核技巧是解决分布回归问题的重要手段。

传统定轨算法对于航天器初始状态为线性区域外以及观测噪声大的情况，即使随着观测数据密度的增加，也无法保证状态估计过程会收敛。

发明内容

为了克服现有技术中存在的问题，本发明提供了一种仅利用数据而不依赖模型解决定轨问题的方案，利用分布回归算法，借助于核技巧，针对在轨运行的航天器，在不对轨道信息作先验假设的条件下，仅利用地面站的测距信息对在轨航天器进行轨道确定。

本发明的具体技术方案为：

一种航天器定轨方法，包括步骤如下：

步骤一，构建机器学习样本集，给定l个航天器的测距信息(x₁,...x_i,...x_j,...x_l)和轨道根数信息(y₁,...y_i,...y_l)；其中i∈[1,l]，j∈[1,l]，表示第i个航天器测距信息样本序列，N_i为样本数；为地面站对第i个航天器的第N_i个测距值，y_i表示第i个航天器的轨道根数信息；所述轨道根数信息为轨道六要素：半长轴、偏心率、倾角、升焦点赤经、近地点幅角、平近点角中的一种；

步骤二，建立目标航天器t的轨道根数信息y_t模型，已知其测距信息为

其中，k为核函数；

将公式(5)和(6)的结果分别带入公式(3)和(4)，再将公式(3)和(4)的结果带入公式(2)中，得K和k；公式(1)中I_l为l×l单位矩阵；λ为正则化系数；最终求得目标航天器t的轨道根数信息y_t。