[发明专利]一种仅测角地月空间拉格朗日点轨道类型智能辨识方法在审

专利信息
申请号: 202310532560.0 申请日: 2023-05-11
公开(公告)号: CN116595415A 公开(公告)日: 2023-08-15
发明(设计)人: 乔栋;周星宇;李翔宇 申请(专利权)人: 北京理工大学
主分类号: G06F18/24 分类号: G06F18/24;G06F18/214;G06F18/15;G06F30/20
代理公司: 北京正阳理工知识产权代理事务所(普通合伙) 11639 代理人: 王松
地址: 100081 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 仅测角 空间 拉格朗日点 轨道 类型 智能 辨识 方法
【说明书】:

发明公开的一种仅测角地月空间拉格朗日点轨道类型智能辨识方法,属于空间技术领域。本发明建立仅测角观测模型,设定仅测角观测误差协方差矩阵;建立地月空间拉格朗日点轨道航天器运动模型;据地月空间拉格朗日点轨道类型数目随机生成地月空间拉格朗日点轨道以及递推时长,生成仅测角观测矢量;生成用于训练轨道类型辨识深度神经网络所需的样本点;基于深度神经网络实现对于地月空间拉格朗日点轨道类型的快速高效辨识,进而实现地月空间拉格朗日点轨道初定轨以及精细化轨道估计。本发明具有不依赖物理模型、辨识精度高、计算量小、高效、鲁棒性好的优点。本发明有利于提升地月空间态势感知能力,提高地月空间拉格朗日点轨道确定精度与计算速度。

技术领域

本发明涉及一种地月空间拉格朗日点轨道类型智能辨识方法,属于空间技术领域。

背景技术

地月空间三体系统拉格朗日点轨道由于其特殊的稳定性,在深远空间探测、对日对地对月观测、地月空间通讯方面具有极高的应用价值。对地月空间拉格朗日点轨道进行精密轨道确定是相应任务顺利实施的前提。由于地月空间拉格朗日点轨道种类众多、形式复杂,在进行精密定轨前需要对地月空间拉格朗日点轨道的类别进行辨识分类。现有的物理模型驱动的轨道类型辨识分类方法依赖准确的数学模型与轨道测量信息,在超短弧观测情况下,辨识精度低,计算量大。因此有必要针对地月空间拉格朗日点轨道类型辨识问题,发展基于数据驱动的辨识方法,通过训练深度神经网络,实现对于地月空间拉格朗日点轨道类型的快速准确辨识。

发明内容

本发明主要目的是提供一种仅测角地月空间拉格朗日点轨道类型智能辨识方法,基于深度神经网络实现对于地月空间拉格朗日点轨道类型的快速高效辨识,进而实现地月空间拉格朗日点轨道初定轨以及精细化轨道估计。本发明具有不依赖物理模型、辨识精度高、计算量小、高效、鲁棒性好的优点。本发明有利于提升地月空间态势感知能力,提高地月空间拉格朗日点轨道确定精度与计算速度,有利于提升地月空间拉格朗日点轨道航天器在轨服务、在轨操作能力。

本发明的目的是通过以下技术方案实现的。

本发明公开的一种仅测角地月空间拉格朗日点轨道类型智能辨识方法,设定初始时刻、地面测站的位置状态、地月空间拉格朗日点轨道类型数目、每种类型轨道采样数目、轨道递推时长上限、轨道递推时长下限与观测次数,建立仅测角观测模型,设定仅测角观测误差协方差矩阵。建立地月空间拉格朗日点轨道航天器运动模型。据地月空间拉格朗日点轨道类型数目随机生成地月空间拉格朗日点轨道以及递推时长,生成仅测角观测矢量。标记每个轨道的标签,所述标签即为轨道类型,生成每个轨道对应的输入参数,生成用于训练轨道类型辨识深度神经网络所需的样本点。以交叉熵作为损失函数,通过迭代更新的方式计算轨道类型辨识深度神经网络参数权重,以得到离线训练好的轨道类型辨识深度神经网络。将实际测量得到的连续仅测角信息输入到训练好的轨道类型辨识深度神经网络中,训练好的轨道类型辨识深度神经网络的输出对应的地月空间拉格朗日点轨道类型。基于得到的地月空间拉格朗日点轨道类型,进一步进行轨道匹配以及轨道确定,使用卡尔曼滤波算法或者最小二次算法对地月空间拉格朗日点轨道进行精细化轨道估计,进而实现对于地月空间目标状态的快速感知,提升地月空间态势感知能力,提高地月空间拉格朗日点轨道确定精度与计算速度,有利于提升地月空间拉格朗日点轨道航天器在轨服务、在轨操作能力。

本发明公开的一种仅测角地月空间拉格朗日点轨道类型智能辨识方法,包括如下步骤:

步骤1:设定初始时刻t0、地面测站的位置状态、地月空间拉格朗日点轨道类型数目M、每种类型轨道采样数目N、轨道递推时长上限Tmax、轨道递推时长下限Tmin与观测次数nO,建立仅测角观测模型,设定仅测角观测误差协方差矩阵。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京理工大学,未经北京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310532560.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top