一種僅測角地月空間拉格朗日點軌道類型智能辨識方法技術(shù)

本發(fā)明專利技術(shù)公開的一種僅測角地月空間拉格朗日點軌道類型智能辨識方法，屬于空間技術(shù)領域。本發(fā)明專利技術(shù)建立僅測角觀測模型，設定僅測角觀測誤差協(xié)方差矩陣；建立地月空間拉格朗日點軌道航天器運動模型；據(jù)地月空間拉格朗日點軌道類型數(shù)目隨機生成地月空間拉格朗日點軌道以及遞推時長，生成僅測角觀測矢量；生成用于訓練軌道類型辨識深度神經(jīng)網(wǎng)絡所需的樣本點；基于深度神經(jīng)網(wǎng)絡實現(xiàn)對于地月空間拉格朗日點軌道類型的快速高效辨識，進而實現(xiàn)地月空間拉格朗日點軌道初定軌以及精細化軌道估計。本發(fā)明專利技術(shù)具有不依賴物理模型、辨識精度高、計算量小、高效、魯棒性好的優(yōu)點。本發(fā)明專利技術(shù)有利于提升地月空間態(tài)勢感知能力，提高地月空間拉格朗日點軌道確定精度與計算速度。道確定精度與計算速度。道確定精度與計算速度。

【技術(shù)實現(xiàn)步驟摘要】
一種僅測角地月空間拉格朗日點軌道類型智能辨識方法


[0001]本專利技術(shù)涉及一種地月空間拉格朗日點軌道類型智能辨識方法，屬于空間


技術(shù)介紹

[0002]地月空間三體系統(tǒng)拉格朗日點軌道由于其特殊的穩(wěn)定性，在深遠空間探測、對日對地對月觀測、地月空間通訊方面具有極高的應用價值。對地月空間拉格朗日點軌道進行精密軌道確定是相應任務順利實施的前提。由于地月空間拉格朗日點軌道種類眾多、形式復雜，在進行精密定軌前需要對地月空間拉格朗日點軌道的類別進行辨識分類。現(xiàn)有的物理模型驅(qū)動的軌道類型辨識分類方法依賴準確的數(shù)學模型與軌道測量信息，在超短弧觀測情況下，辨識精度低，計算量大。因此有必要針對地月空間拉格朗日點軌道類型辨識問題，發(fā)展基于數(shù)據(jù)驅(qū)動的辨識方法，通過訓練深度神經(jīng)網(wǎng)絡，實現(xiàn)對于地月空間拉格朗日點軌道類型的快速準確辨識。

技術(shù)實現(xiàn)思路

[0003]本專利技術(shù)主要目的是提供一種僅測角地月空間拉格朗日點軌道類型智能辨識方法，基于深度神經(jīng)網(wǎng)絡實現(xiàn)對于地月空間拉格朗日點軌道類型的快速高效辨識，進而實現(xiàn)地月空間拉格朗日點軌道初定軌以及精細化軌道估計。本專利技術(shù)具有不依賴物理模型、辨識精度高、計算量小、高效、魯棒性好的優(yōu)點。本專利技術(shù)有利于提升地月空間態(tài)勢感知能力，提高地月空間拉格朗日點軌道確定精度與計算速度，有利于提升地月空間拉格朗日點軌道航天器在軌服務、在軌操作能力。
[0004]本專利技術(shù)的目的是通過以下技術(shù)方案實現(xiàn)的。
[0005]本專利技術(shù)公開的一種僅測角地月空間拉格朗日點軌道類型智能辨識方法，設定初始時刻、地面測站的位置狀態(tài)、地月空間拉格朗日點軌道類型數(shù)目、每種類型軌道采樣數(shù)目、軌道遞推時長上限、軌道遞推時長下限與觀測次數(shù)，建立僅測角觀測模型，設定僅測角觀測誤差協(xié)方差矩陣。建立地月空間拉格朗日點軌道航天器運動模型。據(jù)地月空間拉格朗日點軌道類型數(shù)目隨機生成地月空間拉格朗日點軌道以及遞推時長，生成僅測角觀測矢量。標記每個軌道的標簽，所述標簽即為軌道類型，生成每個軌道對應的輸入?yún)?shù)，生成用于訓練軌道類型辨識深度神經(jīng)網(wǎng)絡所需的樣本點。以交叉熵作為損失函數(shù)，通過迭代更新的方式計算軌道類型辨識深度神經(jīng)網(wǎng)絡參數(shù)權(quán)重，以得到離線訓練好的軌道類型辨識深度神經(jīng)網(wǎng)絡。將實際測量得到的連續(xù)僅測角信息輸入到訓練好的軌道類型辨識深度神經(jīng)網(wǎng)絡中，訓練好的軌道類型辨識深度神經(jīng)網(wǎng)絡的輸出對應的地月空間拉格朗日點軌道類型。基于得到的地月空間拉格朗日點軌道類型，進一步進行軌道匹配以及軌道確定，使用卡爾曼濾波算法或者最小二次算法對地月空間拉格朗日點軌道進行精細化軌道估計，進而實現(xiàn)對于地月空間目標狀態(tài)的快速感知，提升地月空間態(tài)勢感知能力，提高地月空間拉格朗日點軌道確定精度與計算速度，有利于提升地月空間拉格朗日點軌道航天器在軌服務、在軌操作能力。
[0006]本專利技術(shù)公開的一種僅測角地月空間拉格朗日點軌道類型智能辨識方法，包括如下步驟：
[0007]步驟1：設定初始時刻t0、地面測站的位置狀態(tài)、地月空間拉格朗日點軌道類型數(shù)目M、每種類型軌道采樣數(shù)目N、軌道遞推時長上限T
max
、軌道遞推時長下限T
min
與觀測次數(shù)n
O
，建立僅測角觀測模型，設定僅測角觀測誤差協(xié)方差矩陣。
[0008]設定初始時刻t0。設定地面測站的位置狀態(tài)，所述位置狀態(tài)包括經(jīng)度L、緯度B和高度H。設定地月空間拉格朗日點軌道類型數(shù)目M、每種類型軌道采樣數(shù)目N、軌道遞推時長上限T
max
、軌道遞推時長下限T
min
與觀測次數(shù)n
O
，建立僅測角觀測模型如下：
[0009][0010]其中表示僅測角觀測矢量，為僅測角的觀測模型，表示僅測角觀測噪聲，和分別表示地心慣性系下航天器與測站的位置矢量。設定僅測角觀測誤差協(xié)方差矩陣
[0011]步驟2：建立地月空間拉格朗日點軌道航天器運動模型。
[0012]對于地月空間拉格朗日點軌道航天器，其運動主要受到地球、月球和太陽的引力攝動影響，其他攝動力相比于所述三種引力影響量級能夠忽略，因此建立地月空間拉格朗日點軌道航天器運動模型如下：
[0013][0014]其中表示地心慣性系下的航天器的速度矢量，μ
e
、μ
m
和μ
s
分別表示地球、月球、太陽的引力常數(shù)，與表示月球與太陽在地心慣性系下的位置矢量。
[0015]步驟3：根據(jù)地月空間拉格朗日點軌道類型數(shù)目M隨機生成地月空間拉格朗日點軌道以及遞推時長T，生成僅測角觀測矢量。
[0016]對于M類地月空間拉格朗日點軌道中的每一類，按照振幅隨機生成N軌道，共計生成MN條軌道。對于每條軌道，遞推時長T在軌道遞推時長上限T
max
與軌道遞推時長下限T
min
之間隨機選取。同時在時間段[0,T]中隨機生成n
O
個觀測時刻，記為0≤t1＜...＜t
nO
≤T。對于每個時刻t
i
(1≤i≤n
O
)，按照式(1)計算相應的測角觀測矢量，其中觀測噪聲依據(jù)僅測角觀測誤差協(xié)方差矩陣隨機生成。通過隨機生成遞推時長T以及相應的觀測時刻t
i
，提高樣本數(shù)據(jù)中軌道以及觀測的隨機性，提升訓練得到的軌道類型辨識深度神經(jīng)網(wǎng)絡的適用性與魯棒性。
[0017]步驟4：標記每個軌道的標簽y，所述標簽即為軌道類型，生成每個軌道對應的輸入?yún)?shù)X，生成用于訓練軌道類型辨識深度神經(jīng)網(wǎng)絡所需的樣本點S＝{X
→
y}。
[0018]對于第k類軌道，標簽定義為：
[0019][0020]其中上標i表示標簽y的第i個元素。
[0021]對于每一條軌道，n
O
次視線角測量、每次測量對應的時刻以及測站在地心慣性系下的位置矢量均包含用于辨識地月空間拉格朗日點軌道類型的信息，因此樣本的輸入?yún)?shù)為：
[0022][0023]根據(jù)式(3)與(4)構(gòu)建用于訓練軌道類型辨識深度神經(jīng)網(wǎng)絡所需的樣本如下：
[0024]S＝{X
→
y}
????
(5)
[0025]步驟5：基于步驟4中所得的樣本點S＝{X
→
y}，以交叉熵作為損失函數(shù)，通過迭代更新的方式計算軌道類型辨識深度神經(jīng)網(wǎng)絡參數(shù)權(quán)重，以得到離線訓練好的軌道類型辨識深度神經(jīng)網(wǎng)絡。
[0026]神經(jīng)網(wǎng)絡訓練屬于回歸問題，因此訓練過程中用于評價深度神經(jīng)網(wǎng)絡模型預測性能的指標選用網(wǎng)絡輸出值與期望值的交叉熵，所述指標即損失函數(shù)。對于給定的M類軌道類型以及MN個樣本點，交叉熵損失函數(shù)的表達式如下：
[0027][0028]其中y
ic
為符號函數(shù)，如果樣本i的真實類別等于c取1，否則取0，p
ic
為樣本i屬于類別c的預測概率。交叉熵損失函數(shù)越接近于0，軌道類型辨識深度神經(jīng)網(wǎng)絡的性能越好。將步驟4中計算得到的樣本點代入交叉熵損失函數(shù)中計算當本文檔來自技高網(wǎng)...

【技術(shù)保護點】

【技術(shù)特征摘要】
1.一種僅測角地月空間拉格朗日點軌道類型智能辨識方法，其特征在于：包括如下步驟，步驟1：設定初始時刻t0、地面測站的位置狀態(tài)、地月空間拉格朗日點軌道類型數(shù)目M、每種類型軌道采樣數(shù)目N、軌道遞推時長上限T
max
、軌道遞推時長下限T
min
與觀測次數(shù)n
O
，建立僅測角觀測模型，設定僅測角觀測誤差協(xié)方差矩陣；步驟2：建立地月空間拉格朗日點軌道航天器運動模型；步驟3：根據(jù)地月空間拉格朗日點軌道類型數(shù)目M隨機生成地月空間拉格朗日點軌道以及遞推時長T，生成僅測角觀測矢量；步驟4：標記每個軌道的標簽y，所述標簽即為軌道類型，生成每個軌道對應的輸入?yún)?shù)X，生成用于訓練軌道類型辨識深度神經(jīng)網(wǎng)絡所需的樣本點S＝{X
→
y}；步驟5：基于步驟4中所得的樣本點S＝{X
→
y}，以交叉熵作為損失函數(shù)，通過迭代更新的方式計算軌道類型辨識深度神經(jīng)網(wǎng)絡參數(shù)權(quán)重，以得到離線訓練好的軌道類型辨識深度神經(jīng)網(wǎng)絡；步驟6：將實際測量得到的連續(xù)僅測角信息輸入到步驟5中訓練好的軌道類型辨識深度神經(jīng)網(wǎng)絡中，訓練好的軌道類型辨識深度神經(jīng)網(wǎng)絡的輸出對應的地月空間拉格朗日點軌道類型。2.如權(quán)利要求1所述的一種僅測角地月空間拉格朗日點軌道類型智能辨識方法，其特征在于：還包括步驟7，基于得到的地月空間拉格朗日點軌道類型，進一步進行軌道匹配以及軌道確定，使用卡爾曼濾波算法或者最小二次算法對地月空間拉格朗日點軌道進行精細化軌道估計，提升地月空間態(tài)勢感知能力，提高地月空間拉格朗日點軌道確定精度與計算速度，有利于提升地月空間拉格朗日點軌道航天器在軌服務、在軌操作能力。3.如權(quán)利要求1或2所述的一種僅測角地月空間拉格朗日點軌道類型智能辨識方法，其特征在于：步驟1實現(xiàn)方法為，設定初始時刻t0；設定地面測站的位置狀態(tài)，所述位置狀態(tài)包括經(jīng)度L、緯度B和高度H；設定地月空間拉格朗日點軌道類型數(shù)目M、每種類型軌道采樣數(shù)目N、軌道遞推時長上限T
max
、軌道遞推時長下限T
min
與觀測次數(shù)n
O
，建立僅測角觀測模型如下：其中表示僅測角觀測矢量，為僅測角的觀測模型，表示僅測角觀測噪聲，和分別表示地心慣性系下航天器與測站的位置矢量；設定僅測角觀測誤差協(xié)方差矩陣4.如權(quán)利要求3所述的一種僅測角地月空間拉格朗日點軌道類型智能辨識方法，其特征在于：步驟2實現(xiàn)方法為，對于地月空間拉格朗日點軌道航天器，其運動主要受到地球、月球和太陽的引力攝動影響，其他攝動力相比于所述三種引力影響量級能夠忽略，因此建立地月空間拉格朗日點軌道航天器運動模型如下：
其中表示地心慣性系下的航天器的速度矢量，μ
e
、μ
...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：喬棟，周星宇，李翔宇，
申請(專利權(quán))人：北京理工大學，
類型：發(fā)明
國別省市：