141 / 2019-06-30 20:38:39

基于机器学习的天基监测系统空间碎片定轨精度评定

空间碎片,定轨,机器学习,观测数据轨道特征

空间碎片可对航天器造成灾难性损伤,对空间碎片的监测和精密定轨是实施碎片规避和碎片清除任务的基础和前提。天基监测系统以其不受空域限制，全天候等特点成为地基监测的有力补充。而面对海量的空间碎片，对其逐一定轨并确定精度不现实且无必要。针对这一天基监测系统设计中空间碎片定轨精度难以评定的问题，本文基于机器学习的方法，将海量碎片的动力学定轨问题转化为分类问题。选取NORAD数据库中2000个低轨目标，按50%-30%-20%的比例将观测数据分为训练集，测试集，验证集，通过将天基观测数据的总数据量、平均弧长、弧段数等多个特征作为特征值，利用机器学习进行分类，初步结果表明，机器学习的方法可以达到60%的分类正确率。该方法可建立起观测数据的轨道特征与定轨精度的对应关系，有效提高空间碎片定轨的时效性，对监测设备的性能评估、优化调度有一定参考意义。同时，也为机器学习在空间态势感知领域的应用提供了有益的思路。