CN111259310A - 一种基于分布式感知单元的热层大气密度预测方法及*** - Google Patents
一种基于分布式感知单元的热层大气密度预测方法及*** Download PDFInfo
- Publication number
- CN111259310A CN111259310A CN202010036996.7A CN202010036996A CN111259310A CN 111259310 A CN111259310 A CN 111259310A CN 202010036996 A CN202010036996 A CN 202010036996A CN 111259310 A CN111259310 A CN 111259310A
- Authority
- CN
- China
- Prior art keywords
- atmospheric
- layer
- atmospheric density
- track
- density
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000012937 correction Methods 0.000 claims abstract description 122
- 230000021715 photosynthesis, light harvesting Effects 0.000 claims abstract description 8
- 238000013016 damping Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000006641 stabilisation Effects 0.000 claims description 4
- 238000011105 stabilization Methods 0.000 claims description 4
- 238000001739 density measurement Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明属于大气密度感知方法和空间物理技术领域,具体涉及一种基于分布式轨道大气感知单元的热层大气密度预测方法,包括:获得P个分布式轨道大气感知单元;结合能量耗散率或半长轴衰减,计算每个分布式轨道大气感知单元所在的轨道面热层大气密度修正比值;周期性动态选取不同地方时、均匀分布在P个分布式轨道大气感知单元的多个空间目标;在所有P个分布式轨道大气感知单元上,每2~30s计算空间目标在对应轨道面上空间点的大气密度,进而3~24h周期性获取全空间大气密度数据集{ρO},并计算球谐系数,进而计算修正后的拐点温度和外逸层温度,构成热层大气密度修正模型,利用该修正模型,获得动态修正后的热层大气密度,实现预测未来空间任意位置的大气密度。
Description
技术领域
本发明属于大气密度感知方法和空间物理技术领域,具体涉及一种基于分布式轨道大气感知单元的热层大气密度预测方法及***。
背景技术
高精度轨道大气预测在航天器轨道确定预报、返回舱再入落点预报等航天活动中具有重要的应用价值。目前,热层大气模型普遍存在15~30%误差,空间天气事件期间更大,无法满足高精度的热层大气预测需求。
航天工程中,采用估算阻力系数补偿大气模型误差的方法,可满足具有轨道跟踪数据航天器自身高精度需求。由于热层大气模型误差具有地方时、纬度和高度特性,上述方法不具有空间拓展性,无法推广到其它轨道航天器进行应用;且热层大气专用探测空间和时间分辨率低、成本高等缺陷;传统轨道大气补偿方法存在空间不可拓展的缺陷,无法满足热层大气密度的高精度预测。
发明内容
本发明的目的在于,为解决现有的热层大气密度模型存在上述缺陷,本发明提出了一种基于分布式轨道大气感知单元的热层大气密度预测方法,该方法基于分布于不同轨道面空间目标的轨道衰减数据,感知计算不同地方时、不同高度的轨道大气密度的实时变化,并以此为校正数据,结合热层大气平衡扩散原理,对热层的125km高度处拐点和外逸层两个边界温度进行动态修正,以满足热层大气密度的高精度预测。
为了实现上述目的,本发明提出了一种基于分布式轨道大气感知单元热层大气密度预测方法,其包括:
将热层大气划分成多个切面,每个切面对应的轨道面内运行的多个空间目标作为分布式轨道大气感知单元,获得P个分布式轨道大气感知单元;
基于每个分布式轨道大气感知单元的轨道数据,并结合能量耗散率或半长轴衰减,计算每个分布式轨道大气感知单元所在的轨道面热层大气密度修正比值;
周期性动态选取不同地方时、均匀分布在P个分布式轨道大气感知单元的多个空间目标;
在所有P个分布式轨道大气感知单元上,利用修正比值和热层大气密度模型的大气密度,每2~30s计算空间目标在对应轨道面上空间点的大气密度,进而3~24h周期性获取全空间大气密度数据集{ρO};
将获得的全空间大气密度数据集{ρO}作为校正数据,采用热层边界温度球谐系数展开修正方法,对热层大气密度模型进行动态修正,使用微分修正方法,计算球谐系数;
利用计算的球谐系数,计算修正后的拐点温度和外逸层温度,构成热层大气密度修正模型,利用热层大气密度修正模型,获得动态修正后的热层大气密度,实现预测未来空间任意位置的大气密度。
作为上述技术方案的改进之一,所述多个空间目标中,每个空间目标所在的轨道高度小于800km、倾角在90±15度范围内、具有球形或方形的目标构型特征和自旋速率小于10度/天的姿态稳定特征。
作为上述技术方案的改进之一,所述基于每个分布式轨道大气感知单元的轨道数据,并结合半长轴衰减,计算每个分布式轨道大气感知单元所在的轨道面热层大气密度修正比值;具体为:
所述分布式轨道大气感知单元的轨道数据包括:轨道半长轴数据;其中,所述轨道半长轴数据包括:大气阻力摄动加速度、大气阻尼引起的卫星轨道半长轴变化率和卫星轨道半长轴;
获得大气阻力摄动加速度adrag:
其中,弹道系数BC=CDA/m;CD为卫星阻力系数;A,m分别是卫星迎风面积和质量;vr是卫星相对大气的速度矢量;
其中,a为卫星轨道半长轴;v为卫星速度;μ为地球引力常数;
其中,ρM为热层大气密度模型的大气密度;
该时期,第P个分布式轨道大气感知单元的大气密度修正比值λp,即分布式轨道大气感知单元所在轨道面上的大气密度修正比值,其表示为:
作为上述技术方案的改进之一,所述在所有P个分布式轨道大气感知单元上,利用修正比值和热层大气密度模型的大气密度,每2~30s计算空间目标在对应轨道面上空间点的大气密度,进而3~24h周期性获取全空间大气密度数据集{ρO};具体为:
在所有P个分布式轨道大气感知单元上,利用修正比值和热层大气密度模型的大气密度,每2~30s计算空间目标在对应轨道面上空间点的大气密度:
ρO=λpρM (6)
其中,ρO为空间目标在第P个分布式轨道大气感知单元对应的轨道面上的空间点的大气密度;
进而3~24h周期性获得全空间大气密度数据集{ρO}:
{ρO}={λ1ρM,λ2ρM,...λpρM} (7)
其中,p=1,2,…N;λ1为第1个分布式轨道大气感知单元的大气密度修正比值;λ2为第2个分布式轨道大气感知单元的大气密度修正比值。
作为上述技术方案的改进之一,所述将获得的全空间大气密度数据集{ρO}作为校正数据,采用热层边界温度球谐系数展开修正方法,对热层大气密度模型进行动态修正,使用微分修正方法,计算球谐系数;具体包括:
将获得的全空间大气密度数据集{ρO}作为校正数据,采用热层边界温度球谐系数展开修正方法,对热层大气密度模型Jacchia70进行动态修正,具体步骤包括:
对热层大气密度模型Jacchia70的125km高度处的拐点温度Tx和外逸层温度Tc,分别进行球谐系数展开,分别获得拐点温度修正量ΔTx和外逸层温度修正量ΔTc:
将获得的全空间大气密度数据集{ρO}作为校正数据,计算密度残差向量b:
b=ρo-ρM (10)
将修正的模型方程ρm(X),在X0处泰勒展开:
其中,ρm(X)为Jacchia70模型的热层密度计算函数;X为球谐系数向量;X0为X的参考值;ρm(X0)为Jacchia70模型的热层密度计算函数在X0处的具体值;为ρm对X的偏导数矩阵;x为球谐系数向量改正值的向量;O(|X-X0|)k为k阶小量;X→X0表示X趋向X0时;
令:
Ax=b (14)
将球谐系数状态量改正值作为热层修正温度对应的球谐系数,即球谐系数。
作为上述技术方案的改进之一,所述利用计算的球谐系数,计算修正后的拐点温度和外逸层温度,替换原热层大气密度模型的拐点温度和外逸层温度两个边界温度,构成热层大气密度修正模型,利用热层大气密度修正模型,获得动态修正后的热层大气密度,实现预测未来空间任意位置的大气密度;具体为:
将拐点温度修正量ΔTx加至热层大气密度模型Jacchia70中的拐点温度Tx中,得到修正后的拐点温度T′x:
T′x=Tx+ΔTx (15)
将外逸层温度修正量ΔTc加至热层大气密度模型Jacchia70中的外逸层温度Tc中,得到修正后的外逸层温度T′c:
T′c=Tc+ΔTc (16)
将修正后的拐点温度T′x和修正后的外逸层温度T′c替换原热层大气密度模型的拐点温度和外逸层温度两个边界温度,构成热层大气密度修正模型,将修正后的拐点温度Tx′和修正后的外逸层温度Tc′代入热层大气密度修正模型中,获得动态修正后的热层大气密度,实现预测未来空间任意位置的大气密度。
本发明还提供了一种基于分布式轨道大气感知单元热层大气密度预测***,该***包括:
感知单元获取模块,用于将热层大气划分成多个切面,每个切面对应的轨道面内运行的多个空间目标作为分布式轨道大气感知单元,获得P个分布式轨道大气感知单元;
第一计算模块,用于基于每个分布式轨道大气感知单元的轨道数据,并结合能量耗散率或半长轴衰减,计算每个分布式轨道大气感知单元所在的轨道面热层大气密度修正比值;
动态选取模块,用于周期性动态选取不同地方时、均匀分布在P个分布式轨道大气感知单元的多个空间目标;
数据获取模块,用于在所有P个分布式轨道大气感知单元上,利用修正比值和热层大气密度模型的大气密度,每2~30s计算空间目标在对应轨道面上空间点的大气密度,进而3~24h周期性获取全空间大气密度数据集{ρO};
第二计算模块,用于将获得的全空间大气密度数据集{ρO}作为校正数据,采用热层边界温度球谐系数展开修正方法,对热层大气密度模型进行动态修正,使用微分修正方法,计算球谐系数;和
预测模块,用于利用计算的球谐系数,计算修正后的拐点温度和外逸层温度,构成热层大气密度修正模型,利用热层大气密度修正模型,获得动态修正后的热层大气密度,实现预测未来空间任意位置的大气密度。
本发明与现有技术相比的有益效果是:本发明在热层大气变化感知方面,选取已有的空间目标中,合理数量、全空间分布的低轨道目标作为感知单元,克服热层大气专用探测空间和时间分辨率低、成本高等缺陷,采用热层大气模型的动态修正方法,较已有技术突破空间拓展性,可推广到其它轨道航天器进行应用。另外,基于分布式轨道大气感知单元,感知不同轨道面上大气密度变化。结合热层模型生成全空间的热层大气密度校正数据,动态修正热层大气模型,突破传统轨道大气补偿方法空间不可拓展的缺陷,满足热层大气高精度需求。
附图说明
图1是本发明的一种基于分布式轨道大气感知单元热层大气密度预测方法的步骤1)的获得P个分布式轨道大气感知单元的轨道面示意图;
图2是本发明的一种基于分布式轨道大气感知单元热层大气密度预测方法的拐点温度修正量分布图;
图3是本发明的一种基于分布式轨道大气感知单元热层大气密度预测方法的修正前、后相对误差比较图;
图4是本发明的一种基于分布式轨道大气感知单元热层大气密度预测方法的流程图。
具体实施方式
现结合附图对本发明作进一步的描述。
如图4所示,本发明提供了一种基于分布式轨道大气感知单元热层大气密度预测方法,基于分布式轨道大气感知单元采集的大气感知数据,动态修正热层大气模型,克服传统轨道大气补偿方法的空间不可拓展的缺陷,满足热层大气密度的高精度预测。
该方法包括:
步骤1)将热层大气划分成多个切面,每个切面对应的轨道面内运行的多个空间目标作为分布式轨道大气感知单元,获得P个分布式轨道大气感知单元;其中,每个轨道面内的多个空间目标与每个分布式轨道大气感知单元对应;
在其他具体实施例中,也可以将每个切面对应的轨道面内运行的一个空间目标作为分布式轨道大气感知单元,获得P个分布式轨道大气感知单元;其中,每个轨道面内的空间目标与每个分布式轨道大气感知单元一一对应;并将其作为可替换的技术方案进行本发明的基于分布式轨道大气感知单元热层大气密度预测方法。步骤2)基于每个分布式轨道大气感知单元的轨道数据,并结合能量耗散率或半长轴衰减,计算每个分布式轨道大气感知单元所在的轨道面热层大气密度修正比值;
具体地,所述分布式轨道大气感知单元的轨道数据包括:轨道半长轴数据;其中,所述轨道半长轴数据包括:大气阻力摄动加速度、大气阻尼引起的卫星轨道半长轴变化率和卫星轨道半长轴;
获得大气阻力摄动加速度adrag:
其中,弹道系数BC=CDA/m;CD为卫星阻力系数;A,m分别是卫星迎风面积和质量;vr是卫星相对大气的速度矢量;
其中,a为卫星轨道半长轴;v为卫星速度;μ为地球引力常数;
其中,ρM为热层大气密度模型的大气密度;
该时期,第P个分布式轨道大气感知单元的大气密度修正比值λp,即分布式轨道大气感知单元所在轨道面上的大气密度修正比值,其表示为:
在其他具体实施例中,基于每个分布式轨道大气感知单元的轨道数据,并结合能量耗散率(EDR),计算每个分布式轨道大气感知单元所在的轨道面热层大气密度修正比值。
步骤3)周期性动态选取不同地方时、均匀分布在P个分布式轨道大气感知单元的多个空间目标;其中,设定2-3d为一个周期;
选取不同地方时分布的近极轨道、低地球轨道(200~800km)的多个空间目标,在本实施例中,所述空间目标为100颗,其中,60颗空间目标用于校正,40颗空间目标用于备用。
所述多个空间目标中,每个空间目标所在的轨道高度小于800km、倾角在90±15度范围内、具有球形或方形的目标构型特征和自旋速率小于10度/天的姿态稳定特征。
其中,每个空间目标的选取,除了满足轨道高度小于800km和倾角在90±15度范围内的要求外,每个空间目标还应具有:简单的目标构型特征和姿态稳定特征;其中,简单的目标构型特征为方形或球形;其中,优选为球形,并避免扁长形空间目标;姿态稳定特征为自旋速率小于10度/天(deg/day);
步骤4)在所有P个分布式轨道大气感知单元上,利用修正比值和热层大气密度模型的大气密度,每2~30s计算空间目标在对应轨道面上空间点的大气密度,进而3~24h周期性获取全空间大气密度数据集{ρO};
步骤5)将获得的全空间大气密度数据集{ρO}作为校正数据,采用热层边界温度球谐系数展开修正方法,对热层大气密度模型进行动态修正,使用微分修正方法,计算球谐系数;
具体地,将获得的全空间大气密度数据集{ρO}作为校正数据,采用热层边界温度球谐系数展开修正方法,对热层大气密度模型Jacchia70进行动态修正,具体步骤包括:
对热层大气密度模型Jacchia70的125km高度处的拐点温度Tx和外逸层温度Tc,分别进行球谐系数展开,分别获得拐点温度修正量ΔTx和外逸层温度修正量ΔTc:
其中:是正交归一化的l×m阶连带勒让德多项式;是纬度;θ是地方时;为热层修正温度对应的球谐系数,对ΔTx和ΔTc而言的取值不同,且l,m的阶数也不同;l,m均为正整数;其中,拐点温度Tx和外逸层温度Tc为热层大气密度模型Jacchia70的两个大气边界温度;
将获得的全空间大气密度数据集{ρO}作为校正数据,计算密度残差向量b:
b=ρo-ρM (10)
将修正的模型方程ρm(X),在X0处泰勒展开:
其中,ρm(X)为Jacchia70模型的热层密度计算函数;X为球谐系数向量;X0为X的参考值;ρm(X0)为Jacchia70模型的热层密度计算函数在X0处的具体值;为ρm对X的偏导数矩阵;x为球谐系数向量改正值的向量;O(|X-X0|)k为k阶小量;X→X0表示X趋向X0时;
令:
Ax=b (14)
将球谐系数状态量改正值作为热层修正温度对应的球谐系数,即球谐系数。
步骤6)利用计算的球谐系数,计算修正后的拐点温度和外逸层温度,替换原热层大气密度模型的拐点温度和外逸层温度两个边界温度,构成热层大气密度修正模型,利用热层大气密度修正模型,获得动态修正后的热层大气密度,实现预测未来空间任意位置的大气密度。
具体地,将拐点温度修正量ΔTx加至热层大气密度模型Jacchia70中的拐点温度Tx中,得到修正后的拐点温度T′x:
T′x=Tx+ΔTx (15)
将外逸层温度修正量ΔTc加至热层大气密度模型Jacchia70中的外逸层温度Tc中,得到修正后的外逸层温度T′c:
T′c=Tc+ΔTc (16)
将修正后的拐点温度T′x和修正后的外逸层温度T′c替换原热层大气密度模型的拐点温度和外逸层温度两个边界温度,构成热层大气密度修正模型,将修正后的拐点温度T′x和修正后的外逸层温度T′c代入热层大气密度修正模型中,获得动态修正后的热层大气密度,实现预测未来空间任意位置的大气密度。
本发明还提供了一种基于分布式轨道大气感知单元热层大气密度预测***,该***包括:
感知单元获取模块,用于将热层大气划分成多个切面,每个切面对应的轨道面内运行的多个空间目标作为分布式轨道大气感知单元,获得P个分布式轨道大气感知单元;其中,每个轨道面内的多个空间目标与每个分布式轨道大气感知单元对应;
在其他具体实施例中,也可以将每个切面对应的轨道面内运行的一个空间目标作为分布式轨道大气感知单元,获得P个分布式轨道大气感知单元;其中,每个轨道面内的空间目标与每个分布式轨道大气感知单元一一对应;并将其作为可替换的技术方案。
第一计算模块,用于基于每个分布式轨道大气感知单元的轨道数据,并结合能量耗散率或半长轴衰减,计算每个分布式轨道大气感知单元所在的轨道面热层大气密度修正比值;
动态选取模块,用于周期性动态选取不同地方时、均匀分布在P个分布式轨道大气感知单元的多个空间目标;其中,设定2-3d为一个周期;
数据获取模块,用于在所有P个分布式轨道大气感知单元上,利用修正比值和热层大气密度模型的大气密度,每2~30s计算空间目标在对应轨道面上空间点的大气密度,进而3~24h周期性获取全空间大气密度数据集{ρO};
第二计算模块,用于将获得的全空间大气密度数据集{ρO}作为校正数据,采用热层边界温度球谐系数展开修正方法,对热层大气密度模型进行动态修正,使用微分修正方法,计算球谐系数;和
预测模块,用于利用计算的球谐系数,计算修正后的拐点温度和外逸层温度,替换原热层大气密度模型的拐点温度和外逸层温度两个边界温度,构成热层大气密度修正模型,利用热层大气密度修正模型,获得动态修正后的热层大气密度,实现预测未来空间任意位置的大气密度。
本发明的方法中,选取高度200~800km地方时均匀分布,构型简单姿态稳定的近极轨道低空间目标约60颗,构成分布式轨道大气感知单元;利用感知单元的TLE轨道数据,由半长轴衰减,计算每个分布式轨道大气感知单元所在的轨道面热层大气密度修正比值,结合相应大气模型获取轨道面上每20s(不限于此)大气点密度,进而3~24h周期性获取全空间大气密度数据集{ρO},并将其作为校正数据集,采用热层边界温度球谐系数展开修正方法,对热层大气密度模型进行动态修正,使用微分修正方法,计算球谐系数;利用计算的球谐系数,计算修正后的拐点温度和外逸层温度,替换原热层大气密度模型的拐点温度和外逸层温度两个边界温度,构成热层大气密度修正模型,利用热层大气密度修正模型,获得动态修正后的热层大气密度,实现预测未来空间任意位置的大气密度,满足高精度的热层大气需求,实施效果见图2。
如图1所示,选取的轨道大气感知单元的轨道面分布情况,将大气热层划分成多个轨道面,将每个轨道面作为对应的分布式轨道大气感知单元,获得P个分布式轨道大气感知单元;其中,每个轨道面与每个分布式轨道大气感知单元一一对应。
如图3所示,为2003年10月某磁暴事件为例,热层大气模型动态修正前后相对误差的修正效果对比。使用两个轨道面上数据进行修正的结果:动态修正前均值-94.43%,标准差65.87%,动态修正后均值-6.96%,标准差39.37%,MSIS00模型均值-86.11%,标准差58.13%。若再结合本方法所述60轨道感知单元,修正后的均值可降至3%。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种基于分布式轨道大气感知单元热层大气密度预测方法,其特征在于,该方法包括:
将热层大气划分成多个切面,每个切面对应的轨道面内运行的多个空间目标作为分布式轨道大气感知单元,获得P个分布式轨道大气感知单元;
基于每个分布式轨道大气感知单元的轨道数据,并结合能量耗散率或半长轴衰减,计算每个分布式轨道大气感知单元所在的轨道面热层大气密度修正比值;
周期性动态选取不同地方时、均匀分布在P个分布式轨道大气感知单元的多个空间目标;
在所有P个分布式轨道大气感知单元上,利用修正比值和热层大气密度模型的大气密度,每2~30s计算空间目标在对应轨道面上空间点的大气密度,进而3~24h周期性获取全空间大气密度数据集{ρO};
将获得的全空间大气密度数据集{ρO}作为校正数据,采用热层边界温度球谐系数展开修正方法,对热层大气密度模型进行动态修正,使用微分修正方法,计算球谐系数;
利用计算的球谐系数,计算修正后的拐点温度和外逸层温度,构成热层大气密度修正模型,利用热层大气密度修正模型,获得动态修正后的热层大气密度,实现预测未来空间任意位置的大气密度。
2.根据权利要求1所述的方法,其特征在于,所述多个空间目标中,每个空间目标所在的轨道高度小于800km、倾角在90±15度范围内、具有球形或方形的目标构型特征和自旋速率小于10度/天的姿态稳定特征。
3.根据权利要求1所述的方法,其特征在于,所述基于每个分布式轨道大气感知单元的轨道数据,并结合半长轴衰减,计算每个分布式轨道大气感知单元所在的轨道面热层大气密度修正比值;具体为:
所述分布式轨道大气感知单元的轨道数据包括:轨道半长轴数据;其中,所述轨道半长轴数据包括:大气阻力摄动加速度、大气阻尼引起的卫星轨道半长轴变化率和卫星轨道半长轴;
获得大气阻力摄动加速度adrag:
其中,弹道系数BC=CDA/m;CD为卫星阻力系数;A,m分别是卫星迎风面积和质量;vr是卫星相对大气的速度矢量;
其中,a为卫星轨道半长轴;v为卫星速度;μ为地球引力常数;
其中,ρM为热层大气密度模型的大气密度;
该时期,第P个分布式轨道大气感知单元的大气密度修正比值λp,即分布式轨道大气感知单元所在轨道面上的大气密度修正比值,其表示为:
4.根据权利要求1所述的方法,其特征在于,所述在所有P个分布式轨道大气感知单元上,利用修正比值和热层大气密度模型的大气密度,每2~30s计算空间目标在对应轨道面上空间点的大气密度,进而3~24h周期性获取全空间大气密度数据集{ρO};具体为:
在所有P个分布式轨道大气感知单元上,利用修正比值和热层大气密度模型的大气密度,每2~30s计算空间目标在对应轨道面上空间点的大气密度:
ρO=λpρM (6)
其中,ρO为空间目标在第P个分布式轨道大气感知单元对应的轨道面上的空间点的大气密度;
进而3~24h周期性获得全空间大气密度数据集{ρO}:
{ρO}={λ1ρM,λ2ρM,...λpρM} (7)
其中,p=1,2,…N;λ1为第1个分布式轨道大气感知单元的大气密度修正比值;λ2为第2个分布式轨道大气感知单元的大气密度修正比值。
5.根据权利要求1所述的方法,其特征在于,所述将获得的全空间大气密度数据集{ρO}作为校正数据,采用热层边界温度球谐系数展开修正方法,对热层大气密度模型进行动态修正,使用微分修正方法,计算球谐系数;具体包括:
将获得的全空间大气密度数据集{ρO}作为校正数据,采用热层边界温度球谐系数展开修正方法,对热层大气密度模型Jacchia70进行动态修正,具体步骤包括:
对热层大气密度模型Jacchia70的125km高度处的拐点温度Tx和外逸层温度Tc,分别进行球谐系数展开,分别获得拐点温度修正量ΔTx和外逸层温度修正量ΔTc:
将获得的全空间大气密度数据集{ρO}作为校正数据,计算密度残差向量b:
b=ρo-ρM (10)
将修正的模型方程ρm(X),在X0处泰勒展开:
其中,ρm(X)为Jacchia70模型的热层密度计算函数;X为球谐系数向量;X0为X的参考值;ρm(X0)为Jacchia70模型的热层密度计算函数在X0处的具体值;为ρm对X的偏导数矩阵;x为球谐系数向量改正值的向量;O(|X-X0|)k为k阶小量;X→X0表示X趋向X0时;
令:
Ax=b (14)
将球谐系数状态量改正值作为热层修正温度对应的球谐系数,即球谐系数。
6.根据权利要求5所述的方法,其特征在于,所述利用计算的球谐系数,计算修正后的拐点温度和外逸层温度,替换原热层大气密度模型的拐点温度和外逸层温度两个边界温度,构成热层大气密度修正模型,利用热层大气密度修正模型,获得动态修正后的热层大气密度,实现预测未来空间任意位置的大气密度;具体为:
将拐点温度修正量ΔTx加至热层大气密度模型Jacchia70中的拐点温度Tx中,得到修正后的拐点温度T′x:
T′x=Tx+ΔTx (15)
将外逸层温度修正量ΔTc加至热层大气密度模型Jacchia70中的外逸层温度Tc中,得到修正后的外逸层温度T′c:
T′c=Tc+ΔTc (16)
将修正后的拐点温度T′x和修正后的外逸层温度T′c替换原热层大气密度模型的拐点温度和外逸层温度两个边界温度,构成热层大气密度修正模型,将修正后的拐点温度T′x和修正后的外逸层温度T′c代入热层大气密度修正模型中,获得动态修正后的热层大气密度,实现预测未来空间任意位置的大气密度。
7.一种基于分布式轨道大气感知单元热层大气密度预测***,其特征在于,该***包括:
感知单元获取模块,用于将热层大气划分成多个切面,每个切面对应的轨道面内运行的多个空间目标作为分布式轨道大气感知单元,获得P个分布式轨道大气感知单元;
第一计算模块,用于基于每个分布式轨道大气感知单元的轨道数据,并结合能量耗散率或半长轴衰减,计算每个分布式轨道大气感知单元所在的轨道面热层大气密度修正比值;
动态选取模块,用于周期性动态选取不同地方时、均匀分布在P个分布式轨道大气感知单元的多个空间目标;
数据获取模块,用于在所有P个分布式轨道大气感知单元上,利用修正比值和热层大气密度模型的大气密度,每2~30s计算空间目标在对应轨道面上空间点的大气密度,进而3~24h周期性获取全空间大气密度数据集{ρO};
第二计算模块,用于将获得的全空间大气密度数据集{ρO}作为校正数据,采用热层边界温度球谐系数展开修正方法,对热层大气密度模型进行动态修正,使用微分修正方法,计算球谐系数;和
预测模块,用于利用计算的球谐系数,计算修正后的拐点温度和外逸层温度,构成热层大气密度修正模型,利用热层大气密度修正模型,获得动态修正后的热层大气密度,实现预测未来空间任意位置的大气密度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010036996.7A CN111259310B (zh) | 2020-01-14 | 2020-01-14 | 一种基于分布式感知单元的热层大气密度预测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010036996.7A CN111259310B (zh) | 2020-01-14 | 2020-01-14 | 一种基于分布式感知单元的热层大气密度预测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111259310A true CN111259310A (zh) | 2020-06-09 |
CN111259310B CN111259310B (zh) | 2023-05-12 |
Family
ID=70950516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010036996.7A Active CN111259310B (zh) | 2020-01-14 | 2020-01-14 | 一种基于分布式感知单元的热层大气密度预测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111259310B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106697333A (zh) * | 2017-01-12 | 2017-05-24 | 北京理工大学 | 一种航天器轨道控制策略的鲁棒性分析方法 |
CN108508457A (zh) * | 2018-03-12 | 2018-09-07 | 中国人民解放军63789部队 | 基于精密星历的阻力系数自适应调制方法 |
WO2019015160A1 (zh) * | 2017-07-18 | 2019-01-24 | 武汉大学 | 一种低轨卫星导航增强电离层延迟改正方法 |
CN109323698A (zh) * | 2018-12-03 | 2019-02-12 | 西安四方星途测控技术有限公司 | 一种空间目标陨落多模型跟踪引导技术 |
-
2020
- 2020-01-14 CN CN202010036996.7A patent/CN111259310B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106697333A (zh) * | 2017-01-12 | 2017-05-24 | 北京理工大学 | 一种航天器轨道控制策略的鲁棒性分析方法 |
WO2019015160A1 (zh) * | 2017-07-18 | 2019-01-24 | 武汉大学 | 一种低轨卫星导航增强电离层延迟改正方法 |
CN108508457A (zh) * | 2018-03-12 | 2018-09-07 | 中国人民解放军63789部队 | 基于精密星历的阻力系数自适应调制方法 |
CN109323698A (zh) * | 2018-12-03 | 2019-02-12 | 西安四方星途测控技术有限公司 | 一种空间目标陨落多模型跟踪引导技术 |
Non-Patent Citations (1)
Title |
---|
李勰等: "基于温度参数的经验密度模式修正方法", 《载人航天》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111259310B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Konopliv et al. | The Ceres gravity field, spin pole, rotation period and orbit from the Dawn radiometric tracking and optical data | |
Thomas et al. | Enceladus’s measured physical libration requires a global subsurface ocean | |
CN105224737B (zh) | 一种空间目标轨道改进初值修正方法 | |
WO2021063073A1 (zh) | 一种指定发射仰角的自由弹道构造方法 | |
CN104792340A (zh) | 一种星敏感器安装误差矩阵与导航***星地联合标定与校正的方法 | |
CN112082574B (zh) | 星敏感器的校正方法及*** | |
CN108959734B (zh) | 一种基于实时递推太阳光压力矩辨识方法及*** | |
CN110631567B (zh) | 一种差分天空偏振罗盘大气折射误差的反演及修正方法 | |
CN111238489B (zh) | 一种低轨卫星大气阻力摄动建模和计算方法 | |
Scheeres et al. | Effect of density inhomogeneity on YORP: The case of Itokawa | |
CN111259310A (zh) | 一种基于分布式感知单元的热层大气密度预测方法及*** | |
Tolson et al. | Atmospheric modeling using accelerometer data during Mars Reconnaissance Orbiter aerobraking operations | |
Iwata et al. | Precision attitude determination for the advanced land observing satellite (ALOS): design, verification, and on-orbit calibration | |
Dang et al. | Rotational and translational integrated control for inner-formation gravity measurement satellite system | |
CN112393835B (zh) | 一种基于扩展卡尔曼滤波的小卫星在轨推力标定方法 | |
CN111402340B (zh) | 一种对地观测卫星的成像控制***及方法 | |
Bae et al. | Precision attitude determination (PAD) | |
Steyn et al. | A high performance star sensor system for full attitude determination on a microsatellite | |
CN114114359B (zh) | 单星与地基设备联合的再入预报方法、装置和电子设备 | |
CN112926237B (zh) | 一种基于光度信号的空间目标关键特征辨识方法 | |
Kinzie et al. | Dual quaternion-based dynamics and control for gravity recovery missions | |
CN116552812B (zh) | 一种电推进geo卫星自学习定轨方法 | |
Xu et al. | Error suppression method of SINS/CNS integrated navigation based on diametrical stargazing | |
CN115096317B (zh) | 一种地月空间dro航天器编队相对导航方法和*** | |
CN113591265B (zh) | 一种计算火星探测器大气阻力的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |