CN115402539B - 一种基于轨道和空间环境数据的卫星变轨检测方法及*** - Google Patents
一种基于轨道和空间环境数据的卫星变轨检测方法及*** Download PDFInfo
- Publication number
- CN115402539B CN115402539B CN202211359457.2A CN202211359457A CN115402539B CN 115402539 B CN115402539 B CN 115402539B CN 202211359457 A CN202211359457 A CN 202211359457A CN 115402539 B CN115402539 B CN 115402539B
- Authority
- CN
- China
- Prior art keywords
- satellite
- orbit
- detection
- data
- orbital transfer
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 159
- 238000012546 transfer Methods 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 claims abstract description 52
- 230000008859 change Effects 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 26
- 150000001875 compounds Chemical class 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 238000004364 calculation method Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 7
- 238000013016 damping Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000009191 jumping Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000005624 perturbation theories Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
- B64G1/00—Cosmonautic vehicles
- B64G1/22—Parts of, or equipment specially adapted for fitting in or to, cosmonautic vehicles
- B64G1/24—Guiding or controlling apparatus, e.g. for attitude control
- B64G1/242—Orbits and trajectories
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
- B64G1/00—Cosmonautic vehicles
- B64G1/22—Parts of, or equipment specially adapted for fitting in or to, cosmonautic vehicles
- B64G1/24—Guiding or controlling apparatus, e.g. for attitude control
- B64G1/244—Spacecraft control systems
- B64G1/247—Advanced control concepts for autonomous, robotic spacecraft, e.g. by using artificial intelligence, neural networks or autonomous agents
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Combustion & Propulsion (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Robotics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明属于太空中的空间交通管理及大数据技术领域,尤其涉及一种基于轨道和空间环境数据的卫星变轨检测方法及***,该方法根据卫星变轨方式的特点和卫星轨道摄动特征,选择卫星轨道半长轴和倾角的平根数预报残差为卫星变轨检测变量,并利用卫星轨道高度相近的空间目标历史轨道数据和空间环境参数,训练生成空间环境平静期和扰动期的卫星变轨检测阈值;在检测过程中,根据卫星当前轨道根数,计算后续轨道历元时刻半长轴和倾角的平根数预报残差,按照预报期间空间环境状态,采用n‑σ准则对平根数预报残差进行检测分析,并进行阈值更新处理,实现对卫星变轨行为的高效检测。
Description
技术领域
本发明属于太空中的空间交通管理及大数据技术领域,尤其涉及一种基于轨道和空间环境数据的卫星变轨检测方法及***。
背景技术
截止2022年9月30日,全球在轨工作卫星约有6800颗,这些卫星为了其完成工作任务或者飞行安全,通常会进行各种轨道机动和姿态控制以满足任务需求。对普通卫星运控机构(特别是商业卫星测控公司)而言,由于这些卫星中的绝大多数都属于非合作的卫星,即无法通过卫星主动应答方式来获取卫星相应的包括位姿信息在内的状态信息,因此,无法直接获取到这些非合作卫星的任何轨道机动或者变化的信息,而只能通过间接的手段来检测其轨道变化。
对非合作卫星因轨控推力、动量轮卸载、泄压或者碰撞等各种动力作用导致的轨道变化检测或者轨道动力异常分析是空间态势感知的一个重要内容。通常,对非合作卫星轨道变化检测和轨道动力异常分析都是通过检测卫星的测量数据或者空间位置参数的观测值与预报计算值的残差来进行。在实际工作中,普通卫星运控机构因不能直接获取到对非合作卫星的测量数据,只能从相关机构获取这些卫星的编目轨道数据,其中最常用的是TLE(Two-Line Element,双行根数)数据集,主要包括卫星在某一时刻的轨道平根数、周期变化率或者弹道系数等信息。
利用卫星历史的编目轨道数据,可以进行一些卫星轨道变化的检测。目前常用的针对卫星变轨的检测方法,没有考虑卫星轨道变化特征以及轨道机动特点,常选择卫星位置速度变化或者轨道根数变化作为检测量来检测变轨,这种方法一方面计算量大效率低,另一方面误差影响因素多,检出率低(一般只能达到80%);此外,在确定检测门限时没有综合考虑相同轨道类型目标的轨道数据和空间环境影响(一般对500km高度以下卫星,影响显著),检测阈值设置偏离轨道预报误差实际,导致较高的误检和漏检概率。
发明内容
针对现有卫星变轨检测方法的不足,本发明的目的在于克服上述现有技术缺陷,提出了一种基于轨道和空间环境数据的卫星变轨检测方法及***。
为了实现上述目的,本发明提出了一种基于轨道和空间环境数据的卫星变轨检测方法,所述方法包括:
步骤S1)从历史数据中获取与待检测卫星轨道高度相近的目标历史轨道数据和空间环境数据,以卫星轨道半长轴和倾角的平根数预报残差为卫星变轨检测变量,分别生成空间环境平静期和扰动期的卫星变轨检测阈值的训练样本集;
步骤S2)基于训练样本集,分别生成空间环境平静期和扰动期的卫星变轨检测阈值,分别包括卫星轨道半长轴和倾角的卫星变轨检测阈值;
步骤S3)根据待检测卫星当前轨道数据,分别计算待检测卫星在后续N组对应历元时刻的半长轴和倾角的平根数预报值,并求出与该卫星实际平根数之差,形成包括N组检测变量的检测变量集;
步骤S4)根据检测变量集,采用n-希格玛(n-σ)准则对待检测卫星进行变轨检测,并用无变轨的轨道数据进行阈值更新处理。
作为上述方法的一种改进,所述步骤S1)包括:
步骤S1-2)获取编目目标集中各目标在设定历史时间段内的轨道数据和空间环境数据;所述轨道数据为基于时间的序列,包括多组;所述空间环境数据包括地磁Kp指数和/或Ap指数;
步骤S1-3)构建空间环境平静期和扰动期卫星变轨检测阈值的训练样本集。
作为上述方法的一种改进,所述步骤S1-1)具体包括:
作为上述方法的一种改进,所述S1-3)具体包括:
对于步骤S1-2)获取的各目标的每组轨道数据,利用平根数预报法计算后续最大预报时长内所有轨道数据历元时刻的半长轴平根数预报值和倾角平根数预报值;
由半长轴平根数预报值和倾角平根数预报值,结合后续轨道数据中的半长轴和倾角的平根数实际值,分别计算偏差,得到半长轴的平根数预报残差和倾角的平根数预报残差;
检索预报时段内的地磁Kp指数或Ap指数,若Kp≥5或Ap≥50,则为空间环境扰动期,反之为空间环境平静期;分别构建空间环境平静期和扰动期卫星变轨检测阈值的训练样本集,训练样本集中每一组数据包括预报时长、半长轴和倾角的平根数预报残差。
作为上述方法的一种改进,所述步骤S2)包括:
步骤S2-1)建立误差传播模型:
式中,和分别为当前时刻轨道的半长轴和倾角的平根数预报残差,和分别为初始历元时刻的轨道半长轴和倾角的平根数误差,和分别为轨道半长轴和倾角的平根数误差传播系数,为从初始历元时刻到当前时刻的时长;为半长轴误差传播的噪声,为倾角误差传播的噪声;
作为上述方法的一种改进,所述步骤S3)包括:
对待检测卫星拟进行变轨检测时段的某组轨道数据,通过平根数预报方法计算该卫星在后续最大预报时长内最多N组轨道历元时刻的半长轴和倾角的平根数预报值,并求出与平根数实际值之差,即平根数预报残差,得到检测变量集:
检索各预报时刻的地磁Kp指数和/或Ap指数,确定各时段的空间环境活动状况。
作为上述方法的一种改进,所述步骤S4)包括:
步骤S4-1)若检测变量集中所有检测变量均满足相应空间环境状况下的判据,则判定当前组卫星轨道历元与后续第一组轨道历元之间存在变轨行为;转至步骤S4-4);
步骤S4-2)若第一组检测变量满足判据,而后续其他组检测变量不符合判据,则判定后续第一组轨道数据异常,从后续待检轨道数据序列中剔除该组轨道数据;转至步骤S4-4);
步骤S4-3)利用误差传播模型,用这N组预报残差数据进行卡尔曼(Kalman)滤波,更新对应空间环境状态的误差传播模型的模型系数和精度,更新检测阈值;
步骤S4-4)完成对待检测卫星某组轨道数据的变轨检测。
作为上述方法的一种改进,所述空间环境状况下的判据包括:
空间环境平静期的判据为:
扰动期的判据为:
另一方面,本发明提出了一种基于轨道和空间环境数据的卫星变轨检测***,所述***包括:
训练样本集构建模块,用于从历史数据中获取与待检测卫星轨道高度相近的目标历史轨道数据和空间环境数据,以卫星轨道半长轴和倾角的平根数预报残差为卫星变轨检测变量,分别生成空间环境平静期和扰动期的卫星变轨检测阈值的训练样本集;
卫星变轨检测阈值生成模块,用于基于训练样本集,分别生成空间环境平静期和扰动期的卫星变轨检测阈值,分别包括卫星轨道半长轴和倾角的卫星变轨检测阈值;
检测变量集生成模块,用于根据待检测卫星当前轨道数据,分别计算待检测卫星在后续N组对应历元时刻的半长轴和倾角的平根数预报值,并求出与该卫星实际平根数之差,形成包括N组检测变量的检测变量集;和
变轨检测模块,用于根据检测变量集,采用n-σ准则对待检测卫星进行变轨检测,并用无变轨的轨道数据进行阈值更新处理。
与现有技术相比,本发明的优势在于:
1、本发明以轨道半长轴和倾角的平根数预报残差为检测变量,使用轨道高度相近的各种目标历史轨道数据、综合空间环境数据影响,构建了检测阈值训练的样本集,通过采用多组检测变量比判和阈值滤波更新技术,提高了卫星变轨行为的检测成功率和计算效率;
2、本发明采用半长轴和倾角的平根数预报残差作为检测变量,可提高检测成功率和计算效率;
3、本发明建立半长轴和倾角平根数误差传播模型,利用轨道高度相近的目标历史轨道数据构建阈值训练样本集,实现检测阈值初始值的可靠计算;
4、本发明实现了变轨检测过程中,基于Kalman滤波技术的检测阈值更新,可实时响应卫星轨道数据的精度变化;
5、本发明引入空间环境状况对低轨卫星轨道精度的影响,分空间环境平静期和扰动期两种情形分别进行相关变轨检测,有助于提高低轨卫星变轨的检测成功率。
附图说明
图1是本发明的基于轨道和空间环境数据的卫星变轨检测方法的流程图;
图2是基于轨道和空间环境数据的卫星变轨检测流程图;
图3是检测阈值初始化流程图;
图4是变轨检测实例。
具体实施方式
本发明结合空间环境变化对低轨卫星轨道干扰影响特点,通过对历史编目轨道数据和空间环境数据进行挖掘,实现对卫星变轨行为的有效检测和高效计算。
目前,所有卫星的轨道机动可以归为改变轨道形状和改变轨道面指向两类,都是通过调整轨道半长轴或者轨道倾角两种方式实现。因此,对于非合作卫星变轨检测可以选择卫星轨道半长轴和轨道倾角的变化量作为检测对象。
根据轨道摄动理论,卫星轨道参数的变化包含长期变化、长周期变化和短周期变化三部分,其中只包含长期变化部分的轨道参数叫做平根数。对卫星轨道半长轴而言,影响其平根数变化的主要是大气阻尼摄动(对低轨卫星影响显著)、轨道共振(只有特殊的共振轨道才有)和轨道控制推力,而影响轨道倾角平根数变化的主要是轨控推力,因此,在检测卫星变轨行为时,半长轴和倾角的平根数预报残差是一个非常有效的检测变量。
此外,在轨道半长轴平根数的影响因素中,大气阻尼摄动的影响与空间环境关系密切,在空间环境平静期,大气阻尼摄动影响的计算误差可以小于10%,而在空间环境扰动期,计算误差可以达到100%以上,因此,在检测时,为避免空间环境扰动导致的大气阻尼摄动误差的干扰,应区分空间环境状况,即分为空间环境平静期和扰动期两种情形分别进行检测。
综上分析,本发明利用卫星轨道机动方式和卫星轨道变化特征,以卫星轨道半长轴和倾角的平根数预报残差为检测变量,针对空间活动状况分平静期和扰动期分别实施卫星变轨检测。
如图1所示,本发明所提出的基于轨道数据和空间环境数据的卫星变轨检测的主要过程如下:
(1)生成阈值训练样本数据集。从历史编目数据中检索出与待变轨检测卫星(下简称卫星)轨道高度相近的目标集,提取卫星和目标集的历史编目轨道数据和空间环境数据,计算生成轨道半长轴和倾角平根数变化的样本集。其步骤如下:
1)根据卫星的近远地点高度,检索出由所有满足以下条件的编目目标j构成轨道高度相近的目标集:
若目标集为空集,则将卫星放入目标集。
2)获取目标集中各目标的轨道数据。提取在卫星最后一组待检测轨道历元之前一段时间(可取1年)内的各目标轨道数据。若目标集只包含卫星,则提取卫星待检测的第一组轨道历元之前一段时间(可取5年,若卫星历史轨道数据跨度小于5年,则取实际时长)的历史轨道数据。
3)计算检测阈值训练的样本数据集。目标集中每个目标的轨道数据集是一个时间序列,对每组轨道数据,利用下式给出的平根数预报法计算后续最大预报时长(根据卫星轨道高度确定,一般低轨道取2天,其他轨道取7天)内所有轨道数据历元时刻的半长轴(单位为米)和倾角(单位为弧度)的平根数预报值;计算预报值与实际值的偏差(下称为预报残差);检索预报时段内空间环境参数中的地磁Kp指数或者Ap指数,若Kp≥5或Ap≥50时则为空间环境扰动期,反之为空间环境平静期;根据地磁指数,构建空间环境平静期样本数据集和扰动期样本数据集,样本集中每一组数据由预报时长、半长轴预报残差和倾角预报残差构成。
其中,
其中,为当前组轨道的历元时刻,为时刻轨道对应半长轴、倾角和偏心率的平根数值,B*为编目轨道给出的弹道系数,t为要预报计算的后续轨道的历元时刻;为对应时刻半长轴平根数的平均运动角速度,和为中间变量,s和为常数,分别有:
(2)训练生成变轨检测阈值的初值。利用样本数据集,基于最小二乘法分别生成空间环境平静期和扰动期的卫星轨道半长轴和倾角的变轨检测阈值:
1)利用最小二乘法分别确定空间环境平静期和活动期的误差传播模型参数。由于短期内轨道半长轴和倾角的平根数预报误差主要随时间线性变化,因此,可建立以下误差传播模型:
式中,和分别为当前时刻轨道半长轴和倾角的平根数预报残差,和分别为初始历元时刻的轨道半长轴和倾角的平根数误差,和分别为轨道半长轴和倾角的平根数误差传播系数,为从初始历元时刻到当前时刻的时长;为半长轴误差传播的噪声,为倾角误差传播的噪声。
2)由下两式分别确定空间环境平静期和扰动期的卫星变轨检测初始阈值:
(3)检测变量计算。对拟进行变轨检测时段的卫星一组轨道数据,用过程(1)中步骤3)给出的平根数预报方法,计算卫星在后续最大预报时长内最多N(N=2~6)组轨道历元时刻的半长轴和倾角的平根数预报值,并求出与实际平根数值之差,得到检测变量集:,,…,;检索各预报时刻的地磁Kp指数和Ap指数,确定各时段的空间环境活动状况。
(4)变轨检测与阈值更新。对计算出的检测变量集,利用n-σ准则进行变轨检测,并用无变轨的正常轨道数据进行阈值更新处理。其步骤如下:
1)根据空间环境活动状况,利用n-σ准则对检测变量集进行检测,判据如下:
若N组检测变量均满足上述判据,则判定为当前组轨道历元与后续第一组轨道历元之间存在变轨行为;若第一组检测变量满足判据,而其他组检测变量不满足判据,则判定后续第一组轨道数据异常,并从待检测序列中剔除。
2)若N组检测变量均不满足判据,则利用经典的Kalman滤波方法和误差传播模型,用这N组检测变量数据对检测阈值进行更新。
下面结合附图和实施例对本发明的技术方案进行详细的说明。
实施例1
如图2所示,本发明的实施例1提供了基于轨道和空间环境数据的卫星变轨检测方法,包括以下过程:
步骤(1)初始化,包括获取待检测卫星的轨道数据、获取历史空间环境数据、轨道高度相近判断的高度差阈值和赋值、目标集历史轨道数据时段赋值、卫星变轨检测变量组数N赋值、n-σ准则的n赋值、根据卫星轨道高度确定最大预报时长等;
步骤(2)进行检测阈值的初始化计算,具体如图3所示,过程如下:
2)获取目标集中目标j在指定时段内的历史轨道数据;赋m=1;
3)用第m组轨道数据,计算最大预报时长内各组轨道数据历元时刻的轨道半长轴和倾角的平根数预报值;
4)计算轨道半长轴和倾角平根数的预报残差;
5)确定空间环境状态;
6)根据空间环境状态,将预报时长、半长轴预报残差、倾角预报残差记录到相应的样本集;
7)若当前目标还有历史轨道数据处理未处理,则m+1,回到步骤3);
8)若目标集中还有目标未处理,则回到步骤2);
9)用最小二乘法拟合空间环境平静期的误差模型系数,并计算相应拟合结果的精度;
10)计算平静期的检测阈值初值;
11)用最小二乘法拟合空间环境扰动期的误差模型系数,并计算相应拟合结果的精度;
12)计算扰动期的检测阈值初值。
步骤(3)获取待检测卫星的一组轨道数据,计算最大预报时长内后续N组轨道历元时刻半长轴和倾角的平根数预报残差,并确定对应空间环境状况;
步骤(4)若所有N组检测变量的残差满足相应空间环境状况下的判据,则判定这组卫星轨道历元与后续第一组轨道历元之间存在变轨行为;跳到过程(7);
步骤(5)若第一组检测变量的残差满足判据,而其他组残差不符合判据条件,则判定后续第一组轨道数据异常,从后续待检轨道数据序列中剔除该组数据,跳到过程(7);
步骤(6)利用误差传播方程,用这N组残差数据进行Kalman滤波,更新对应空间环境状态的误差方程系数和精度,更新检测阈值;
步骤(7)若卫星还有待检轨道数据未处理,则跳到过程(3);反之,则终止检测。
实施例2
本发明的实施例2提出了一种基于轨道和空间环境数据的卫星变轨检测***,所述***基于实施例1的方法实现,具体包括:
训练样本集构建模块,用于从历史数据中获取与待检测卫星轨道高度相近的目标历史轨道数据和空间环境数据,以卫星轨道半长轴和倾角的平根数预报残差为卫星变轨检测变量,分别生成空间环境平静期和扰动期的卫星变轨检测阈值的训练样本集;
卫星变轨检测阈值生成模块,用于基于训练样本集,分别生成空间环境平静期和扰动期的卫星变轨检测阈值,分别包括卫星轨道半长轴和倾角的卫星变轨检测阈值;
检测变量集生成模块,用于根据待检测卫星当前轨道数据,分别计算待检测卫星在后续N组对应历元时刻的半长轴和倾角的平根数预报值,并求出与该卫星实际平根数之差,形成包括N组检测变量的检测变量集;
变轨检测模块,用于根据检测变量集,采用n-σ准则对待检测卫星进行变轨检测,并用无变轨的轨道数据进行阈值更新处理。
检测算例:
表1为天宫一号(TG-1)自2011年9月底发射到2015年5月期间的实际变轨情况,图4是本发明的变轨检测结果,其中横坐标为表1给出的变轨序号,纵坐标为半长轴残差,黑点为检测出的变轨事件,连线中断空白处为未被检测出的变轨事件。在所有45次变轨事件中,成功检测出39次变轨行为,检出率86.7%。天宫一号的轨道数据来源于TLE轨道数据,空间环境数据来源于德国地学中心发布的地磁Kp、Ap指数。
表1 2011年9月到2015年5月期间天宫一号的变轨统计
通过对未检测到的变轨事件进行分析,发现只有一次(对应变轨序号11)是因控制量较小未能有效检出,其他五次未检测到的变轨事件发现是时间接近(小于12小时)的两次连续变轨中的1次,通过检查对应变轨时间前后几组TLE轨道数据,具体未检出原因如下:
(1)一次(对应变轨序号6)因为连续两组TLE轨道根数中包含了两次连续变轨事件,因此只能检出一次变轨;
(2)其他未检出的变轨事件,尽管两次变轨中有数次TLE数据更新,但是中间的TLE轨道根数未能响应变轨带来的轨道变化,而在后续第二次变轨后的TLE轨道根数中综合反映了两次变轨的改变量,即实际的TLE轨道数据未反映第一次变轨,因此无法检测出。
综合上述分析,排除因TLE轨道数据本身未反映变轨事件的情形,这一时间段的天宫一号TLE轨道数据实际只反映了40次变轨事件,因此,本发明对天宫一号变轨的实际检出率可达97.5%。
本发明针对空间态势感知中非合作卫星的变轨检测问题,利用卫星轨道变化特征和卫星轨道机动方式,设计一种基于历史编目轨道数据和空间环境参数的非合作卫星变轨检测方法,提高变轨检测成功率和计算效率。
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 (9)
1.一种基于轨道和空间环境数据的卫星变轨检测方法,所述方法包括:
步骤S1)从历史数据中获取与待检测卫星轨道高度相近的目标历史轨道数据和空间环境数据,以卫星轨道半长轴和倾角的平根数预报残差为卫星变轨检测变量,分别生成空间环境平静期和扰动期的卫星变轨检测阈值的训练样本集;
步骤S2)基于训练样本集,分别生成空间环境平静期和扰动期的卫星变轨检测阈值,分别包括卫星轨道半长轴和倾角的卫星变轨检测阈值;
步骤S3)根据待检测卫星当前轨道数据,分别计算待检测卫星在后续N组对应历元时刻的半长轴和倾角的平根数预报值,并求出与该卫星实际平根数之差,形成包括N组检测变量的检测变量集;
步骤S4)根据检测变量集,采用n-σ准则对待检测卫星进行变轨检测,并用无变轨的轨道数据进行阈值更新处理。
4.根据权利要求2所述的基于轨道和空间环境数据的卫星变轨检测方法,其特征在于,所述S1-3)具体包括:
对于步骤S1-2)获取的各目标的每组轨道数据,利用平根数预报法计算后续最大预报时长内所有轨道数据历元时刻的半长轴平根数预报值和倾角平根数预报值;
由半长轴平根数预报值和倾角平根数预报值,结合后续轨道数据中的半长轴和倾角的平根数实际值,分别计算偏差,得到半长轴的平根数预报残差和倾角的平根数预报残差;
检索预报时段内的地磁Kp指数或Ap指数,若Kp≥5或Ap≥50,则为空间环境扰动期,反之为空间环境平静期;分别构建空间环境平静期和扰动期卫星变轨检测阈值的训练样本集,训练样本集中每一组数据包括预报时长、半长轴和倾角的平根数预报残差。
5.根据权利要求4所述的基于轨道和空间环境数据的卫星变轨检测方法,其特征在于,所述步骤S2)包括:
步骤S2-1)建立误差传播模型:
式中,和分别为当前时刻轨道的半长轴和倾角的平根数预报残差,和分别为初始历元时刻的轨道半长轴和倾角的平根数误差,和分别为轨道半长轴和倾角的平根数误差传播系数,为从初始历元时刻到当前时刻的时长;为半长轴误差传播的噪声,为倾角误差传播的噪声;
7.根据权利要求6所述的基于轨道和空间环境数据的卫星变轨检测方法,其特征在于,所述步骤S4)包括:
步骤S4-1)若检测变量集中所有检测变量均满足相应空间环境状况下的判据,则判定当前组卫星轨道历元与后续第一组轨道历元之间存在变轨行为;转至步骤S4-4);
步骤S4-2)若第一组检测变量满足判据,而后续其他组检测变量不符合判据,则判定后续第一组轨道数据异常,从后续待检轨道数据序列中剔除该组轨道数据;转至步骤S4-4);
步骤S4-3)利用误差传播模型,用这N组预报残差数据进行Kalman滤波,更新对应空间环境状态的误差传播模型的模型系数和精度,更新检测阈值;
步骤S4-4)完成对待检测卫星某组轨道数据的变轨检测。
9.一种基于轨道和空间环境数据的卫星变轨检测***,其特征在于,所述***包括:
训练样本集构建模块,用于从历史数据中获取与待检测卫星轨道高度相近的目标历史轨道数据和空间环境数据,以卫星轨道半长轴和倾角的平根数预报残差为卫星变轨检测变量,分别生成空间环境平静期和扰动期的卫星变轨检测阈值的训练样本集;
卫星变轨检测阈值生成模块,用于基于训练样本集,分别生成空间环境平静期和扰动期的卫星变轨检测阈值,分别包括卫星轨道半长轴和倾角的卫星变轨检测阈值;
检测变量集生成模块,用于根据待检测卫星当前轨道数据,分别计算待检测卫星在后续N组对应历元时刻的半长轴和倾角的平根数预报值,并求出与该卫星实际平根数之差,形成包括N组检测变量的检测变量集;和
变轨检测模块,用于根据检测变量集,采用n-σ准则对待检测卫星进行变轨检测,并用无变轨的轨道数据进行阈值更新处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211359457.2A CN115402539B (zh) | 2022-11-02 | 2022-11-02 | 一种基于轨道和空间环境数据的卫星变轨检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211359457.2A CN115402539B (zh) | 2022-11-02 | 2022-11-02 | 一种基于轨道和空间环境数据的卫星变轨检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115402539A CN115402539A (zh) | 2022-11-29 |
CN115402539B true CN115402539B (zh) | 2023-01-31 |
Family
ID=84169250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211359457.2A Active CN115402539B (zh) | 2022-11-02 | 2022-11-02 | 一种基于轨道和空间环境数据的卫星变轨检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115402539B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110816896A (zh) * | 2019-10-28 | 2020-02-21 | 中国空间技术研究院 | 一种卫星星上简易轨道外推方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5582367A (en) * | 1992-06-02 | 1996-12-10 | Mobile Communications Holdings, Inc. | Elliptical orbit satellite, system, and deployment with controllable coverage characteristics |
US7240879B1 (en) * | 2005-05-06 | 2007-07-10 | United States of America as represented by the Administration of the National Aeronautics and Space Administration | Method and associated apparatus for capturing, servicing and de-orbiting earth satellites using robotics |
CN102591343B (zh) * | 2012-02-09 | 2013-10-16 | 航天东方红卫星有限公司 | 基于两行根数的卫星轨道维持控制方法 |
CN110132261B (zh) * | 2018-11-16 | 2023-03-14 | 中国西安卫星测控中心 | 一种基于数值拟合的高精度星上轨道预报方法 |
CN109582029A (zh) * | 2018-12-28 | 2019-04-05 | 西安四方星途测控技术有限公司 | 一种通过tle数据确定geo卫星轨道状态的方法 |
CN114547860B (zh) * | 2022-01-18 | 2022-09-27 | 宁波天巡科技有限公司 | 一种基于敏捷筛选策略的空间目标碰撞预警方法 |
CN114742167A (zh) * | 2022-04-15 | 2022-07-12 | 北京邮电大学 | 一种基于机动行为识别的空间非合作目标运动概率预测方法 |
CN115098828B (zh) * | 2022-08-26 | 2022-11-04 | 北京控制工程研究所 | 近圆中低轨卫星轨道的计算方法和装置 |
-
2022
- 2022-11-02 CN CN202211359457.2A patent/CN115402539B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110816896A (zh) * | 2019-10-28 | 2020-02-21 | 中国空间技术研究院 | 一种卫星星上简易轨道外推方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115402539A (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104406605B (zh) | 机载多导航源综合导航仿真*** | |
US6295021B1 (en) | Techniques for monitoring and controlling yaw attitude of a GPS satellite | |
CN111551183B (zh) | 基于天基光学观测数据的geo目标多点择优短弧定轨方法 | |
CN112414413B (zh) | 一种基于相对角动量的仅测角机动检测及跟踪方法 | |
CN111428369A (zh) | 一种空间目标碰撞预警结果置信度计算方法 | |
Han et al. | Quadratic-Kalman-filter-based sensor fault detection approach for unmanned aerial vehicles | |
Roberts et al. | Satellite repositioning maneuver detection in geosynchronous orbit using two–line element (TLE) data | |
CN115402539B (zh) | 一种基于轨道和空间环境数据的卫星变轨检测方法及*** | |
Woffinden et al. | Optimized Trajectory Correction Burn Placement for the NASA Artemis II Mission | |
CN111412919A (zh) | 一种空间目标的初始轨道误差计算方法及装置 | |
CN114180103B (zh) | 一种基于空间环境变化的大气摄动参数动态修正方法 | |
CN113776527B (zh) | 一种民航飞机全时空的组合导航***和导航方法 | |
Leleux et al. | Probability-based space shuttle collision avoidance | |
CN111547274A (zh) | 一种航天器高精度自主目标预报方法 | |
Kirschner et al. | Orbit precision analysis of small man-made space objects in LEO based on radar tracking measurements | |
Caglayan et al. | A fault tolerant system for an integrated avionics sensor configuration | |
Stoneking | A Robust Star Acquisition Algorithm for the Wide-Field Infrared Explorer | |
Mora et al. | Mimo control for 6dof relative motion | |
CN115113638A (zh) | 一种燃料最优主动漂移三维成像轨道控制方法 | |
KES et al. | Performance of the Telesat real-time state estimator | |
Gruber et al. | Rethinking the National Approach to Launch Timing Decisions | |
CN116663407A (zh) | 一种基于神经网络的航天器相对运动构形识别***及方法 | |
Orlando et al. | Analysis of an autonomous orbit control concept using GPS | |
Douglas et al. | On-Orbit Stationkeeping with Ion Thrusters Telesat Canada's BSS702 Experience | |
Andrișan et al. | SST analysis tool (SSTAN) supporting space surveillance and tracking (SST) services assessment |
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 |