CN117725506A - 一种再入飞行器威胁度计算方法 - Google Patents
一种再入飞行器威胁度计算方法 Download PDFInfo
- Publication number
- CN117725506A CN117725506A CN202311726433.0A CN202311726433A CN117725506A CN 117725506 A CN117725506 A CN 117725506A CN 202311726433 A CN202311726433 A CN 202311726433A CN 117725506 A CN117725506 A CN 117725506A
- Authority
- CN
- China
- Prior art keywords
- reentry vehicle
- optimal
- value
- threat
- reentry
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000033001 locomotion Effects 0.000 claims abstract description 52
- 238000013210 evaluation model Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 230000001133 acceleration Effects 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Navigation (AREA)
Abstract
本发明提供了一种再入飞行器威胁度计算方法,包括:选择所需监测的再入飞行器,并确定所述再入飞行器所有飞行方向的初始速度和初始位置;利用历史数据库确定每个所述飞行方向的最佳轨迹,每个所述最佳轨迹均对应有最佳位置;通过所有所述最佳位置确定最优位置并确定最优值;根据时间更新所有方向上所述再入飞行器的更新速度和更新位置;根据所述最佳位置、最优值、所述初始速度建立空间运动模型;建立所述再入飞行器的威胁值评估模型,并基于所述空间运动模型和所述威胁值评估模型得出再入飞行器的威胁度数值。本发明能够快速判断再入飞行器掉落威胁度,且整个计算过程简化,效率得到极大提升。
Description
技术领域
本发明涉及航天飞行器轨道预测技术领域,具体而言,涉及一种一种再入飞行器威胁度计算方法。
背景技术
飞行器在空中的运行路线称之为轨道,航天工作人员在对己方飞行器进行操控的同时,为了避免其他再入的飞行器与己方飞行器发生碰撞,需要对其他再入的飞行器威胁度进行计算。对其他再入的飞行器威胁度计算通常采用摄动力模型,其低阶分析解的的预测精度较低,其高阶分析解的过程又十分繁琐;不利于航天工作人员快速且准确地掌握其他再入飞行器的飞行轨道。
发明内容
为解决现有存在的技术问题,本发明实施例提供一种再入飞行器威胁度计算方法,所述方法包括:
选择所需监测的再入飞行器,并确定所述再入飞行器所有飞行方向的初始速度和初始位置;
利用历史数据库确定每个所述飞行方向的最佳轨迹,每个所述最佳轨迹均对应有最佳位置;
通过所有所述最佳位置确定最优位置并确定最优值;
根据时间更新并得到所有方向上所述再入飞行器的更新速度和更新位置;
根据所述最佳位置、最优值、所述初始速度、初始位置、所述更新速度和所述更新位置建立空间运动模型;
建立所述再入飞行器的威胁值评估模型,并基于所述空间运动模型和所述威胁值评估模型得出再入飞行器的威胁度数值。
本申请上述第一方面提供的方案中,通过确定需要监测的再入飞行器获取再入飞行器的初始速度和初始位置,通过历史数据库确定再入飞行器在每个飞行方向的最佳轨迹以及每个最佳轨迹对应的最佳位置,利用最佳位置确定最优值,更新时间再次获取再入飞行器的更新速度和更新位置,根据最优值、初始速度和最佳位置构建空间运动模型;基于再入飞行器构建威胁值评估模型,根据威胁值评估模型与空间运动模型确定再入飞行器的威胁值确定再入飞行器的威胁度;与相关技术中通过半解析法相比,只需通过再入飞行器构建空间运动模型和威胁值评估模型,通过这两个模型即可判断再入飞行器对地面的威胁度。能够快速判断再入飞行器掉落威胁度,且整个计算过程简化,效率得到极大提升。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或背景技术中的技术方案,下面将对本发明实施例或背景技术中所需要使用的附图进行说明。
图1示出了本发明实施例所提供的再入飞行器威胁度计算方法的流程图;
图2示出了本发明实施例所提供的再入飞行器威胁度计算***的各模块连接示意图;
图3示出了本发明实施例所提供的一种用于执行再入飞行器威胁度计算方法的电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。为了使本技术领域的技术人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。
轨道是各类飞行器运行的路线,是航天技术研究中不可或缺的要素。航天工作人员在操纵己方飞行器遵循自我运行轨道的同时,必须具有预知、感测其它飞行器运行轨道的能力,才能保证己方航迹上的作业安全并能及时避免发生碰撞事故。因此,对于再入飞行器威胁度合理的计算方法是航天应用研究不可或缺的要素。
但再入飞行器威胁度计算通常采用摄动力模型,其低阶分析解的的预测精度较低,其高阶分析解的过程又十分繁琐;不利于航天工作人员快速且准确地掌握其他再入飞行器的飞行轨道。
基于此,本发明实施例给出了以下实施例1至实施例3来解决上述问题。
实施例1
本实施例提出的再入飞行器威胁度计算方法的执行主体是服务器。
参见图1所示的再入飞行器威胁度计算方法的流程图,本实施例提供了一种再入飞行器威胁度计算方法,该包括以下具体步骤:
步骤100:选择所需监测的再入飞行器,并确定所述再入飞行器所有飞行方向的初始速度和初始位置。
在上述步骤100中,再入飞行器是指位于太空中的物体,因为特殊因素导致飞行器进入大气层,上述特定因素可以是主观销毁并产生的火箭残骸,可以是不可抗力因素导致的失效卫星,也可以是试验中的导弹等,因此,不可将再入飞行器单纯的理解为卫星。初始速度是指监测开始时再入飞行器的运行速度,可以由在轨运行正常的卫星进行监测并测算。初始位置是指再入飞行器所对应的坐标,上述坐标可由地球的经纬线提供。通过再入飞行器的轨道高度、载荷配准以及运行周期可实现再入飞行器所有可能方向上的初始速度与初始位置的确定。
其中,利用轨道高度、载荷配准以及运行周期确定物体的速度与位置为本领域公知常识,因此不再重复阐述。
步骤101:利用历史数据库确定每个所述飞行方向的最佳轨迹,每个所述最佳轨迹均对应有最佳位置,通过所有所述最佳位置确定最优位置并确定最优值。
在上述步骤101中,再入飞行器在进入大气层的过程中,会存在多个飞行方向,但根据再入飞行器自身参数的不同和所处的大气环境不同,会导致再入飞行器在进入大气层的过程中出现多个方向中每个方向的最佳轨迹,最佳轨迹可以理解为再入飞行器可能经过的飞行路线,每个最佳轨迹中又存在一个再入飞行器即将到达的最佳位置。但再入飞行器最后只能朝向一个方向飞行,则最后只会存在一个最佳位置。其中,最优值是指再入飞行器最佳位置的坐标点,坐标点为三维坐标,包括x轴、y轴和z轴。由在轨正常使用卫星提供再入飞行器的x轴与y轴,由地面站和在轨正常卫星配合并提供再入飞行器的z轴(距地表高度)。
其中,上述的最佳位置属于预测值,此时再入飞行器还未到达最佳位置,而最佳位置由步骤101中的历史数据库所提供。历史数据库是指在历史时间中与再入飞行器相同型号或系列的飞行器进入大气层中所经过的轨迹与位置,由飞行器制造商或专业遥测机构实时监测飞行器进入大气层并记录下来当做历史数据库。
历史数据库,存储有各种再入飞行器的型号与最佳位置的对应关系。
最佳位置是利用再入飞行器的型号,从历史数据库中再入飞行器的对应的最佳位置。
步骤102:根据时间更新并得到所有方向上所述再入飞行器的更新速度和更新位置。
在上述步骤102中,更新时间后的更新速度可以理解为第二时间下的飞行速度,上述步骤100中的初始速度可以理解为第一时间下的飞行速度。
特别地,更新时间是指初始时间之后的任意时刻,可以比初始时间多一秒,也可以比初始时间多一分钟等,需根据具体需求自行确定更新速度所处的时间,因此,不对第二时间做具体限定。同理,更新时间后的更新位置可以理解为第二时间再入飞行器所经过的位置坐标点。
需注意,在步骤101中是预测再入飞行器的最佳位置,所以调用的是历史数据库,但步骤102中的更新位置坐标点是再入飞行器本身的真实坐标。
步骤103:根据所述最佳位置、最优值、所述初始速度、初始位置、所述更新速度和所述更新位置建立空间运动模型。
在上述步骤103中,通过最佳位置、最优值、初始速度、初始位置、更新速度和更新位置可以构建空间运动模型,空间运动模型可得到t+1时刻再入飞行器的运动速度和t时刻下再入飞行器的位置,空间运动模型满足以下公式:
Vid(t+1)=ws*Vid(t)+c1*r1*[(pid(t)-xid(t))]+c2*r2*[(ggd(t)-xid(t))];
xid(t+1)=xid(t)+Vid(t+1),1≤d≤14;
其中,d表示再入飞行器所处的空间维度,ws表示惯性因子,i表示再入飞行器的运动方向,c1表示第一加速常数,c2表示第二加速常数,t表示初始时刻,xid(t)表示初始位置,Vid(t+1)表示t+1时刻所述再入飞行器在运动方向i的运动速度,r1和r2表示0到1之间的均匀随机数,pid(t)表示t时刻再入飞行器在运动方向i的最佳位置的最优值,Vid(t)表示t时刻再入飞行器的初始速度,xid(t)表示t时刻再入飞行器的位置,xid(t+1)表示t+1时刻再入飞行器的位置,ggd(t)表示再入飞行器在t时刻时所有运动方向上的最佳位置。
在本实施例中,通过空间运动模型求出的Vid(t+1)和xid(t+1)后,即可得到再入飞行器的下落的速度与位置,再通过威胁值即可得到再入飞行器的威胁度。
在一个实施方式中,空间运动模型的惯性因子,满足:
其中,wmax表示再入飞行器沿运动方向惯性因子的最大值,wg表示再入飞行器沿运动方向的基础惯性,Ni表示当前迭代次数,Nimax表示最大迭代次数。
空间运动模型中的第一加速常数和所述第二加速常数,满足:
其中,c1min表示平衡运动方向自身极值的加速权值因子的最小值,c1max表示平衡运动方向自身极值的加速权值因子的最大值,c2min表示平衡运动方向全局极值的加速权值因子的最小值,c2max表示平衡运动方向全局极值的加速权值因子的最大值,Nimax表示最大迭代次数,Ni表示当前迭代次数。
步骤104:建立所述再入飞行器的威胁值评估模型,并基于所述空间运动模型和所述威胁值评估模型得出再入飞行器的威胁度数值。
在上述步骤104中,构建威胁值评估模型,以威胁值评估模型中的参数θ的先验概率服从狄利克雷(Dirichlet)分布,后验概率为:
其中,P(D∣G)为威胁值评估模型的后验概率,I表示第I个变量,n表示变量的总数,qI表示贝叶斯网络的节点总数,J表示贝叶斯网络中的节点。特别地,上述αIJ=∑kαIJk,其中,k表示节点J的父节点,rk表示节点J的父节点数目。上述其中,αIJk表示数据集中满足条件的个体元素,NIJk表示数据集中满足条件的实例数。
上述贝叶斯统计评分,满足:
其中,logP(D∣G)表示威胁值评估的贝叶斯统计评分,相同的网络结构,参数不同威胁值评估的准确度也会不同。为了更准确地评估不确定时间的威胁值本实施例对威胁值评估网络参数进行了优化。优化算法的思想为在威胁度评估网络结构和水下环境观测数据确定的情况下,利用贝叶斯推理计算缺失数据出现的概率,利用期望充分统计因子完备缺失数据集,重新估计当前模型的最优参数。
设为参数θ的当前估计,/>为基于/>修补得到的完整数据;设θ基于/>的对数似然函数为:
其中,表示权重;/>中的XI表示所有方向上的更新位置(与步骤2中更新位置相同);xi表示目标方向上的位置,特别地,上述目标方向是指所有方向中特定的某个方向,但只能为一个方向;
当时,设/> 表示空集且进行了t1次迭代,计算期望对数似然函数Q(θ∣θt1)以及Q(θ∣θt1)达到最大的θ的取值,其中θt+1=argsup Q(θ∣θt+1)。
设基于地面目标观测数据样本XI=xi,Di的特征函数为:
其中,XI=k且π(XI)=J,π(XI)为父节点取值,由上可以简化得到:
上式简化可得:
因此,当θ取以下值时,即:
Q(θ∣θt)达到最大,威胁度评估的贝叶斯统计评分有最优参数解,需注意,上述最优参数解实际为威胁值模型最终输出的威胁度。特别地,威胁值是指再入飞行器掉落的概率,而只知道掉落概率不知道掉落的位置,不具有实际意义。反之,只知道掉落位置,但不知道掉落概率也不具备实际意义。因此,只有同时既知道掉落概率和掉落位置才能提前进行防范。因此,得到上述威胁度后将之与t+1时刻再入飞行器的位置相结合即可判断出最终的再入飞行器威胁度。特别地,利用威胁值与再入飞行器下落位置确定再入飞行器的威胁度属于本领域公知常识,因此,不再对其原理进行重复阐述。
特别地,上述威胁值评估模型并不是指单独的某个计算公式,而是指后验概率、贝叶斯统计评分和似然函数三者的统称,称之为威胁值评估模型。
综上所述,本发明实施例提出的一种再入飞行器威胁度计算方法,通过确定需要监测的再入飞行器获取再入飞行器的初始速度和初始位置,通过历史数据库确定再入飞行器在每个飞行方向的最佳轨迹以及每个最佳轨迹对应的最佳位置,利用最佳位置确定最优值,更新时间再次获取再入飞行器的更新速度和更新位置,根据最优值、初始速度和最佳位置构建空间运动模型;基于再入飞行器构建威胁值评估模型,根据威胁值评估模型与空间运动模型确定再入飞行器的威胁值确定再入飞行器的威胁度;与相关技术中通过半解析法相比,只需通过再入飞行器构建空间运动模型和威胁值评估模型,通过这两个模型即可判断再入飞行器对地面的威胁度。能够快速判断再入飞行器掉落威胁度,且整个计算过程简化,效率得到极大提升。
实施例2
参见图2所示的再入飞行器威胁度计算***的各模块连接示意图,本实施例还提出了一种再入飞行器威胁度计算***,所述***应用于上述实施例再入飞行器威胁度计算方法,该***包括:
选择模块:选择所需监测的再入飞行器,并确定所述再入飞行器所有飞行方向的初始速度和初始位置。
确定模块:利用历史数据库确定每个所述飞行方向的最佳轨迹,每个所述最佳轨迹均对应有最佳位置;通过所有所述最佳位置确定最优位置并确定最优值。
处理模块:根据时间更新并得到所有方向上所述再入飞行器的更新速度和更新位置。
空间运动模块:根据所述最佳位置、最优值、所述初始速度、初始位置、所述更新速度和所述更新位置建立空间运动模型。
威胁值模块:建立所述再入飞行器的威胁值评估模型,并基于所述空间运动模型和所述威胁值评估模型得出再入飞行器的威胁度数值。
综上所述,本发明实施例提出的一种再入飞行器威胁度计算***,通过确定需要监测的再入飞行器获取再入飞行器的初始速度和初始位置,通过历史数据库确定再入飞行器在每个飞行方向的最佳轨迹以及每个最佳轨迹对应的最佳位置,利用最佳位置确定最优值,更新时间再次获取再入飞行器的更新速度和更新位置,根据最优值、初始速度和最佳位置构建空间运动模型;基于再入飞行器构建威胁值评估模型,根据威胁值评估模型与空间运动模型确定再入飞行器的威胁值确定再入飞行器的威胁度;与相关技术中通过半解析法相比,只需通过再入飞行器构建空间运动模型和威胁值评估模型,通过这两个模型即可判断再入飞行器对地面的威胁度。能够快速判断再入飞行器掉落威胁度,且整个计算过程简化,效率得到极大提升。
实施例3
本实施例提出一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述实施例1描述的加速参数辨识方法的步骤。具体实现可参见方法实施例1,在此不再赘述。
此外,参见图3所示的一种电子设备的结构示意图,本实施例还提出一种电子设备,上述电子设备包括总线300、处理器301、收发器302、总线接口303、存储器304和用户接口305。上述电子设备包括有存储器304。
本实施例中,上述电子设备还包括:存储在存储器304上并可在处理器301上运行的一个或者一个以上的程序,经配置以由上述处理器执行上述一个或者一个以上程序用于进行以下步骤(1)至步骤(5):
(1)选择所需监测的再入飞行器,并确定所述再入飞行器所有飞行方向的初始速度和初始位置。
(2)利用历史数据库确定每个所述飞行方向的最佳轨迹,每个所述最佳轨迹均对应有最佳位置;通过所有所述最佳位置确定最优位置并确定最优值。
(3)根据时间更新并得到所有方向上所述再入飞行器的更新速度和更新位置。
(4)根据所述最佳位置、最优值、所述初始速度、初始位置、所述更新速度和所述更新位置建立空间运动模型。
(5)建立所述再入飞行器的威胁值评估模型,并基于所述空间运动模型和所述威胁值评估模型得出再入飞行器的威胁度数值。
收发器302,用于在处理器301的控制下接收和发送数据。
其中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器301代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本实施例不再对其进行进一步描述。总线接口303在总线300和收发器302之间提供接口。收发器302可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器302从其他设备接收外部数据。收发器302用于将处理器301处理后的数据发送给其他设备。取决于计算***的性质,还可以提供用户接口305,例如小键盘、显示器、扬声器、麦克风、操纵杆。
处理器301负责管理总线300和通常的处理,如前述上述运行通用操作***3041。而存储器304可以被用于存储处理器301在执行操作时所使用的数据。
可选的,处理器301可以是但不限于:中央处理器、单片机、微处理器或者可编程逻辑器件。
可以理解,本申请实施例中的存储器304可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DRRAM)。本实施例描述的***和方法的存储器304旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中,存储器304存储了如下的元素,可执行模块或者数据结构,或者它们的子集,或者它们的扩展集:操作***3041和应用程序3042。
其中,操作***3041,包含各种***程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序3042,包含各种应用程序,例如媒体播放器(Media Player)、浏览器(Browser)等,用于实现各种应用业务。实现本申请实施例方法的程序可以包含在应用程序3042中。
以上所述,仅为本发明实施例的具体实施方式,但本发明实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明实施例披露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明实施例的保护范围之内。因此,本发明实施例的保护范围应以权利要求的保护范围为准。
Claims (4)
1.一种再入飞行器威胁度计算方法,其特征在于,包括:
选择所需监测的再入飞行器,并确定所述再入飞行器所有飞行方向的初始速度和初始位置;
利用历史数据库确定每个所述飞行方向的最佳轨迹,每个所述最佳轨迹均对应有最佳位置;
通过所有所述最佳位置确定最优位置并确定最优值;
根据时间更新并得到所有方向上所述再入飞行器的更新速度和更新位置;
根据所述最佳位置、最优值、所述初始速度、初始位置、所述更新速度和所述更新位置建立空间运动模型;
建立所述再入飞行器的威胁值评估模型,并基于所述空间运动模型和所述威胁值评估模型得出再入飞行器的威胁度数值。
2.根据权利要求1所述的再入飞行器威胁度计算方法,其特征在于,所述空间运动模型,满足以下公式:
Vid(t+1)=ws*Vid(t)+c1*r1*[(pid(t)-xid(t))]+c2*r2*[(ggd(t)-xid(t))];
xid(t+1)=xid(t)+Vid(t+1),1≤d≤14;
其中,d表示再入飞行器所处的空间维度,ws表示惯性因子,i表示再入飞行器的运动方向,c1表示第一加速常数,c2表示第二加速常数,t表示初始时刻,xid(t)表示初始位置,Vid(t+1)表示t+1时刻所述再入飞行器在运动方向i的运动速度,r1和r2表示0到1之间的均匀随机数,pid(t)表示t时刻再入飞行器在运动方向i的最佳位置的最优值,Vid(t)表示t时刻再入飞行器的初始速度,xid(t)表示t时刻再入飞行器的位置,xid(t+1)表示t+1时刻再入飞行器的位置,ggd(t)表示再入飞行器在t时刻时所有运动方向上的最佳位置。
3.根据权利要求2所述的再入飞行器威胁度计算方法,其特征在于,所述惯性因子满足:
其中,wmax表示再入飞行器沿运动方向惯性因子的最大值,wg表示再入飞行器沿运动方向的基础惯性,Ni表示当前迭代次数,Nimax表示最大迭代次数。
4.根据权利要求2所述的再入飞行器威胁度计算方法,其特征在于,所述第一加速常数和所述第二加速常数,满足:
其中,c1min表示平衡运动方向自身极值的加速权值因子的最小值,c1max表示平衡运动方向自身极值的加速权值因子的最大值,c2min表示平衡运动方向全局极值的加速权值因子的最小值,c2max表示平衡运动方向全局极值的加速权值因子的最大值,Nimax表示最大迭代次数,Ni表示当前迭代次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311726433.0A CN117725506A (zh) | 2023-12-15 | 2023-12-15 | 一种再入飞行器威胁度计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311726433.0A CN117725506A (zh) | 2023-12-15 | 2023-12-15 | 一种再入飞行器威胁度计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117725506A true CN117725506A (zh) | 2024-03-19 |
Family
ID=90208268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311726433.0A Pending CN117725506A (zh) | 2023-12-15 | 2023-12-15 | 一种再入飞行器威胁度计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117725506A (zh) |
-
2023
- 2023-12-15 CN CN202311726433.0A patent/CN117725506A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7066546B2 (ja) | 航空機を自律的に操縦する方法及びシステム | |
US10048686B2 (en) | Methods and apparatus to autonomously navigate a vehicle by selecting sensors from which to obtain measurements for navigation | |
Chen et al. | A hybrid prediction method for bridging GPS outages in high-precision POS application | |
EP3848730A1 (en) | Positioning method, apparatus and device, and computer-readable storage medium | |
Corbetta et al. | Real-time uav trajectory prediction for safety monitoring in low-altitude airspace | |
CN101438184B (zh) | 一种跟踪移动电子设备的状态的方法 | |
Ancel et al. | In-time non-participant casualty risk assessment to support onboard decision making for autonomous unmanned aircraft | |
Rahimi et al. | Fault isolation of reaction wheels for satellite attitude control | |
EP4220086A1 (en) | Combined navigation system initialization method and apparatus, medium, and electronic device | |
CN109901387B (zh) | 一种航空器自动近地防撞***自适应飞行轨迹预测方法 | |
Chai et al. | Fast generation of chance-constrained flight trajectory for unmanned vehicles | |
CN118139785A (zh) | 卫星操作和卫星状态数据处理 | |
Quinones-Grueiro et al. | Online decision making and path planning framework for safe operation of unmanned aerial vehicles in urban scenarios | |
Jingsen et al. | Integrating extreme learning machine with Kalman filter to bridge GPS outages | |
Mishra et al. | Efficient verification and validation of performance-based safety requirements using subset simulation | |
Baheri et al. | A verification framework for certifying learning-based safety-critical aviation systems | |
CN117725506A (zh) | 一种再入飞行器威胁度计算方法 | |
Gutierrez et al. | Development of a Simulation Environment for Validation and Verification of Small UAS Operations | |
Zhao et al. | Fuzzy health degree-based dynamic performance evaluation of quadrotors in the presence of actuator and sensor faults | |
US20220107628A1 (en) | Systems and methods for distributed hierarchical control in multi-agent adversarial environments | |
US20220375356A1 (en) | System, device and method for measuring atmospheric conditions | |
Blanke et al. | Structural analysis—a case study of the Rømer satellite | |
Dai et al. | Unmanned ground vehicle‐unmanned aerial vehicle relative navigation robust adaptive localization algorithm | |
Huang et al. | Bayesian Real-Time System Identification: From Centralized to Distributed Approach | |
CN116057599A (zh) | 用于在三维空间中确定运输工具与物体的碰撞概率的方法和装置 |
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 |