本發(fā)明涉及航天器軌道領(lǐng)域，尤其是涉及一種航天器軌道預(yù)報(bào)的神經(jīng)網(wǎng)絡(luò)方法。

背景技術(shù)：

1、隨著航天活動(dòng)的日趨頻繁，在軌衛(wèi)星數(shù)量越來越多，特別是美國在軌偵察衛(wèi)星多達(dá)數(shù)十顆，可對我海上艦船目標(biāo)進(jìn)行大范圍、全天候、高時(shí)效的偵查探測和海洋監(jiān)視，為有效規(guī)避其偵察監(jiān)視或?qū)ζ鋵?shí)施干擾抗擊，對其衛(wèi)星軌道進(jìn)行預(yù)測十分必要。軌道衛(wèi)星任務(wù)蓬勃發(fā)展，其中低軌衛(wèi)星具有幾何觀測構(gòu)型變化快、信號強(qiáng)度高等特點(diǎn)。一方面集中在tle初值，另一方面集中在對各攝動(dòng)力模型優(yōu)化。盡管傳統(tǒng)方法相對成熟，但是衛(wèi)星軌道預(yù)測模型仍存在一定局限性、預(yù)報(bào)精度還有待提高。在現(xiàn)有的方法中，存在難以平衡精度與數(shù)據(jù)集大小之間的關(guān)系，難以平衡計(jì)算效率和準(zhǔn)確性之間的關(guān)系的問題。數(shù)據(jù)集龐大時(shí)，準(zhǔn)確性高，但是計(jì)算效率低，數(shù)據(jù)集小時(shí)，計(jì)算效率高，但是準(zhǔn)確性低。同時(shí)也存在著預(yù)測tle初值的軌道預(yù)報(bào)誤差精度低的問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種航天器軌道預(yù)報(bào)的神經(jīng)網(wǎng)絡(luò)方法，解決了航天器軌道預(yù)報(bào)中，精度和數(shù)據(jù)量之間的平衡問題，提高了常用的軌道預(yù)報(bào)物理模型sgp4的精度，同時(shí)也解決了航天器軌道間接預(yù)報(bào)tle初值的精度問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種航天器軌道預(yù)報(bào)的神經(jīng)網(wǎng)絡(luò)方法,包括以下步驟，

3、s1，使用cnn-seblock-lstm模型和反饋神經(jīng)網(wǎng)絡(luò)模型對tle初值進(jìn)行預(yù)測，在這個(gè)過程中cnn-seblock-lstm模型的激活函數(shù)為relu函數(shù)和sigmoid函數(shù)，反饋神經(jīng)網(wǎng)絡(luò)模型的激活函數(shù)為tanh函數(shù)和linar函數(shù)對tle初值進(jìn)行預(yù)測；

4、s2，使用cnn-seblock-lstm模型提高軌道預(yù)報(bào)sgp4模型的精度，在這個(gè)過程中cnn-seblock-lstm模型的激活函數(shù)為leakyrelu函數(shù)和tanh函數(shù)；

5、s3，將s1中的預(yù)測值與真實(shí)值做對比，評估對tle初值預(yù)測的準(zhǔn)確性；

6、s4，將s2中的修正后的模型與真實(shí)值作對比，評估對軌道預(yù)報(bào)sgp4模型的精度的提升程度。

7、優(yōu)選的，s1中，tle初值包括軌道傾角、升交點(diǎn)赤經(jīng)、近地點(diǎn)幅角、離心率、平均運(yùn)動(dòng)、平近點(diǎn)角以及時(shí)間，其中，cnn-seblock-lstm模型用于預(yù)測軌道傾角、離心率、平均運(yùn)動(dòng)以及平近點(diǎn)角，反饋神經(jīng)網(wǎng)絡(luò)模型用于預(yù)測升交點(diǎn)赤經(jīng)、近地點(diǎn)幅角。

8、優(yōu)選的，s1中，得到預(yù)測值的過程為：

9、s11，將一組歷史數(shù)據(jù)的tle初值輸入cnn-seblock-lstm模型，歸一化處理后，各個(gè)特征在[0，1]范圍內(nèi)；

10、s12，卷積網(wǎng)絡(luò)和全連接層激活relu、sigmoid函數(shù)對tle初值的重要信息和權(quán)重進(jìn)行提??；

11、s13，使用注意力機(jī)制將數(shù)據(jù)信息按不同權(quán)重加權(quán)輸出；

12、s14，長短期記憶層對處理好的數(shù)據(jù)中的時(shí)間關(guān)系進(jìn)行捕捉，而后對數(shù)據(jù)進(jìn)行回歸預(yù)測，輸出軌道傾角、離心率、平均運(yùn)動(dòng)以及平近點(diǎn)角的預(yù)測值；

13、s15，將時(shí)間輸入反饋神經(jīng)網(wǎng)絡(luò)模型，反饋神經(jīng)網(wǎng)絡(luò)模型輸出升交點(diǎn)赤經(jīng)、近地點(diǎn)幅角的預(yù)測值；

14、s1中，cnn-seblock-lstm模型的超參數(shù)為：迭代次數(shù)為1000、初始學(xué)習(xí)率為0.01、學(xué)習(xí)率下降因子為0.9、學(xué)習(xí)率下降周期為10、最小批量為141組，每一輪將數(shù)據(jù)打亂訓(xùn)練。

15、優(yōu)選的，反饋神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)處理過程為：將時(shí)間t數(shù)據(jù)輸入到輸入層，輸入層將數(shù)據(jù)輸送到全連接層一進(jìn)行加權(quán)，而后在全連接層一中激活tanh函數(shù)對數(shù)據(jù)進(jìn)行處理，處理完成后的數(shù)據(jù)從全連接層一中輸送到全連接層二中進(jìn)行加權(quán)，而后在全連接層二中激活linar函數(shù)對數(shù)據(jù)進(jìn)行二次處理，二次處理完成后的數(shù)據(jù)從全連接層二中輸送到輸出層，輸出層輸出升交點(diǎn)赤經(jīng)、近地點(diǎn)幅角的預(yù)測值。

16、優(yōu)選的，s2中cnn-seblock-lstm模型使用過程為：

17、s21，對輸入值進(jìn)行整理和歸一化，各個(gè)特征的范圍在[-1，1]范圍內(nèi)；

18、s22，卷積網(wǎng)絡(luò)和全連接層激活leakyrelu、tanh函數(shù)，提取數(shù)據(jù)中的局部規(guī)律和特征；

19、s23，使用注意力機(jī)制為模型提供對關(guān)鍵信息的聚焦，對不同特征的影響進(jìn)行動(dòng)態(tài)調(diào)整；

20、s2中，cnn-seblock-lstm模型的超參數(shù)為：初始學(xué)習(xí)率為0.01、最小批量為200組、最大迭代次數(shù)為100，學(xué)習(xí)率10輪下降一次，下降因子為0.8，每一輪訓(xùn)練將序列打亂，使用自適應(yīng)矩估計(jì)模型作為優(yōu)化器。

21、優(yōu)選的，s3中的評估標(biāo)準(zhǔn)為：

22、模型的評估系數(shù)計(jì)算如下，

23、；

24、均方根誤差計(jì)算如下，

25、；

26、其中，a代表軌道傾角、升交點(diǎn)赤經(jīng)、近地點(diǎn)幅角、離心率、平均運(yùn)動(dòng)、平近點(diǎn)角中的一項(xiàng)，n為樣本總數(shù)，真實(shí)值，為模型預(yù)測值。

27、優(yōu)選的，s4中的評估標(biāo)準(zhǔn)為：

28、引入真實(shí)值進(jìn)行監(jiān)督，

29、；

30、其中，表示真實(shí)誤差，為、、，分別表示位置的三個(gè)分量；這個(gè)是時(shí)刻的真實(shí)測量值，是時(shí)刻sgp4軌道預(yù)報(bào)模型所預(yù)報(bào)的值；

31、而后以模型的評估系數(shù)和性能指標(biāo)對軌道預(yù)報(bào)sgp4模型預(yù)測結(jié)果的精準(zhǔn)度提升程度進(jìn)行評估，其中評估系數(shù)計(jì)算如下：

32、；

33、；

34、性能指標(biāo)計(jì)算如下：

35、；

36、其中，表示殘差，表示神經(jīng)網(wǎng)絡(luò)預(yù)測的誤差。

37、因此，本發(fā)明采用上述一種航天器軌道預(yù)報(bào)的神經(jīng)網(wǎng)絡(luò)方法，具有以下優(yōu)點(diǎn)：

38、(1)提高了常用的軌道預(yù)報(bào)物理模型sgp4的精度。

39、(2)平衡了數(shù)據(jù)量和精度的關(guān)系，在保證準(zhǔn)確性的同時(shí)，擁有更快的計(jì)算效率。

40、(3)可以高精度的預(yù)測tle初值，從而更加精確的間接預(yù)測軌道。

41、下面通過附圖和實(shí)施例，對本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。

技術(shù)特征：

1.一種航天器軌道預(yù)報(bào)的神經(jīng)網(wǎng)絡(luò)方法，其特征在于：包括以下步驟，

2.根據(jù)權(quán)利要求1所述的一種航天器軌道預(yù)報(bào)的神經(jīng)網(wǎng)絡(luò)方法，其特征在于：s1中，tle初值包括軌道傾角、升交點(diǎn)赤經(jīng)、近地點(diǎn)幅角、離心率、平均運(yùn)動(dòng)、平近點(diǎn)角以及時(shí)間，其中，cnn-seblock-lstm模型用于預(yù)測軌道傾角、離心率、平均運(yùn)動(dòng)以及平近點(diǎn)角，反饋神經(jīng)網(wǎng)絡(luò)模型用于預(yù)測升交點(diǎn)赤經(jīng)、近地點(diǎn)幅角。

3.根據(jù)權(quán)利要求2所述的一種航天器軌道預(yù)報(bào)的神經(jīng)網(wǎng)絡(luò)方法，其特征在于：s1中，得到預(yù)測值的過程為：

4.根據(jù)權(quán)利要求3所述的一種航天器軌道預(yù)報(bào)的神經(jīng)網(wǎng)絡(luò)方法，其特征在于，反饋神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)處理過程為：將時(shí)間t數(shù)據(jù)輸入到輸入層，輸入層將數(shù)據(jù)輸送到全連接層一進(jìn)行加權(quán)，而后在全連接層一中激活tanh函數(shù)對數(shù)據(jù)進(jìn)行處理，處理完成后的數(shù)據(jù)從全連接層一中輸送到全連接層二中進(jìn)行加權(quán)，而后在全連接層二中激活linar函數(shù)對數(shù)據(jù)進(jìn)行二次處理，二次處理完成后的數(shù)據(jù)從全連接層二中輸送到輸出層，輸出層輸出升交點(diǎn)赤經(jīng)、近地點(diǎn)幅角的預(yù)測值。

5.根據(jù)權(quán)利要求1所述的一種航天器軌道預(yù)報(bào)的神經(jīng)網(wǎng)絡(luò)方法，其特征在于：s2中cnn-seblock-lstm模型使用過程為：

6.根據(jù)權(quán)利要求1所述的一種航天器軌道預(yù)報(bào)的神經(jīng)網(wǎng)絡(luò)方法，其特征在于：s3中的評估標(biāo)準(zhǔn)為：

7.根據(jù)權(quán)利要求1所述的一種航天器軌道預(yù)報(bào)的神經(jīng)網(wǎng)絡(luò)方法，其特征在于：s4中的評估標(biāo)準(zhǔn)為：

技術(shù)總結(jié)
本發(fā)明公開了一種航天器軌道預(yù)報(bào)的神經(jīng)網(wǎng)絡(luò)方法，屬于航天器軌道領(lǐng)域，包括以下步驟，S1，使用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型和反饋神經(jīng)網(wǎng)絡(luò)模型對TLE初值進(jìn)行預(yù)測；S2，使用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型，提高SGP4模型的精度；S3，將S1中的預(yù)測值與真實(shí)值做對比，評估對TLE初值預(yù)測的準(zhǔn)確性；S4，將S2中的修正后的模型與真實(shí)值作對比，評估對SGP4模型的精度的提升程度。本發(fā)明采用上述一種航天器軌道預(yù)報(bào)的神經(jīng)網(wǎng)絡(luò)方法，解決了航天器軌道預(yù)報(bào)中，精度和數(shù)據(jù)量之間的平衡問題，提高了常用的SGP4的精度，同時(shí)也解決了用于航天器軌道間接預(yù)報(bào)的TLE初值的精度問題。

技術(shù)研發(fā)人員：葉亞華,錢霙婧
受保護(hù)的技術(shù)使用者：北京工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15