申请/专利权人:中南大学
申请日:2024-02-07
公开(公告)日:2024-04-30
公开(公告)号:CN117724128B
主分类号:G01S19/39
分类号:G01S19/39;B64G1/10;G06N3/0464;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.04.30#授权;2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明公开了一种低轨卫星轨道预报方法、系统、终端及介质,其中方法包括:基于星载GNSS观测数据对低轨卫星进行动力学定轨解算处理,获取卫星各历史时刻状态量,并以解算得到的最后时刻的卫星状态量作为卫星轨道预报初始时刻状态量;将各历史时刻的大气阻力系数和经验加速度系数组成的序列输入训练好的神经网络预测模型,预测未来时刻的大气阻力系数和经验加速度系数;基于卫星轨道预报初始时刻状态量及预测的大气阻力系数和经验加速度系数,利用动力学模型对低轨卫星轨道进行预报。本发明基于神经网络的方法实现低轨卫星非保守力参数的精确预测,综合考虑大气阻力系数和经验加速度系数两种非保守力参数,提高了低轨卫星轨道预报精度。
主权项:1.一种低轨卫星轨道预报方法,其特征在于,包括如下步骤:S1:基于星载GNSS观测数据对低轨卫星进行动力学定轨解算处理,获取卫星各历史时刻状态量,所述状态量包括卫星的位置、速度和动力学参数,其中动力学参数包括大气阻力系数和经验加速度系数,并以解算得到的最后时刻的卫星状态量作为卫星轨道预报初始时刻状态量;S2:将各历史时刻的大气阻力系数和经验加速度系数分别组成的序列输入对应的训练好的神经网络预测模型,预测未来时刻的大气阻力系数和经验加速度系数;S3:基于卫星轨道预报初始时刻状态量及预测的大气阻力系数和经验加速度系数,利用动力学模型对低轨卫星轨道进行预报;S2具体包括:将各历史时刻的大气阻力系数组成的序列输入训练好的基于神经网络的大气阻力系数预测模型中,预测得到未来时刻的大气阻力系数;将各历史时刻的经验加速度系数组成的序列输入训练好的基于神经网络的经验加速度系数预测模型中,预测得到未来时刻的经验加速度系数;所述大气阻力系数预测模型和经验加速度系数预测模型分别基于历史大气阻力系数序列和经验加速度系数序列对卷积神经网络模型进行训练得到。
全文数据:
权利要求:
百度查询: 中南大学 一种低轨卫星轨道预报方法、系统、终端及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。