一种LSTM模型预测BC值的空间碎片无控再入预报方法

提出一种利用长短周期记忆(LSTM)神经网络模型动态预测无控再入过程中弹道系数(BC)值实现空间碎片高精度再入时刻预报。通过利用空间碎片两行根数(TLE)、简化通用摄动模型(SGP4)与公开的物体陨落时间作为实测数据样本，利用迭代修正BC值方法构建预测模型的训练集，由此构造用于预测BC值的LSTM模型预测BC，再采用高精度轨道外推动力学模型配合预测BC值预报再入时刻，结果表明基于LSTM模型预测BC的空间碎片再入时刻预报方法是可行的，在95%的置信度内，90天以上的再入时刻预报精度小于10%，30天预报精度小于8%。     

天基光学空间目标监测的初轨确定

针对天基空间目标光学监测时初轨确定（IOD）困难的问题，讨论了计算结果收敛到平凡解的本因，提出了消去平凡解的改进定轨流程。通过构建Laplace初轨确定方法的八次方程，分析了空间目标处于不同相对位置时方程系数和根的性质之间的关系。针对传统Laplace型初轨确定方法收敛到观测平台轨道的现象，给出了平凡解的数学表征和数值验证并提出了消除方法。由于基于Lambert问题利用距离搜索的初轨确定方法进行天基目标监测时对初值相对敏感，利用平凡解消除方法对Gooding法进行了改造，提出了一种适用于天基空间目标初轨确定的方法与流程。最后利用低轨目标监测的实测数据和高轨目标监测的仿真数据对方法进行了验证。结果表明本方法可有效解决平凡解和初值敏感问题，方法具有收敛速度快、精度可靠的特点，且具有普适性，易于理解，便于推广。