基于遗传算法的单站测速数据定初轨技术研究

只有单站测速数据的情况下,传统的定轨方法难以实现初轨确定.将遗传算法应用于定轨实践,实现了无初值条件下单站测速数据初始轨道确定,并能满足收敛要求,为缓解测控资源紧张提供了重要支持.在中巴“资源一号“卫星的长期测控任务中应用,证明了本方法的有效性.     

欧洲空间天气计划

简要介绍了空间天气的基本概念,并对欧洲空间天气计划的效益分析、用户需求、实施方案等方面的内容进行介绍。     

太阳同步卫星双星组网维持策略

某准共面星座由两颗相位差为 180°的太阳同步卫星组成。在对其进行轨道维持时 ,需综合考虑相位差和地面轨迹范围两方面的限制。然而 ,由于这两颗卫星的轨道倾角存在差异 ,使得在轨道维持过程中不能同时满足相位差和地面轨迹的要求。为解决上述问题 ,本文提出了调整地面参考轨迹的方法 ,实践证明有效。     

外测数据对流层折射误差修正及精度分析

针对对流层引起的航天器外测数据折射误差,基于对流层分段模型,以测站历史气象数据拟合折射衰减系数,建立测控站上空对流层折射率模型,并利用实测地面折射率对统计模型进行优化,进一步提高模型反映大气剖面的真实性.利用该模型对S频段多颗在轨卫星50多跟踪圈次的实测外测数据进行修正分析,并与微波辐射计实时修正结果进行比较,测距、测角、测速互差分别优于0.9m、0.02°、0.06 m/s.将该模型应用于卫星长管外测数据的实时修正,可提高轨道测量数据质量.     

基于夏氏最小二乘的轨道控制力系数辨识

在航天器轨道捕获、轨道维持和空间目标碰撞规避中都需要进行航天器轨道机动。针对航天器轨道机动过程中推力器的推力系数为装订常数,没有根据在轨工作实际进行优化而导致出现较大误差的情况,对控制力拟合系数进行辨识,作为修正控制参数以补偿轨道控制误差的依据,提高轨道控制精度。统计分析在轨管理的典型航天器平台及其发动机的轨道控制历史数据,分析轨道控制理论和在轨控制数据拟合建立轨道控制经验模型,用当前可测量的系统输入和输出预测系统输出的未来演变,得到不同工作情况下实际轨道控制误差与控制参数及其他主要影响因素之间关系的经验公式,为轨道控制策略决策提供参考。选取轨道半长轴控制量300m以上和300m以下的两类近地卫星,对其轨道控制历史数据进行分析,经实际数据测试,采用夏氏法进行推力系数拟合后预测的速度变化量精度较高。该种计算方法利用了轨道控制历史数据,计算方法简单,提高了轨道控制速度增量的预测精度,对轨道控制实施具有参考意义。     

南北位保后东西耦合修正量计算

地球同步三轴稳定卫星在南北保持控制过程中,存在较大的东西方向耦舍量。实践中,在南北控制结束后,直接进行东西向轨道修正。给出了卫星寿命初期和中期东西修正量的计算模型,并在实际控制中取得了良好的效果。     

空间环境对超低轨道卫星轨迹规划的影响

针对超低轨道卫星受空间环境影响显著,对特定目标的轨迹规划难度大的问题,分析了经验大气模型中空间环境参数预报的预报误差以及空间环境参数预报对轨迹规划的影响.在目前空间环境参数预报的误差特性的基础上,建立了轨道控制量和空间环境参数双变量的轨迹评估规划的算法,通过轨迹规划评估后选取最优轨迹规划方案.该算法能够很好地适应空间环境参数的变化,降低空间环境参数预报误差带来的轨道控制风险.目前,该算法已在某超低轨道卫星的轨迹规划中得到成功应用,对需要考虑空间环境因素影响的较低轨道卫星的轨迹规划与控制具有一定的借鉴意义.     

严格回归轨道自动生成算法及实现

近地太阳同步轨道卫星由平时轨道快速、精确机动至严格回归轨道是实现特定区域周期性重访的必要前提。为提高区域重访的快速响应能力,提出了一种严格回归轨道自动生成算法。首先根据重访区域的交点周期及重访周期要求,利用解析法快速生成初始严格回归轨道;然后基于太阳同步轨道特性并利用数值法进行多次寻优生成严格回归轨道,针对轨控时间、燃料消耗、偏心率等约束条件,给出了多脉冲轨控策略的具体实现;最后构建了轨道衰减的解析表达式,推导出严格回归轨道的控制窗口。结果表明:在国内可见弧度实施5天共5次轨道控制,卫星由太阳同步轨道机动至1天15圈的日回归轨道,区域重访周期约23h 59m 50s,燃料消耗59.9kg;在轨迹漂移量为5km的要求下,在标称轨道半长轴的基础上增加110.778m,轨迹网保持周期由15天延长至一个月以上,满足严格回归轨道重访要求。     

LSTM神经网络在太阳F10.7射电流量中期预报中的应用

F_10.7指数作为大气密度经验模型的重要输入参量，其预报精度直接影响航天器轨道预报精度.研究发现，太阳活动表现出长时间尺度上平均11年和中短时间尺度平均27天的周期性变化特征.依据这一观测事实，基于长短期记忆单元（Long Short-term Memory，LSTM）递归神经网络方法进行F_10.7指数未来27天的中期预报.利用一个连续长时段F_10.7数据作为训练数据，构建LSTM神经网络训练和预测模型，分别预测太阳活动高低年未来27天的F_10.7指数.结果表明，太阳活动高年的第27天F_10.7指数预报平均相对误差最优可达10%以内，低年最优可达2%以内.