基于天基雷达的空间目标轨道预测

根据天基雷达获取的空间目标位置和速度参数, 研究了计算空间目标轨道根数的方法, 以实现对空间目标的初定轨. 分析了雷达坐标系下对目标的观测误差给协议天球坐标系下的目标参数估计带来的影响. 提出了空间二体相遇问题的一种解决方案. 利用已知的空间站轨道, 仿真分析了空间目标在一周之内和空间站的相遇情况, 同时给出了目标轨道预测的误差分析.     

大气密度变化对卫星返回轨道参数的影响

本文在考虑大气密度(90km高度以下) 随地理纬度、高度及时间(月份)随机变化的基础上,沿卫星的返回轨道建立了随机大气密度的统计模型。并应用该模型产生的随机大气密度样本,进行返回轨道的Monte Corlo法模拟计算。通过对模拟计算得到的返回轨道参数样本的统计处理,本文分析了大气密度变化对卫星返回轨道参数的影响。另外,本文还介绍了近似估计大气密度变化对返回轨道参数影响的影响系数法。     

低轨航天器弹道系数估算及热层大气模型误差分析

利用低轨（LEO）航天器在轨期间两行轨道根数（TLEs）数据,结合经验大气密度模型NRLMSISE00,反演计算得到其在轨期间的弹道系数B’,以31年B’的平均值代替弹道系数真值,分别通过标准球形目标卫星对比以及物理参数基本相同的非球形目标卫星对比,对弹道系数真值进行了检验;利用不同外形目标卫星弹道系数在不同太阳活动周内的变化规律,结合太阳和地磁活动变化,估计经验大气密度模型的误差分布. 结果表明,利用反演弹道系数31年的平均值来代替真值,其在理论值的正常误差范围内;大气密度模型误差在210～526km高度范围内存在相同的变化趋势,且模型误差随高度增加而增大;在短周期内B’变化与太阳活动指数F_10.7存在反相关性;密度模型不能有效模拟2008年出现的大气密度异常低. 以上结果表明,经验大气密度模型结果需要修正,尤其是在太阳活动峰年和谷年,此外,磁暴期间模型误差的修正对卫星定轨和轨道预报等也具有重要意义.     

空间非合作目标双行轨道根数快速生成算法

针对空间目标TLE拟合过程中可能出现的奇点问题,提出了基于无奇异变换的空间目标双行轨道根数（TLE）生成算法. 为提高观测平台对空间目标状态估计效率,提出带有自适应遗忘因子的非线性最小二乘递推算法,利用最速下降法在线修正遗忘因子,使得估计值有较快的跟踪速度和较小的稳态误差. 仿真结果表明,该TLE生成算法的数据处理速度和轨道预报误差满足要求,可用于低轨目标的天基监视.     

利用TLE数据分析LEO卫星轨道异常的新方法------综合判据法

及时准确地发现在轨卫星的轨道异常意义重大. 通过有效的异常算法, 能够找出发生轨道异常的碎片或航天器, 为空间碎片碰撞预警系统分析和验证碰撞事件提供数据支持. 通过对利用TLE (Two Line Elements)数据分析LEO在轨卫星轨道异常的方法研究, 提出了一个利用单个卫星相邻根数时间差控制加综合判据的判别方法. 分析表明, 相对于取单一因素阈值的判别方法, 综合判据法能够最大限度地减少漏判, 并且保持相对较高的判断准确率.     

基于经验加速度的低轨卫星轨道预报新方法

研究将定轨过程中的经验加速度应用于地球低轨卫星轨道预报的新方法. 利用GPS伪距观测数据和简化动力学最小二乘批处理方法对地球低轨卫星定 轨, 其中卫星位置、速度及大气阻力系数和辐射光压系数可以直接用于轨道预报. 作为简化动力学最重要特征的经验加速度呈现准周期、余弦曲线特点, 可通过 傅里叶级数拟合建模. 确定性动力学模型与补偿大气阻力模型误差的切向经验 加速度级数拟合模型组成增强型动力学模型用于提高轨道预报精度. 应用 GRACE-A星载GPS伪距观测数据和IGS超快星历定轨并进行轨道预报, 结果表明 轨道预报初值位置精度达到0.2m, 速度精度达到1×10^-4m·s^-1, 预报3天位置精度优于60m, 比只利用确定性动力学模型进行预报精度平 均提高2.3倍. 先定轨后预报的模式可用在星上自主精确导航系统中.     

跟踪空间非合作目标的一种相对轨道确定方法研究

研究近地轨道卫星沿航向跟踪空间非合作目标的相对轨道确定问题。首先给出以追踪星与非合作目标轨道根数差分描述的相对运动方程;其次根据星间测量几何关系对应的测量方程,提出一种新的基于两步估计的相对轨道确定方法;最后通过数学仿真验证了收敛速度快于扩展卡尔曼滤波,并对初始状态的选取不敏感,具有一定鲁棒性。     

基于测速定轨的轨道参数精度分析

利用误差传播关系,比较了测速体制下逐点定轨算法和多项式定轨算法的精度,为多项式和样条算法在测速定轨体制中的应用提供理论依据。利用逐点及多项式算法对两条典型轨道进行性能计算,结果表明:多项式算法能获得比逐点算法更高精度的轨道参数,且该算法数据结构简单、具有一定的实时性。     

基于多项式近似的空间碎片群体轨道预报算法

快速准确地分析空间碎片群轨道演化行为对于其他在轨航天器碰撞规避至关重要。在各摄动力的作用下,空间碎片群演化运动呈现出复杂的非线性特征。空间碎片群体个体数量巨大,如果通过对空间碎片群中每个空间碎片进行轨道积分来分析群体预报的方法会导致计算量过大。针对该问题,提出一种基于多项式近似的轨道快速预报分析方法。该方法将空间碎片群分为少量的标称碎片和其他大量关联碎片。针对标称碎片的轨道预报采用数值积分求解保证预报精度;而针对其他大量的关联碎片轨道预报问题,采用多项式泰勒展开半解析方法求解,从而在保证预报精度的前提下有效减少空间碎片群轨道预报的计算量。为了验证方法的有效性,对不同空间碎片群进行了轨道预报仿真。仿真结果表明,当轨道预报精度设定在1m范围内时,多项式近似算法的计算量较蒙特卡洛方法计算效率提高了2.2~17.2倍,验证了所提出方法的有效性。     

临近空间大气密度扰动对高超声速飞行器气动热环境的影响

基于TIMED/SABER 2002—2018年大气密度观测数据,统计分析了20~80 km大气密度扰动对高超声速飞行器飞行热环境的影响。根据驻点热流估算方法给出的大气密度变化量与热流变化量之间的关系,定性和定量分析了不同月份大气密度相对变化量引起的热流变化量在垂直和水平方向的分布特征。研究表明:SABER大气密度月年均值计算的热流相对USSA76在夏季半球中高纬度地区偏高,在冬季半球偏低。在夏季半球高纬度地区约80 km附近存在热流增量的极大值,南半球夏季的极大值高于北半球夏季,尤其在南半球1月份,热流偏高可达32.2%。在经度方向,热流分布在夏季半球差异较小,冬季半球差异较大;考虑真实大气中存在的扰动时,在南半球和北半球夏季80 km附近,SABER大气密度预测的热流分别比USSA76偏高可达40.7%和36.6%。在经度方向,大气扰动引起的热流经向分布差异显著。在飞行器设计时,大气扰动的影响不能忽略;高超声速飞行器飞行应避免在夏季穿越南半球和北半球,规避热流增加带来的风险。      

Accurate orbit predictions for debris orbit manoeuvre using ground-based lasers

Orbit manoeuvre of low Earth orbiting (LEO) debris using ground-based lasers has been proposed as a cost-effective means to avoid debris collisions. This requires the orbit of the debris object to be determined and predicted accurately so that the laser beam can be locked on the debris without the loss of valuable laser operation time. This paper presents the method and results of a short-term accurate LEO (<900 km in altitude) debris orbit prediction study using sparse laser ranging data collected by the EOS Space Debris Tracking System (SDTS). A main development is the estimation of the ballistic coefficients of the LEO objects from their archived long-term two line elements (TLE). When an object is laser tracked for two passes over about 24 h, orbit prediction (OP) accuracy of 10–20 arc seconds for the next 24–48 h can be achieved – the accuracy required for laser debris manoeuvre. The improvements in debris OP accuracy are significant in other applications such as debris conjunction analyses and the realisation of daytime debris laser tracking.     

Measuring atmospheric density using GPS–LEO tracking data

We present a method to estimate the total neutral atmospheric density from precise orbit determination of Low Earth Orbit (LEO) satellites. We derive the total atmospheric density by determining the drag force acting on the LEOs through centimeter-level reduced-dynamic precise orbit determination (POD) using onboard Global Positioning System (GPS) tracking data. The precision of the estimated drag accelerations is assessed using various metrics, including differences between estimated along-track accelerations from consecutive 30-h POD solutions which overlap by 6 h, comparison of the resulting accelerations with accelerometer measurements, and comparison against an existing atmospheric density model, DTM-2000. We apply the method to GPS tracking data from CHAMP, GRACE, SAC-C, Jason-2, TerraSAR-X and COSMIC satellites, spanning 12 years (2001–2012) and covering orbital heights from 400 km to 1300 km. Errors in the estimates, including those introduced by deficiencies in other modeled forces (such as solar radiation pressure and Earth radiation pressure), are evaluated and the signal and noise levels for each satellite are analyzed. The estimated density data from CHAMP, GRACE, SAC-C and TerraSAR-X are identified as having high signal and low noise levels. These data all have high correlations with anominal atmospheric density model and show common features in relative residuals with respect to the nominal model in related parameter space. On the contrary, the estimated density data from COSMIC and Jason-2 show errors larger than the actual signal at corresponding altitudes thus having little practical value for this study. The results demonstrate that this method is applicable to data from a variety of missions and can provide useful total neutral density measurements for atmospheric study up to altitude as high as 715 km, with precision and resolution between those derived from traditional special orbital perturbation analysis and those obtained from onboard accelerometers.