基于萤火虫群优化的PF空间非合作目标轨道预测方法与流程

本发明涉及轨道预测技术领域，尤其涉及一种基于萤火虫群优化的PF空间非合作目标轨道预测方法。

背景技术：
非合作目标泛指一类不能提供有效合作信息的空间物体，包括故障卫星、失效卫星、空间碎片、敌方航天器等。针对非合作目标的轨道预测是指已知非合作目标在某一时刻的状态的前提下，根据轨道动力学模型预测其在之后一段时间内的轨道状态。一般来说，针对非合作目标的轨道预测技术是基于C-W方程解析解的相对运动状态方程，结合扩展卡尔曼滤波、无迹卡尔曼滤波、粒子滤波等估计理论，对天基观测平台的测量信息进行跟踪滤波处理，以得到非合作目标的轨道信息。具体来说，基于粒子滤波的非合作目标轨道预测算法主要包括以下步骤：构建初始粒子群并对粒子的权值进行赋值；利用状态方程估计下一时刻的粒子群并计算相应粒子的权值；重采样，即对粒子进行评价之后，将权值大的粒子进行复制，以替代一些对预测贡献小的样本点。该重采样过程虽然可以缓解样本退化问题，但多次循环以后，可能导致粒子群中仅剩一个或几个大权值粒子。这样一来，该方法虽然保证了粒子数量，但是丧失了粒子多样性，进而影响了轨道预测精度。针对现有的基于粒子滤波的非合作目标轨道预测算法存在的粒子贫化问题，亟需一种既能保证粒子数量、又能保证粒子多样性的新的非合作目标轨道预测算法，以提高轨道预测精度。

技术实现要素：
本发明的目的在于提出一种新的基于粒子滤波的非合作目标轨道预测算法，以在不舍弃粒子、保留低权值粒子内所包含系统信息的同时解决粒子贫化问题。本发明提供了一种基于萤火虫群优化的PF空间非合作目标轨道预测方法，包括：S1、根据系统的初始状态值构造初始粒子群并将每个初始粒子的权值设为i＝1,2…N；S2、根据系统相对运动的状态方程计算k时刻的粒子群并根据该时刻的测量值计算每个粒子的归一化权值i＝1,2…N；S3、根据萤火虫算法对k时刻的粒子群进行优化，包括：在每次更新过程中，计算每个粒子对其他粒子的吸引度βi,j，j＝1,2…N且j≠i，并从βi,j中选取粒子的最大吸引度βi,max；当最大吸引度βi,max大于预设的第一阈值βth时，对与βi,max对应的小权值粒子进行位置更新、并计算其权值；当完成预设的更新次数m后，获取优化后的粒子群；S4、根据优化后的粒子群估计系统状态参数在k时刻的状态均值优选的，在步骤S3中，根据公式1计算βi,j；式中，βi,j为粒子对粒子的吸引度，为粒子对应的状态变量范数。优选的，在步骤S3中，根据公式2对粒子进行位置更新；式中，为对粒子产生最大吸引度βi,max的粒子，εi为由高斯分布产生的随机数向量，K为每步更新步长，且K＝βi,max，α为随机步长因子。优选的，在步骤S2中，根据公式3、4、5计算每个粒子的归一化权值式中，为重要密度函数，为k时刻的粒子的状态值取观测值yk的概率，为更新后的k时刻的权值。优选的，在步骤S4中，根据公式6计算式中，为系统状态参数在k时刻的状态均值。优选的，步骤S4还包括：根据优化后的粒子群估计系统状态参数在k时刻的协方差Pk；式中，为的转置。优选的，第一阈值βth满足：βth＝(rand(1)+1)/N；式中，rand(1)为1以内的随机数。优选的，N满足:100≤N≤500。优选的，预设的更新次数m满足：50≤m≤100。从以上技术方案可以看出，基于萤火虫群优化的PF空间非合作目标轨道预测方法主要包括以下步骤：根据系统的初始状态值构造初始粒子群，并将每个初始粒子的权值设为1/N；根据系统状态方程计算k时刻的粒子群，并计算每个k时刻粒子的归一化权值根据萤火虫算法对k时刻的粒子群进行优化，包括：在每次更新过程中，计算每个粒子的最大吸引度βi,max；当βi,max大于第一阈值βth时，对与βi,max对应的小权值粒子进行位置更新、并计算其权值；当完成预设的更新次数m时，获取优化后的粒子群；根据优化后的粒子群估计系统状态参数在k时刻的状态均值本发明通过采用萤火虫算法对粒子滤波的重采样过程进行优化，在不舍弃粒子、保留低权值粒子所包含系统信息的同时解决了粒子贫化问题。附图说明通过以下参照附图而提供的具体实施方式部分，本发明的特征和优点将变得更加容易理解，在附图中：图1是本发明实施例中的基于萤火虫群优化的PF空间非合作目标轨道预测方法的流程示意图；图2是根据现有预测方法的位置误差示意图；图3是根据本发明预测方法的位置误差示意图；图4是根据现有预测方法的速度误差示意图；图5是根据本发明预测方法的速度误差示意图。具体实施方式下面参照附图对本发明的示例性实施方式进行详细描述。对示例性实施方式的描述仅仅是出于示范目的，而绝不是对本发明及其应用或用法的限制。现有的基于粒子滤波的非合作目标轨道预测算法由于存在粒子贫化问题，大大影响了预测精度。鉴于此，本发明的发明人提出了一种基于萤火虫群优化的PF空间非合作目标轨道预测方法。本发明的主要思路是：将选择的粒子类比成符合虫群集体运动规律的萤火虫个体，利用种群中个体的寻优方式，使权值较低的粒子能够向较高的粒子移动。这样一来，在不舍弃粒子、保留低权值粒子包含的系统信息的同时解决了粒子贫化问题。下面结合附图和具体实施例对本发明的技术方案进行详细说明。图1示出了本发明实施例中的基于萤火虫群优化的PF空间非合作目标轨道预测方法的流程示意图。从图1可见，该方法主要包括步骤S1～S4。在进行轨道预测之前，首先需要确定仿真所用的系统。具体来说，需要确定系统相对运动的状态方程以及系统的观测方程。在该实施例中，假设两星距离远小于星地距离、且参考轨道为圆轨道，忽略摄动对卫星执行的影响，并进行一阶线性化，则可以得到经典的C-W方程。若进一步忽略控制力，则可推出C-W方程的解析解，详见公式9。其中，x、y、z为相对位置，为相对速度，n为追踪星平均轨道角速度。若将C-W方程的解析解写成状态矩阵的形式，则系统相对运动的状态方程可表述为：X(k+1)＝Φ(T)X(k)。其中，状态转移矩阵Φ(T)为：另外，在该实施例中，系统的观测...