一种卫星精确轨道预报方法
【专利摘要】本发明涉及一种卫星精确轨道预报方法，以卫星星历和动力学模型算出的预报星历与真实星历的对比结果进行深度神经网络自动学习训练，获得深度神经网络补偿器；然后以深度神经网络补偿器求得的误差补偿与动力学模型求出的预报轨道结果相加得出卫星精确轨道的预报。该方法在动力学预报模型与深度神经网络为两个较独立的部分，结构简单，容易实现，相比较单纯对动力学模型或其他神经网络算法来说提高了预报精度及长期预报中对预报误差趋势的控制。
【专利说明】一种卫星精确轨道预报方法
【技术领域】
[0001]本发明属于航天轨道动力学【技术领域】，涉及一种卫星精确轨道预报方法。
【背景技术】
[0002]卫星轨道预报是卫星应用研究的基础，对理论研究和实测工作具有重要意义。轨道预报特别是高精度轨道预报的精度主要依赖于动力力模型精度。动力学模型的精度直接影响预报精度，然而空间动力学环境的高度复杂，卫星运动摄动力的非线性导致了卫星在轨运动的非线性，再加上卫星本身各种参数的不确定性，单纯动力学模型的精度受到限制，预报精度提高比较困难。
[0003]为了弥补单纯动力学模型的精度的不足，不同的方法得以探索，如利用切比雪夫多项式拟合CHAMP卫星轨道然后进行外推的方法，但该方法外推时间只有50秒。近几年研究较多的神经网络在图像及模式识别方面的作用非常大，根据GPS卫星星历的相关周期特性，以时间序列预报作为基础，利用神经网络建立预报模型，可得到精度为一个星期数百米的预报结果。但单纯利用神经网络方法的状态量动态范围大，限制了预报精度的提高。
【发明内容】
[0004]为解决现有技术中存在的对卫星精确轨道预报的误差较大或预报时间较短的问题，本发明旨在提出一种减小误差、提高精度、适用期长的预报方法。
[0005]为了实现上述目 标，本发明采用如下的卫星精确轨道预报方法:以卫星星历和动力学模型算出的预报星历与真实星历的对比结果进行深度神经网络自动学习训练，获得深度神经网络补偿器；然后以深度神经网络补偿器求得的误差补偿与动力学模型求出的预报轨道结果相加得出卫星精确轨道的预报。
[0006]具体的，本发明的卫星精确轨道预报方法中获得深度神经网络补偿器包括以下步骤:
[0007]SOl:以卫星星历作为伪观测资料计算出某初始时刻的卫星轨道信息尤,K, T0 ；
[0008]S02:由动力学模型采用数值积分的方法得出预报星历A, P Τ；
[0009]S03:求得尤V, T与真实卫星星历的比对结果Al, T ;
[0010]S04: U，T作为深度神经网络的输入，修正值Δ?作为深度神经网络的输出，得
到ΔΙ与T之间的映射关系的逼近函数，即深度神经网络补偿器Al = /(U,r)。
[0011]对于步骤三，具体的，加入深度神经网络补偿器的动力学模型方程如下:
[0012]
【权利要求】
1.一种卫星精确轨道预报方法，其特征在于包括步骤: 步骤一:以卫星星历和动力学模型算出的预报星历与真实星历的对比结果为输入进行深度神经网络自动学习训练，获得深度神经网络补偿器； 步骤二:以深度神经网络补偿器求得误差补偿； 步骤三:误差补偿与动力学模型求出的预报轨道结果相加得出卫星精确轨道的预报。
2.根据权利要求1所述卫星精确轨道预报方法，其特征在于步骤一获得深度神经网络补偿器包括以下具体步骤: 501:以卫星星历作为伪观测资料计算出某初始时刻的卫星轨道信息7；; 502:由动力学模型采用数值积分的方法得出预报星历X,f，r ; 503:求得!,fj与真实卫星星历的比对结果Δ?, ; 504: X/, 作为深度神经网络的输入，修正值Al作为深度神经网络的输出，得到Al与足之间的映射关系的逼近函数，即深度神经网络补偿器Al = /(U,r)。
3.根据权利要求1所述卫星精确轨道预报方法，其特征在于步骤三加入深度神经网络补偿器的动力学模型方程如下:
4.根据权利要求2所述卫星精确轨道预报方法，其特征在于相隔T天的初始时刻下预报误差大小和相位均较接近，则选择T天之前的预报结果作为训练样本，得到的深度神经网络补偿器对当前时刻下的预报星历进行补偿。
5.根据权利要求2-4所述的任一卫星精确轨道预报方法，其特征在于对于短期卫星精确轨道预报时，训练阶段以尤(7；: 7；, Α1、、Δ尤(7；,:7；,,7；)ΙΛΙ为输入，获得深度神经网络补偿器Al=/(足匕);再以尤(ru:rpr2)DM、A?；:!；,?〗)?*输入该补偿器求得修正值Δ?0-。，将其与动力学模型预报星历尤(7；:7；,r2)DM相加得出混合模型预报结果负K,7；).，即:
6.根据权利要求2-4所述的任一卫星精确轨道预报方法，其特征在于对于中长期卫星精确轨道预报时，训练阶段以
7.根据权利要求6所述卫星精确轨道预报方法，其特征在于对于中长期卫星精确轨道预报时，以HT、T0-3T作为训练的初始时刻。
8.根据权利要求1或3所述卫星精确轨道预报方法，其特征在于步骤一以实际观测值Y、观测量的计算值Y*、及其残差I来训练深度神经网络补偿器，表达式如下:
Y*=H(X, t), y=Y-Y*
9.根据权利要求8所述卫星精确轨道预报方法，其特征在于实际观测量Y是测角、测速、伪距。
【文档编号】G06N3/02GK103886368SQ201410116951
【公开日】2014年6月25日 申请日期:2014年3月26日 优先权日:2014年3月26日
【发明者】高有涛 申请人:南京航空航天大学