一种基于测角数据的航天器运动样式识别方法

本发明涉及航空航天，具体涉及一种基于测角数据的航天器运动样式识别方法。

背景技术：

1、随着航天技术的发展，在轨运行的航天器数量日益增多，当前，绕地球飞行的可跟踪人造物体共有数万颗。而在这些航天器中，正常运行的有两千余颗，其它的为故障失效航天器，或者由航天器解体残剩的空间碎片，碎片撞击导致航天器损伤的事例也越来越多。

2、这些空间碎片的存在，对太空活动的安全性构成了严重威胁。在轨航天器彼此之间存在着相撞的潜在威胁。除了数量庞大的空间碎片、失效航天器以外，航天器之间的轨道博弈也日益复杂。

3、而空间安全预警的研究存在以下问题：当前对空间非合作目标的轨道预测和安全预警的方法主要集中在对空间目标碰撞风险评估，常用的有碰撞预警的区域方法和碰撞概率方法等，而这些方法主要是距离作为评价指标，无法全方位的对空间非合作目标进行威胁评估与预警，遗漏高价值信息，如威胁的时间估计、空间威胁的具体量化。

技术实现思路

1、针对现有技术中存在的无法全方位的对空间非合作目标进行威胁评估与预警，容易遗漏高价值信息，本发明提供了一种基于测角数据的航天器运动样式识别方法，能够在轨道信息观测不完备的情况下，仅采用测角信息进行运动样式识别，为空间安全预警与机动规避提供依据。

2、为达到上述目的，本发明采用了以下技术方案：

3、一种基于测角数据的航天器运动样式识别方法，包括：

4、通过相对运动轨道动力学方程生成轨道数据，根据轨道数据构建非合作目标不同运动样式数据集；

5、从所述非合作目标不同运动样式数据集中随机选取运动样式数据，根据随机选取运动样式数据构建训练轨道数据集与测试轨道数据集；

6、对训练轨道数据集与测试轨道数据集进行数据预处理，生成训练测角序列数据集合及测试测角序列数据集合；

7、采用训练测角序列数据集合进行轨道运动样式识别网络模型训练和参数更新，并使用测试测角序列数据集合测试训练效果；

8、使用训练完成后轨道运动样式识别网络模型对目标航天器运动样式进行识别。

9、作为本发明的进一步改进，所述通过相对运动轨道动力学方程生成轨道数据，根据轨道数据构建非合作目标不同运动样式数据集，包括：

10、在近圆轨道，非合作航天器在无控制条件下的相对运动方程为：

11、

12、该方程解析解为

13、

14、其中：x为相对坐标系下轨道径向的位置分量；y为相对坐标系下飞行方向的位置分量；z为相对坐标系下轨道角动量方向的位置分量；为相对坐标系下轨道径向的速度分量；为相对坐标系下飞行方向的速度分量；为相对坐标系下轨道角动量方向的速度分量；为相对坐标系下轨道径向的加速度分量；为相对坐标系下飞行方向的加速度分量；为相对坐标系下轨道角动量方向的加速度分量；x0为相对坐标系下t0时刻的轨道径向的位置分量；y0为相对坐标系下t0时刻的飞行方向的位置分量；z0为相对坐标系下t0时刻的轨道角动量方向的位置分量；为相对坐标系下t0时刻的轨道径向的速度分量；为相对坐标系下t0时刻的飞行方向的速度分量；为相对坐标系下t0时刻的轨道角动量方向的速度分量；t为状态时间间隔；n为相对运动参考航天器角速率。

15、作为本发明的进一步改进，通过对所述非合作航天器在无控制条件下的相对运动方程进行分析，根据分析结果定义轨道类型，对轨道类型进行仿真推演生成轨道数据，根据轨道数据构建非合作目标不同运动样式数据集。

16、作为本发明的进一步改进，所述根据分析结果定义轨道类型，其中：

17、轨道类型，包括顺漂、逆漂、水滴顺向掠飞、水滴逆向掠飞、水滴顺向绕飞、水滴逆向绕飞、椭圆绕飞、椭圆前向掠飞及椭圆后向掠飞。

18、作为本发明的进一步改进，所述从所述非合作目标不同运动样式数据集中随机选取运动样式数据，根据随机选取运动样式数据构建训练轨道数据集与测试轨道数据集，其中：

19、所述训练轨道数据集与测试轨道数据集的个数比例为10:1。

20、作为本发明的进一步改进，对训练轨道数据集与测试轨道数据集进行数据预处理，生成训练测角序列数据集合及测试测角序列数据集合，包括：

21、采用非合作目标的方向单位向量作为测角信息，计算t时刻的方向向量，具体流程如下：

22、依据t时刻的轨道数据计算该时刻的相对距离l(t)，

23、

24、计算方向向量：

25、

26、其中，x为相对坐标系下轨道径向的位置分量；y为相对坐标系下飞行方向的位置分量；z为相对坐标系下轨道角动量方向的位置分量；为相对坐标系下轨道径向的速度分量；为相对坐标系下飞行方向的速度分量；为相对坐标系下轨道角动量方向的速度分量；

27、采用上述两个公式处理所有轨道数据，生成训练测角数据集合及测试测角数据集合。

28、作为本发明的进一步改进，对训练轨道数据集与测试轨道数据集进行数据预处理，生成训练测角序列数据集合及测试测角序列数据集合，其中：

29、设定测角序列长度为s，从每条轨道对应的测角数据中任意抽取s组单位向量，形成长度为s的测角序列数据；

30、设定每条轨迹生成测角序列为os组；每种运动样式形成测角序列为n*os组测角序列，并整合测角序列数据，形成训练测角序列数据集合及测试测角序列数据集合。

31、作为本发明的进一步改进，采用训练测角序列数据集合进行轨道运动样式识别网络模型训练和参数更新，并使用测试测角序列数据集合测试训练效果，包括：

32、对轨道运动样式识别网络模型参数进行随机初始化，训练数据集中的输入数据经过网络结构前向传输得到输出值，利用交叉熵损失函数计算模型输出值与标记数据集中相应的标签数据之间的误差；再利用链式法则将这个误差反向传播到神经网络中，利用优化算法对神经网络权重和偏置参数进行更新，完成一轮学习，直至完成设定的训练次数。

33、作为本发明的进一步改进，所述采用训练测角序列数据集合进行轨道运动样式识别网络模型训练和参数更新，并使用测试测角序列数据集合测试训练效果，其中：

34、轨道运动样式识别网络模型是基于深度双向门控单元设计的。

35、作为本发明的进一步改进，所述轨道运动样式识别网络模型是基于深度双向门控单元设计的，包括输入层、深度bigru层、全连接输出层；

36、利用深度学习构架pytorch搭建深度bigru层，需要确定参数包括：输入特征维数、隐含层神经元个数、网络深度及激活函数。

37、与现有技术相比，本发明具有以下有益效果：

38、本发明一种基于测角数据的航天器运动样式识别方法，通过轨道数据所构建的非合作目标不同运动样式数据集，根据非合作目标不同运动样式数据集得到训练轨道数据集与测试轨道数据集，对训练轨道数据集与测试轨道数据集进行处理得到训练测角序列数据集合及测试测角序列数据集合，采用训练测角序列数据集合进行轨道运动样式识别网络模型训练，并使用测试测角序列数据集合测试训练效果，使用训练完成后轨道运动样式识别网络模型对目标航天器运动样式进行识别。本发明可在轨道信息观测不完备的情况下，仅采用测角信息进行运动样式识别，为空间安全预警与机动规避提供依据。对于高价值卫星的空间安全与在轨任务顺利实施提供了保障，通过在对非合作目标的空间航天器的运动样式进行掌握，以此为需保护的空间安全预警、规避的开展提供信息层面的保障。