一种基于径向基神经网络的环月航天器轨道注入计算方法与流程

本发明涉及航天测控领域，更具体地说，涉及一种基于径向基神经网络的环月航天器轨道注入计算方法。

背景技术：

1、环月航天器在月球科学探测、深空通信导航、月球资源勘探以及未来载人登月和月球科研站建设等方面具有广阔前景。航天器在轨运行时，需依托轨道参数确定实时位置，考虑到星上内存的限制，地面站不能直接给航天器上注未来一段时间的星历数据；另一方面，星上的计算效率也远低于地面，航天器无法采用复杂的积分算法和复杂的摄动力模型进行轨道外推。

2、因此，亟需一种轻量化、高精度的轨道偏差补偿手段，在不显著增加星上计算、存储开销的前提下，满足环月航天器在执行高精度遥感任务时的轨道注入与自主外推需求。

技术实现思路

1、有鉴于此，本发明提供了一种基于径向基神经网络的环月航天器轨道注入计算方法，适配星载低性能芯片的算力与功耗限制。

2、为实现上述目的，现提出的方案如下：

3、一种基于径向基神经网络的环月航天器轨道注入计算方法，包括：

4、采用预设数值计算方法求解环月航天器动力学模型，获取预设时长内航天器的精密星历；

5、根据遥感任务需求和轨道特性划分轨道拟合时间段，得到各组轨道的注入参数历元；

6、基于瞬时轨道根数，通过平近点角外推生成二体星历，计算精密星历与二体星历中各对应历元的位置偏差；

7、迭代计算径向基神经网络参数，通过径向基神经网络拟合各方向的位置偏差。

8、优选地，所述采用预设数值计算方法求解环月航天器动力学模型，包括：

9、在月心惯性系下构建环月航天器动力学模型；

10、基于环月航天器动力学模型，建立航天器轨道一阶微分状态方程；

11、采用龙格库塔法对一阶微分状态方程求解计算得到精密星历。

12、优选地，所述根据遥感任务需求划分轨道拟合时间段，包括：

13、依据星上内存容量与遥感任务设定上注轨道参数组数、上注轨道起始时刻；

14、为每组拟合时段引入截断时间，划分得到若干组独立轨道拟合时段并确定各组轨道对应的注入参数历元，其中，单组轨道拟合总时长为轨道周期与两倍截断时间之和。

15、优选地，所述基于瞬时轨道根数，通过平近点角外推生成二体星历，计算精密星历与二体星历中各对应历元的位置偏差，包括：

16、基于精密星历提取每组注入参数历元对应的精密位置速度，并转换为轨道根数；

17、以轨道根数为初值，按照预设步长对平近点角进行二体外推，并求解各采样时刻偏近点角、真近点角；

18、将外推轨道根数转换为二体位置速度，生成二体星历；

19、将精密星历与二体星历做差，得到各历元对应的三轴位置偏差；

20、对采样时间序列做归一化处理，作为神经网络输入自变量。

21、优选地，通过径向基神经网络拟合各方向的位置偏差，包括：

22、将采样时间作为待拟合的自变量，将位置偏差作为径向基神经网络的因变量进行拟合。

23、优选地，迭代计算径向基神经网络参数，包括：

24、使用k-means聚类确定径向基神经网络的中心矢量；

25、根据聚类结果确定径向基神经网络的宽度因子；

26、利用最小二乘法求解输出层权值；

27、使用五折交叉验证法计算当前隐层节点数的评估误差；

28、在预设范围内遍历隐层节点数对径向基神经网络进行训练，基于各隐层节点数的评估误差确定目标隐层节点数。

29、优选地，使用k-means聚类确定径向基神经网络的中心矢量，包括：

30、将采样时间划分为若干个簇；

31、计算各样本到各聚类中心的距离，并分配到距离最近的簇；

32、计算各簇的均值矢量，得到更新后的各聚类中心；

33、基于更新后的各聚类中心，迭代执行样本分配和聚类中心更新，直到聚类中心的变化量小于设定阈值，得到中心矢量。

34、优选地，根据聚类结果确定径向基神经网络的宽度因子，包括：

35、基于各聚类簇内所有样本到聚类中心的平均欧几里得距离计算径向基神经网络的宽度因子。

36、优选地，利用最小二乘法求解输出层权值，包括：

37、将中心矢量和宽度因子代入隐层函数，计算得到隐层输出矩阵；

38、基于隐层输出矩阵构建径向基神经网络的拟合模型，并通过最小二乘法得到最优扩展权值。

39、优选地，使用五折交叉验证法计算当前隐层节点数的评估误差，包括：

40、将待拟合的采样时间自变量和对应的位置偏差因变量随机打乱，等分成5个互不重叠的子集，依次执行5次训练和验证，每次更换验证集；

41、将五次的验证误差取算数平均，作为当前隐层节点数的最终评估误差，并选择最终评估误差最小的隐层节点数作为目标隐层节点数。

42、根据本发明提供的具体实施例，本发明公开了以下技术效果：

43、本发明提供的基于径向基神经网络的环月航天器轨道注入计算方法采用预设数值计算方法求解环月航天器动力学模型，获取预设时长内航天器的精密星历；根据遥感任务需求和轨道特性划分轨道拟合时间段，得到各组轨道的注入参数历元；基于瞬时轨道根数，通过平近点角外推生成二体星历，计算精密星历与二体星历中各对应历元的位置偏差；迭代计算径向基神经网络参数，通过径向基神经网络拟合各方向的位置偏差。本发明的计算方法，在星上运行时仅执行简单二体外推叠加神经网络偏差补偿，能够规避复杂多摄动项高精度积分运算，适配星载低性能芯片的算力与功耗限制。

1.一种基于径向基神经网络的环月航天器轨道注入计算方法，其特征在于，包括：

2.根据权利要求1所述的基于径向基神经网络的环月航天器轨道注入计算方法，其特征在于，所述采用预设数值计算方法求解环月航天器动力学模型，包括：

3.根据权利要求1所述的基于径向基神经网络的环月航天器轨道注入计算方法，其特征在于，所述根据遥感任务需求划分轨道拟合时间段，包括：

4.根据权利要求1所述的基于径向基神经网络的环月航天器轨道注入计算方法，其特征在于，所述基于瞬时轨道根数，通过平近点角外推生成二体星历，计算精密星历与二体星历中各对应历元的位置偏差，包括：

5.根据权利要求1所述的基于径向基神经网络的环月航天器轨道注入计算方法，其特征在于，通过径向基神经网络拟合各方向的位置偏差，包括：

6.根据权利要求1所述的基于径向基神经网络的环月航天器轨道注入计算方法，其特征在于，迭代计算径向基神经网络参数，包括：

7.根据权利要求6中所述的基于径向基神经网络的环月航天器轨道注入计算方法，其特征在于，使用k-means聚类确定径向基神经网络的中心矢量，包括：

8.根据权利要求6所述的基于径向基神经网络的环月航天器轨道注入计算方法，其特征在于，根据聚类结果确定径向基神经网络的宽度因子，包括：

9.根据权利要求6所述的基于径向基神经网络的环月航天器轨道注入计算方法，其特征在于，利用最小二乘法求解输出层权值，包括：

10.根据权利要求6所述的基于径向基神经网络的环月航天器轨道注入计算方法，其特征在于，使用五折交叉验证法计算当前隐层节点数的评估误差，包括：