基于深度神经网络的最小星间距离计算方法
作者机构:西北工业大学航天学院 西北工业大学航天学院航天飞行动力学技术重点实验室
出 版 物:《空天技术》 (Aerospace Technology)
年 卷 期:2024年第4期
页 面:76-84页
核心收录:
学科分类:08[工学] 0825[工学-航空宇航科学与技术]
主 题:圆轨道 非周期相对运动 共面 最小星间距离 深度神经网络
摘 要:针对最小星间距离求解方法的普遍效率低及适用性较弱等缺点,提出了一种在求解一对处于圆轨道进行非周期共面相对运动的卫星最小星间距离时,兼顾适用性、精度和计算效率的方法。该方法利用深度神经网络(Deep Neural Networks,DNN)的优势来拟合两颗卫星的初始相对状态与最小星间距离之间的关系。所提出的方法能够仅通过任何给定初始时间的位置和速度信息来计算最小距离。在分析并推导了星间距离函数最小值点范围的基础上,设计了数据集的构造方法。建立了训练DNN的模型,并重复进行训练过程,直至达到收敛。通过不同的仿真实例验证了DNN的训练结果。结果表明,基于DNN的计算方法可以几乎实时地计算最小距离,相应的相对误差几乎低于0.2%。