考虑大气密度不确定性的低轨卫星轨道不确定性传播

作     者：蒋昊旸 

作者单位：中国科学技术大学 

学位级别：硕士

导师姓名：熊建宁;张明江

授予年度：2023年

学科分类：08[工学] 

主      题：低轨卫星 机器学习 大气密度模型 不确定性传播 

摘      要：随着人类太空活动的日益频繁和空间技术及其应用的飞速发展,特别是巨型星座项目(如SpaceX的星链)逐步推进实施,近地轨道空间的航天器、火箭体和轨道碎片数量不断显著增加。面对愈加拥挤的近地轨道空间,空间目标的碰撞概率也会大幅增加。由于各种误差的影响,空间目标高准确度的轨道往往很难获得,因而碰撞预警等任务要求在进行空间目标轨道外推的同时,也能够传播其轨道不确定性。在低轨卫星轨道不确定性传播中,轨道摄动模型误差这一重要因素往往很少被考虑。大气阻力摄动会对低轨卫星轨道传播带来显著的不确定性,大气密度模型经过长期发展依然不够精确,因而大气密度不确定性是低轨卫星轨道不确定性传播过程中需要特别重点关注的因素之一。本文在考虑低轨卫星位置、速度不确定性的基础上,进一步实现在低轨卫星轨道不确定性传播过程中对大气密度不确定性的耦合。首先,引入人工智能算法,并基于CHAMP卫星星载加速度计反演密度数据,通过神经网络建模,并结合MC Dropout和异方差损失函数,实现了对经验大气密度模型的有效修正,同时还对修正后大气密度提供了输入不确定性和模型不确定性的量化。然后,在此基础上运用自适应无迹变换(GMM-UT)方法,通过对无迹变换方法中西格玛点在大气密度不确定性范围中的再采样,将大气密度不确定性纳入考虑,进一步探讨低轨卫星轨道不确定性的非线性传播。通过具体的算例测试表明,自适应无迹变换在非高斯、非线性的不确定性传播过程中效果良好,对“香蕉形不确定性分布依然有较好的近似。采用考虑大气密度不确定性的自适应无迹变换方法,进一步实现了大气密度不确定性同位置、速度误差共同参与低轨卫星轨道不确定性的传播,通过对相关模拟仿真分析,揭示出了一些轨道不确定性传播规律。本文搭建的神经网络在大气密度模型修正和不确定性量化方面都取得了较好的效果;而且,所采用的在神经网络提供的不确定性区域进行采样的自适应无迹变换方法,进一步考虑大气密度不确定性,可以更好地描述低轨卫星轨道不确定性传播,从而有助于提高碰撞概率计算的可靠性,在实际工作中具有较为广阔的应用前景。