基于神经网络模型的地球同步卫星高精度轨道预报

• 作者: 张宇喆 张正强 李晓杰 杨歌 黄金
• 来源期刊: 空间科学学报
• 学科: 航空航天
• 关键词: GEO IGSO 神经网络 轨道预报 数值滤波 平滑
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 空间探测技术
• 页码范围: 83-91
• 页数: 9页
• 分类号: V44
• 字数: 5499字
• 语种: 中文
• DOI: 10.11728/cjss2016.01.083

摘要

利用动力学模型得到的预报轨道精度随时间推移衰减较快,针对这一问题,提出一种改进地球同步卫星轨道预报精度的新方法.将神经网络作为工具,结合轨道动力学特性建立一个训练样本集,根据当前时刻预报误差特征在样本集中搜索最佳训练样本,利用训练得到的神经网络模型补偿和改进当前时刻的预报轨道,达到提高预报精度的目的.基于实测数据的试验分析表明,不同卫星在不同初始时刻下的改进效果是不同的.预报4d的轨道精度由43m提高至15m,预报8d的轨道精度由183m提高至80 m.基于神经网络模型预报4d和8d的改进成功率分别为78.33％和88.33％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李晓杰		25	39	4.0	5.0
2	黄金		3	11	2.0	3.0
3	张正强		5	13	2.0	3.0
4	张宇喆		3	4	1.0	1.0
5	杨歌		2	2	1.0	1.0