Аналитическая модель определения параметров движения орбитального объекта по результатам его наблюдений с борта космического аппарата на основе нейронной сети


Авторы

Ананенко В. М.

Военно-космическая академия имени А.Ф. Можайского, Санкт-Петербург, Россия

e-mail: vka@mil.ru

Аннотация

Представлена аналитическая модель определения параметров движения орбитального объекта (ОО) по результатам его наблюдений с борта космического аппарата (КА) на основе нейронной сети. Рассмотрено влияние структуры многослойной нейронной сети (НС) прямого распространения на точность определения параметров движения центра масс некооперируемого ОО по результатам измерений, проводимых с помощью оптической системы КА. Проведены исследования по определению зависимости точности решаемой задачи от изменения размеров НС как по числу внутренних слоёв, так и по числу нейронов в каждом слое.

Ключевые слова:

космический аппарат, орбитальный объект, параметры движения центра масс, бортовые измерения, нейронная сеть

Библиографический список

  1. Orbital Debris Quarterly News. NASA, vol. 26, I. 4, December 2022, 14 p.

  2. Пикалов Р.С., Юдинцев В.В. Обзор и выбор средств увода крупногабаритного космического мусора // Труды МАИ. 2018. № 100. URL: https://trudymai.ru/published.php?ID=93299

  3. Соколов Н.Л., Захаров П.А. Автономная идентификация параметров орбит потенциально опасных космических объектов бортовыми средствами // Лесной вестник. 2016. № 2. C. 214-224.

  4. Анисимов В.Д., Батырь Г.С., Меньшиков А.В., Шилин В. СККП России: вчера, сегодня, завтра // Воздушно-космическая оборона. 2004. № 1. URL: http://militaryarticle.ru/voenno-kosmicheskaya-oborona/2004/12302-skkp-rossii-vchera-segodnja-zavtra-2

  5. Малетин А.Н., Глущенко А.А., Мишина О.А. Исследование возможностей современных космических средств по мониторингу объектов в околоземном космическом пространстве // Труды МАИ. 2022. № 127. URL: https://trudymai.ru/published.php?ID=170351. DOI: 10.34759/trd-2022-127-21

  6. Фадин И.А., Янов С.В., Самохвалов О.А. Методика обоснования баллистической структуры орбитального сегмента системы мониторинга космического пространства // Вестник Самарского университета. Аэрокосмическая техника, технологии и машиностроение. 2019. Т. 18. № 3. C. 155-165. DOI: 10.18287/2541-7533-2019-18-3-155-165

  7. Коваленко Е.Л., Фадин И.А. Модифицированный метод космической триангуляции // Труды Военно-космической академии имени А.Ф. Можайского. 2022. Выпуск 682. C. 70-76.

  8. Авксентьев А.А. Метод наименьшего отрезка между линиями визирования для расчета координат космического объекта // Труды Военно-космической академии имени А.Ф. Можайского. 2022. Выпуск 682. C. 21-28.

  9. Трещалин А.П. Применение оптико-электронной аппаратуры космических аппаратов для предварительного определения параметров орбит околоземных объектов // Труды Московского физико-технического института. 2012. Т. 4. № 3. C. 122-131.

  10. Бессонов Р.В., Белинская Е.В., Брысин Н.Н., Воронков С.В., Куркина А.Н., Форш А.А. Обзор звездных датчиков ориентации космических аппаратов // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 6. С. 9–20.

  11. Шилов Л.Б. Модели и алгоритмы для выбора углов установки звездных датчиков космических аппаратов наблюдения // Труды МАИ. 2012. № 52. URL: https://trudymai.ru/published.php?ID=29457

  12. Cail H. et al. Improved tracklet association for space objects using short-arc optical measurements // Acta Astronautica, 2018, vol. 151, pp. 836–847. DOI: 10.1016/j.actaastro.2018.07.024

  13. Lei X. et al. A geometrical approach to association of space-based very short-arc LEO tracks // Advances in Space Research, 2018, vol. 62, no. 3, pp. 542–553. DOI: 10.1016/j.asr.2018.04.044

  14. Psiaki M.L., Weisman R.M., Jah M.K. Gaussian Mixture Approximation of Angles-Only Initial Orbit Determination Likelihood Function // Journal of Guidance, Control, and Dynamics, 2017, vol. 40, no. 11, pp. 2807–2819. DOI: 10.2514/1.G002615

  15. Самотохин А.С., Хуторовский З.Н. Метод первоначального определения параметров околоземных орбит по трем угловым измерениям // Препринты ИПМ им. М.В.Келдыша. 2014. № 44. 31 с. URL: http://library.keldysh.ru/preprint.asp?id=2014-44

  16. Соколов Д.Ю. Применение искусственной нейронной сети для решения задач прогнозирования движения наземных объектов // Труды МАИ. 2022. № 123. URL: https://trudymai.ru/published.php?ID=165563. DOI: 10.34759/trd-2022-123-17

  17. Ананенко В.М., Голяков А.Д., Сасункевич А.А. Обоснование структуры нейронной сети для определения параметров движения орбитального объекта по результатам его наблюдений с борта космического аппарата // Известия высших учебных заведений. Приборостроение. 2022. Т. 65. № 8. С. 565-574. DOI: 10.17586/0021-3454-2022-65-8-565-574

  18. Воронов К.Е., Григорьев Д.П., Телегин А.М. Применение нейронной сети прямого распространения для локализации места удара микрочастиц о поверхность космического аппарата // Труды МАИ. 2021. № 118. URL: https://trudymai.ru/published.php?ID=158245. DOI: 10.34759/trd-2021-118-10

  19. Ананенко В.М., Усиков А.А. Методика формирования обучающей выборки в интересах нейросетевого определения параметров орбитального объекта по результатам его наблюдений // Материалы III Всероссийской научно-практической конференции «Проблемы создания и применения космических аппаратов и систем средств выведения в интересах решения задач вооруженных сил российской федерации». - Санкт-Петербург: Военно-космическая академия имени А.Ф. Можайского, 2022. С. 59-64.

  20. Ананенко В.М. Определение параметров движения центра масс орбитального объекта по изменению его положения относительно космического аппарата // Четвертая Международная научная конференция «Аэрокосмическое приборостроение и эксплуатационные технологии» (Санкт-Петербург, 04-21 апреля 2023): сборник докладов. В 2-х частях. - Санкт-Петербург: Санкт-Петербургский государственный университет аэрокосмического приборостроения, 2023. С. 3-7. DOI: 10.31799/978-5-8088-1820-0-2023-4-2


Скачать статью

mai.ru — информационный портал Московского авиационного института

© МАИ, 2000—2024

 Вход