神经网络在北斗导航卫星轨道预报中的应用
a pp licationofartificialneuralnetworktoorbitpredictionofbeidounavi g ationsatellites
-
摘要: 导航卫星的自主定轨是提高卫星导航系统生存能力的一个重要手段,在解决导航星座自主定轨中涉及到高精度的轨道预报,提高轨道预报精度对于自主定轨精度有着重要意义。针对利用动力学模型得到的预报轨道随时间推移精度衰减较快的问题,本文提出了一种改进北斗导航卫星中长期轨道预报精度的新方法。利用神经网络作为建立预报模型的工具,在动力学模型的基础上建立神经网络模型,通过对历史时刻预报误差的学习及训练,掌握其变化规律,再用于补偿和改进当前时刻的预报轨道,以达到提高预报精度的目的。本文制定了导航卫星轨道中长期预报方案,并利用实测数据进行了实验分析,结果表明,采用神经网络模型补偿预报轨道误差时,不同卫星在不同初始时刻下的改进效果是不同的。预报15d导航卫星的轨道精度由318m提高至19m,预报30d轨道精度由1757m 提高至49m。预报15d、 30d轨道改进幅度分别为41％～80％/32％～88％。Abstract: autonomousorbitdeterminationofsatellitesisimp ortanttoimp rovetheavailabilit yofasatellitenavi g ations y stem,andde p endsonhi g h-p recisionorbitp redictions.theorbitp redictedwithad y namicsmodelhasthep roblemofhi g hdilution.tosolvethisp roblem，amethodisp ro p osedtoimp rovelon g-termorbitp redictionsforbeidousatellitesbasedonanartificialneuralnetwork（ ann）model.wedevelo p edanannmodelbasedonthed y namicsmodel ,inordertodeterminethevariationcharacteristicsintheorbitp redictionerrorsb ylearnin gandtrainin ghistoricalorbitp redictionerrors.weusedthisann modeltoimp rovetheaccurac yoforbitp redictionsb yestimatin gandcorrectin gp redictionerrors.formedium－termandlon g-termorbitp redictions,ex p erimentalresultsshowedthatorbitp redictionerrorsafterthea pp licationofthep ro p osedann modelwerelessthanthosebasedonthed y namicmodel.theeffectivenessoftheimp rovementsvarieswithdifferentsatellitesandinitiale p ochs.theerroroforbitp redictionsforthe15-da yp redictionwasreducedto19mfrom318m;and，forthe30-da yp rediction，wasreducedto49mfrom1757m.theimp rovementratiosforthe15-da yand30-da yp redictionswere41％～80％ and32％～88％,res p ectivel y.
下载:
