本文選題：神經(jīng)網(wǎng)絡(luò)　切入點：軌道預報　出處：《武漢大學學報(信息科學版)》2017年08期

【摘要】：針對利用動力學模型得到的預報軌道隨時間推移精度衰減較快的問題,嘗試采用神經(jīng)網(wǎng)絡(luò)作為建模工具改進北斗導航衛(wèi)星軌道預報精度。對影響神經(jīng)網(wǎng)絡(luò)模型補償效果的因素進行了詳細分析,基于神經(jīng)網(wǎng)絡(luò)補償波形調(diào)整策略制定了適應(yīng)導航衛(wèi)星短期、中期和長期預報的神經(jīng)網(wǎng)絡(luò)優(yōu)化模型。利用實測數(shù)據(jù)進行了試驗分析,結(jié)果表明,該方法可以顯著改進利用動力學模型得到的預報軌道精度。短期預報中,當采用的訓練樣本距離當前時刻大于10d時,應(yīng)移動補償波形;中長期預報中均應(yīng)移動補償波形。相比補償波形不調(diào)整的神經(jīng)網(wǎng)絡(luò)模型,采用基于補償波形調(diào)整的神經(jīng)網(wǎng)絡(luò)優(yōu)化模型后,預報弧長為8、15、30d時,改進率分別提高了2.3%、6.7%、10%。
[Abstract]:In order to solve the problem that the prediction orbit obtained by using the dynamic model decays rapidly with time, this paper attempts to use neural network as a modeling tool to improve the prediction accuracy of Beidou navigation satellite orbit.The factors affecting the compensation effect of the neural network model are analyzed in detail. Based on the adjustment strategy of the neural network compensation waveform, the neural network optimization model for the short, medium and long term prediction of navigation satellite is developed.The experimental results show that this method can significantly improve the accuracy of the prediction trajectory obtained by using the dynamic model.In short term forecast, the compensation waveform should be moved when the distance between the training sample and the current time is more than 10 days, and the compensation waveform should be moved in the medium and long term forecast.Compared with the neural network model which does not adjust the compensation waveform, after adopting the neural network optimization model based on the compensation waveform adjustment, when the prediction arc length is 81515 / 30 days, the improvement rate is increased by 2.3 / 6.7and 10 / 10 respectively.
【作者單位】： 北京衛(wèi)星導航中心;中國科學院測量與地球動力學國家重點實驗室;61287部隊;
【基金】：國家自然科學基金(41204022,61603397) 大地測量與地球動力學國家重點實驗室開放基金課題(SKLGED2017-3-3-E)~~
【分類號】：TN967.1;V412.41

【相似文獻】

相關(guān)期刊論文 前10條

1 劉舒蒔;龔建村;劉四清;苗娟;;中長期軌道預報中大氣阻力系數(shù)補償算法的研究[J];宇航學報;2013年02期

2 童科偉;周建平;何麟書;;近地衛(wèi)星簡化軌道預報方法研究[J];宇航學報;2009年04期

3 管洪杰;姚志成;劉巖;;軌道數(shù)值積分方法適用性研究[J];科學技術(shù)與工程;2013年36期

4 湯靖師;劉林;;低軌航天器長期軌道預報的初步研究[J];飛行器測控學報;2014年01期

5 李葆青;地球衛(wèi)星的軌道預報簡析[J];六盤水師范高等�？茖W校學報;1997年04期

6 王海紅;陳忠貴;初海彬;武向軍;鄭晉軍;;導航衛(wèi)星星載自主軌道預報技術(shù)[J];宇航學報;2012年08期

7 李曉杰;周建華;郭睿;;COMPASS導航衛(wèi)星高精度軌道預報及誤差控制技術(shù)[J];科學通報;2014年23期

8 劉魯華;鄭偉;湯國建;;一種統(tǒng)計意義下最優(yōu)接近軌道快速搜索算法[J];中國空間科學技術(shù);2006年04期

9 李楨;周建平;李海陽;;地球—火星循環(huán)軌道研究[J];導彈與航天運載技術(shù);2010年01期

10 程博;荊武興;陳偉躍;;遠程自主交會改進制導算法[J];宇航學報;2008年06期

相關(guān)會議論文 前6條

1 周建華;楊龍;徐波;謝廷峰;;一種導航衛(wèi)星中長期軌道預報方法[A];第二屆中國衛(wèi)星導航學術(shù)年會電子文集[C];2011年

2 楊忠東;關(guān)敏;;高精度衛(wèi)星軌道數(shù)值積分計算模型和遙感數(shù)據(jù)定位方法[A];農(nóng)業(yè)生態(tài)與衛(wèi)星遙感應(yīng)用技術(shù)學術(shù)交流會論文摘要集[C];2006年

3 王萬玉;周自寬;;軌道預報及天線控制軟件的開發(fā)研制[A];中國空間科學學會空間探測專業(yè)委員會第十一次學術(shù)會議論文集[C];1998年

4 周率;唐歌實;李勰;李黎;劉薈萃;;基于實測大氣密度數(shù)據(jù)的神舟四號飛船軌道預報精度分析[A];第28屆中國氣象學會年會——S15電離層與電波相互作用、空間天氣事件數(shù)值模擬[C];2011年

5 劉偉平;郝金明;;GPS多天軌道實時預報方法研究[A];第二屆中國衛(wèi)星導航學術(shù)年會電子文集[C];2011年

6 王維;李恒年;;GEO導航衛(wèi)星跨位保軌道預報及確定方法研究[A];第三屆中國衛(wèi)星導航學術(shù)年會電子文集——S03精密定軌與精密定位[C];2012年

相關(guān)博士學位論文 前4條

1 成璇;基于正規(guī)化的軌道研究[D];中國科學院研究生院（國家授時中心）;2015年

2 羅宗富;復雜力場天體探測器捕獲軌道設(shè)計與大氣進入制導研究[D];國防科學技術(shù)大學;2015年

3 仲惟超;衛(wèi)星集群導航與軌道控制方法研究[D];哈爾濱工業(yè)大學;2014年

4 黃文德;載人登月中止軌道的特性分析與優(yōu)化設(shè)計[D];國防科學技術(shù)大學;2011年

相關(guān)碩士學位論文 前10條

1 張大力;近地空間目標高精度軌道預報算法研究[D];哈爾濱工業(yè)大學;2015年

2 楊震;自主交會調(diào)相任務(wù)優(yōu)化策略與相對軌跡預報算法[D];國防科學技術(shù)大學;2013年

3 陳圣;低軌衛(wèi)星軌道模擬與軌道數(shù)據(jù)庫設(shè)計[D];福州大學;2014年

4 蒼中亞;低軌空間目標軌道預報的精度改進及應(yīng)用[D];南京信息工程大學;2016年

5 郝嘉;基于歷史軌道數(shù)據(jù)的空間事件分析[D];國防科學技術(shù)大學;2012年

6 溫生林;應(yīng)急軌道飛行器的若干問題研究[D];國防科學技術(shù)大學;2009年

7 張浩成;基于四元數(shù)的航天器軌道動力學建模與控制[D];哈爾濱工業(yè)大學;2014年

8 劉一帆;基于SGP4模型的低軌道航天器軌道預報方法研究[D];哈爾濱工業(yè)大學;2009年

9 董澤政;基于神經(jīng)網(wǎng)絡(luò)的混合模型軌道預報方法研究[D];南京航空航天大學;2010年

10 曹磊;基于深度神經(jīng)網(wǎng)絡(luò)補償模型的軌道預報技術(shù)[D];南京航空航天大學;2014年

，

本文編號：1690057