空间碎片数量的显著增长导致航天器遭受碰撞的风险急剧提升,亟需发展高精度的空间碎片态势感知定位与碰撞威胁评估技术.面向空间碎片目标,提出一种融合多源异构观测数据的目标感知定位方法,并集成物理机制建模与机器学习算法,构建了一...空间碎片数量的显著增长导致航天器遭受碰撞的风险急剧提升,亟需发展高精度的空间碎片态势感知定位与碰撞威胁评估技术.面向空间碎片目标,提出一种融合多源异构观测数据的目标感知定位方法,并集成物理机制建模与机器学习算法,构建了一种碰撞威胁等级混合评估机制.在感知定位层面,建立了统一的多卫星观测数学模型,有效融合了距离、角度与速度三类异构观测数据,进而设计了一种基于Huber加权与迭代重优化的列文伯格-马夸特法(Levenberg-Marquardt,LM)算法,显著提升了定位精度及其在异常数据条件下的算法鲁棒性.在威胁评估层面,提出了一种混合决策框架,该框架融合了改进的碰撞概率物理计算模型与随机森林分类器,统筹考虑碰撞概率估计与潜在动能碰撞后果的影响,实现了对碎片威胁等级的高效精准划分.仿真实验验证结果表明,所提出的定位算法在位置估计均方根误差(root mean square error,RMSE)方面性能显著优于传统最小二乘估计及几何解析法;同时,威胁等级分类模型展现出较高的整体分类准确率,且随机森林分类器的判别性能优于逻辑回归模型.本研究为天基空间目标监视任务与航天器自主规避决策支撑提供了有效的技术解决方案.展开更多
文摘空间碎片数量的显著增长导致航天器遭受碰撞的风险急剧提升,亟需发展高精度的空间碎片态势感知定位与碰撞威胁评估技术.面向空间碎片目标,提出一种融合多源异构观测数据的目标感知定位方法,并集成物理机制建模与机器学习算法,构建了一种碰撞威胁等级混合评估机制.在感知定位层面,建立了统一的多卫星观测数学模型,有效融合了距离、角度与速度三类异构观测数据,进而设计了一种基于Huber加权与迭代重优化的列文伯格-马夸特法(Levenberg-Marquardt,LM)算法,显著提升了定位精度及其在异常数据条件下的算法鲁棒性.在威胁评估层面,提出了一种混合决策框架,该框架融合了改进的碰撞概率物理计算模型与随机森林分类器,统筹考虑碰撞概率估计与潜在动能碰撞后果的影响,实现了对碎片威胁等级的高效精准划分.仿真实验验证结果表明,所提出的定位算法在位置估计均方根误差(root mean square error,RMSE)方面性能显著优于传统最小二乘估计及几何解析法;同时,威胁等级分类模型展现出较高的整体分类准确率,且随机森林分类器的判别性能优于逻辑回归模型.本研究为天基空间目标监视任务与航天器自主规避决策支撑提供了有效的技术解决方案.
