CN119475260A 基于多元特征的卫星轨道预测方法、装置及设备 （数字太空(北京)科技股份公司）

本申请公开一种基于多元特征的卫星轨道确定ICRS坐标系下卫星在预测时刻的速度位置参数转换为ECEF坐标系，得到第二速度位置参进行特征融合后得到的输入特征输入至轨道修2在向轨道力学模型输入当前时刻的卫星轨道根数的情况下，基于所述轨道力学模型，确定地心惯性直角ICRS坐标系下卫星在预测时刻的速度位置参数，得到第一速度位置参将所述第一速度位置参数转换为地固直角ECEF坐标系，得到预测模型用于评估轨道力学模型输出的针对速度位置参数的预测值的基于所述轨道修正模型对所述预测时刻对应的第二基于所述目标误差预测值对所述第二速度位置参数进行调整，获取六个分量参数对应的六个子融合模型，其中，不同子融基于所述轨道修正模型对所述预测时刻对应的第二基于所述六个子融合模型，分别对所述第二速度位置参数中六基于所述历史训练数据对每个分量参数对应3其中，所述历史训练数据中的卫星状态特征为ECEF坐标系6.根据权利要求4或5所述的方法，其特征在于，每个按照多折交叉验证将所述多组数据集划分为训练数据集和测试数据集；结合所述训练数据集和测试数据集，分别对每个分量参数对应的子融合模型进行训将所述第一时刻的卫星轨道根数输入至所述轨道力学模型，得到所基于所述历史训练数据对预设模型进行训练，得到与所述轨道力确定模块，用于在向轨道力学模型输入当前时刻的卫星轨坐标系转换模块，用于将所述第一速度位置参数转换为地固直第二速度位置参数进行特征融合后得到输入特征，并将所述输入特征输入至轨道修正模误差评估模块，用于基于所述轨道修正模型对所述预测时刻对应的误差修正模块，用于基于所述目标误差预测值对所述第4令的存储器；所述电子设备执行所述计算机程序指令时实现如权利要求1_8中任一项所述5[0002]超低轨卫星运行在距离地球表面150km至300km之间的轨道上，由于卫星数量庞度进行计算，例如简化常规摄动模型4（SimplifiedGeneralPerturbationModel4，以及第二速度位置参数进行特征融合后得到输入特征，并将输入特征输入至轨道修正模6[0014]图2是本申请另一实施例提供的基于多元特征的卫星轨道预测方法的流程示意7[0015]图3是本申请实施例提供的一种基于多元特征的卫星轨道预测装置的结构示意[0025]ICRS坐标系：即国际天球参考系统（InternationalCelestialReference[0027]大地坐标系（WGS84是一种国际上广泛采用的地心坐标系，全称为World8电通量，因此能够反映太阳活动强度。F10.7被用作太阳紫外辐射的一个很好的代表。Dst指数是从地球赤道周围四个点的磁场小时测量值确定的，用于模拟地磁暴期间全球密9机器学习算法对轨道进行拟合，而不依赖于传统的受力分析来预报卫星轨道的技术方案。模型输出的预测值的误差。[0047]②估计状态：在当前时刻的估计状态，该估计状态以卫星轨道根数（Orbital[0054]②ANN的输入特征以及输出特征的表达形式不统一：输入的卫星当前位置和下一[0055]由此可见，上述使用机器学习算法来修正轨道力学模型预报误差的混合预报方[0058]图1是本申请一实施例提供的基于多元特征的卫星轨道预测方法的流程示意图，该基于多元特征的卫星轨道预测方法的执行主体可以为超低轨道保障系统中的卫星轨道[0059]下面以基于多元特征的卫星轨道预测方法的执行主体为[0060]如图1所示，本申请实施例提供的基于多元特征的卫星轨道预测方法可以包括步[0065]步骤150，基于轨道修正模型对预测时刻对应的第二速度位置参数的误差进行评[0072]卫星轨道根数是描述天体或航天器在其开普勒轨道上运动时所需的一组六个关精确地定义一个物体在三维空间中的轨道位置[0075]在步骤120中，本申请可以使用专业的数学库或地理信息系统（GeographicAbstractionLibrary）是一个用于读写栅格和矢量地理空间数据格式的开源库。MATLAB[0081]在本申请实施例中，通过将输入特征中卫星在当前时刻的速度位置参数转换为太阳对地球直射点的经度lonsun和纬度latsun，以及卫星与太阳的相对经纬差Alonsun和[0086]Alonsun=lonsat-lonsun[0087]Alatsun=latsat-latsun（2）[0089]Alatmoon=latsat-latmoon（4）练得到，轨道修正模型用于评估轨道力学模型输出的针对速度位置参数的预测值的误差，后。针对第二时刻的速度位置参数的真实值可以通过卫星探测系统对卫星实际探测得到。[0105]步骤150，基于轨道修正模型对预测时刻对应的第二速度位置参数的误差进行评卫星在ECEF坐标系下的速度误差预测值ve-pred和位置误差预测值pe-pred，则结合第二[0110]vpred=votve-pred[0112]最后将vperd和ppred转化为ICRS坐标系下最终预报值vpred-icrs和ppred-icrs预测值，六个分量误差预测值用于对第二速度位置参数中的六个分量参数分别进行调整个位置分量参数(p%)和三个速度分量参数(v%)；卫星在ta时刻的第二速度位置参数中包含三个位置分量参数(p%-u)，以及三个速度分量参[0121]轨道修正模型输出的三个速度分量误差预测值为三个位置分量误差预测值为因此可以通过这六个分量误差预测值对第二速度位置参数中的,,,,p-u+p即可得到型对轨道力学模型所输出预测值进行误差评估[0123]在本申请的一些实施例中，在上述步骤210获取六个分量参数对应的六个子融合[0132]结合训练数据集和测试数据集，分别对每个分量参数对应的子融合模型进行训预测值进行误差评估的准确度，每个子融合模型均由多个基模型和一个目标融合模型组[0136]多个基模型是基于历史训练数据训练得到的，具体地是将第一时刻的时间特征、[0149]模型的输出特征为第一基模型对HPOP预报的卫星在x轴上的速度分量参数的速度[0151]模型的输入特征与lightGBM中相同，通常参与调优的超参数有n_estimators，第二基模型对HPOP预报的卫星在x轴上的速度分量参数的速度误差预[0154]模型的核函数kernel选择rbf，模型训练时正则化参数C、epsilon、核函数系数[0155]模型输出为第三基模型对HPOP预报的卫星在x轴上的速度分量参数的速度误差预H，H=lstm(xy)，这里最后一轮输出的H可以视为从原始时序环境特征中提取出的高级出值即为该第四基模型对HPOP预报的卫星在x轴上的速度分量参数的速度误差预测值[0159]在模型训练时使用均方误差作为损失函数，使用反向传播算法对元模型进行训[0161]模型的输入特征与整体结构与第四基模型相同，将提取时序特征的神经网络由型对HPOP预报的卫星在x轴上的速度分量参数的速度[0167]训练方法为使用大量历史数据中的各种模型的预测误差作为输入特行有效融合，进而实现对HPOP预报的卫星在x轴上的速度分量参数的速度误差预测值的准[0170]图3是本申请实施例提供的一种基于多元特征的卫星轨道预测装置的结构示意得到第一速度位置参数；坐标系转换模块320，用于将第一速度位置参数转换为地固直角模型针对不同卫星状态以及不同空间环境状态下输出的预测值与真实值的误差进行拟合，度位置参数的预测值和真实值均为ECEF型包括lightGBM、随机森林算法、支持向量机SVM算法、长短期记忆网络LSTM、编码器transformerencoder中的至少两项。[0180]本申请实施例提供的基于多元特征的卫星轨道预测装置，能够实现图1_2的方法[0183]在一个示例中，上述处理器402可以包括中央处理器（CPU或者特定集成电路（ApplicationSpecificIntegratedCircuit，施例的一个或多个集成电路。[0185]处理器402通过读取存储器401中存储的可执行程序代码来运行与可执行程序代存储器总线、微信道架构（MicroChannelArchitecture，MCA）总线、外围组件互连[0189]本申请实施例提供的电子设备，能够实现图1_2的方法实施例中电子设备所实现令被处理器执行时实现上述实施例中的任意一种基于多元特征的卫星轨道预测方法的步品被至少一个处理器执行时实现上述实施例中的任意一种基于多元特征的卫星轨道预测[0194]需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处和/或框图中各方框的组合可以由计算机程