随机森林在低轨空间目标阻力系数确定问题中的应用

对绝大多数空间目标而言,由于观测条件和观测手段的限制,测轨数据稀疏且精度较低,传统轨道确定时一并解算的大气阻力系数精度稳定性很差。针对这一问题,提出一种基于随机森林的大气阻力系数预测模型。该模型主要利用某个目标的历史大气阻力系数、轨道数据、太阳地磁指数、大气密度等信息预测该目标未来一段时间内的大气阻力系数。仿真GRACE(gravityrecoveryandclimateexperiment)A卫星2002年的测轨数据,进行多个时间段的轨道确定与预报模拟实验。结果表明,相比于传统方法,利用所提模型预测大气阻力系数,再将其应用于轨道确定和预报,7天轨道预报最大误差降幅可达60%,有效抑制了最大误差,为稀疏测轨数据条件下改善空间目标轨道确定与预报精度提供了一种技术途径。     

多监测任务下空间碎片监测网调度优化方法

空间碎片监测网采集的轨道测量数据是轨道编目的基础。面对巨量碎片和有限的监测站点,数据采集方法与快速的作业任务调度优化是充分发挥监测效能、提升编目能力和精度的关键技术。监测任务包括常规监测、重点目标监测和应急监测等。针对监测网多任务调度优化问题,以监测收益为目标函数,分别提出线性指派模型和考虑移动成本的非线性指派模型,并使用改进的LAPJV算法和改进的2-opt算法进行解算。开展了地基观测网络空间碎片监测任务优化仿真实验,线性模型和非线性模型处理200个测站、7 170个碎片的4 h任务规划,改进的LAPJV算法和2-opt算法的解算时间分别为12.051 s和162.071 s,监测总收益分别为289 399.07和285 333.79,分别可监测2 931和2 918个碎片,占碎片总数的40%以上。结果表明,模型/算法兼顾解算速度和精度,具有近实时监测任务优化的能力,可以作为监测任务优化的有效解决方案。