面向大型变型航天器的智能轨道预报方法

廖嘉豪; 孟云鹤

doi:10.11714/acta.snus.ZR20260013

您当前的位置：

首页 >

文章列表页 >

面向大型变型航天器的智能轨道预报方法

研究论文 | 更新时间：2026-05-22

- 面向大型变型航天器的智能轨道预报方法
- Intelligent orbit prediction for large morphing spacecraft
- 中山大学学报(自然科学版)(中英文) 2026年65卷第3期页码：128-134
- 作者机构：
  
  中山大学人工智能学院，广东珠海 519082
- 作者简介：
  
  廖嘉豪（2000年生），男；研究方向：空天智能；E-mail：liaojh28@mail2.sysu.edu.cn
  孟云鹤（1978年生）），男；研究方向：空天智能；E-mail：mengyh7@mail.sysu.edu.cn
- 基金信息：
  
  中山大学智控实验室开放基金(ICL-2023-0403)
- DOI：10.11714/acta.snus.ZR20260013
  中图分类号： V412.4
- 收稿：2026-01-02，
  
  录用：2026-01-26，
  
  网络首发：2026-04-07，
  
  纸质出版：2026-05-25
- 稿件说明：
移动端阅览
廖嘉豪,孟云鹤.面向大型变型航天器的智能轨道预报方法[J].中山大学学报(自然科学版)(中英文),2026,65(03):128-134.

LIAO Jiahao,MENG Yunhe.Intelligent orbit prediction for large morphing spacecraft[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2026,65(03):128-134.
廖嘉豪,孟云鹤.面向大型变型航天器的智能轨道预报方法[J].中山大学学报(自然科学版)(中英文),2026,65(03):128-134. DOI： 10.11714/acta.snus.ZR20260013.

LIAO Jiahao,MENG Yunhe.Intelligent orbit prediction for large morphing spacecraft[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2026,65(03):128-134. DOI： 10.11714/acta.snus.ZR20260013.

摘要

低轨大型航天器的中长期轨道预报精度主要受空间环境不确定性及在轨构型变化的影响。传统预报方法受限于大气密度模型误差及阻力系数的适用性，且对迎风面积随构型变化缺乏精细建模。本文提出了一种面向大型变型航天器的中长期智能轨道预报方法。该方法引入伪阻力系数概念，将大气密度和阻力系数的不确定性统一建模为可学习的时变参数，构建了融合高精度动力学模型与数据驱动的预报框架；进一步给出了伪阻力系数修正模型，显式刻画迎风面积变化与伪阻力系数之间的定量关系。以某在轨大型变型航天器为研究对象的仿真实验表明：在多次变型场景下，所提方法的轨道预报误差显著低于传统方法，可有效提升中长期预报的精度与适应性。

Abstract

The accuracy of medium and long-term orbit predictions for LEO spacecraft is susceptible to uncertainties in the space environment and on-orbit configuration changes.The traditional prediction methods are limited by errors in atmospheric density models，the inadequate applicability of drag coefficients，and the lack of detailed modeling of the variation in effective windward area due to configuration changes.This paper proposes a medium and long-term orbit prediction method for large morphing spacecraft.This method introduces pseudo-drag coefficient to uniformly model the multiple uncertainties related to atmospheric drag as a learnable time-varying parameter.It constructs a prediction framework that integrates high-precision dynamic orbit model with data-driven techniques.Furthermore，a correction model for the pseudo-drag coefficient is established to explicitly characterize the quantitative relationship between changes in the windward area and the pseudo-drag coefficient. Simulation experiments conducted on a large morphing spacecraft demonstrate that， under multiple morphing scenarios，the proposed method achieves significantly lower orbit prediction errors than traditional method，effectively enhancing the accuracy and adaptability of medium and long-term prediction.

关键词

Keywords

references

段成林，盛庆轩，慎千慧，等， 2025 . 空间站高精度轨道预报空间环境参数使用策略分析［J］. 载人航天， 31 （ 3 ）： 344 - 350 .

雷骐玮，张洪波， 2023 . 基于PPO2强化学习算法的空间站轨道预报方法［J］. 中国空间科学技术， 43 （ 4 ）： 93 - 103 .

汪宏波，赵长印，柳仲贵，等， 2016 . 基于误差发散规律的低轨卫星大气阻力系数计算方法［J］. 天文学报， 57 （ 4 ）： 447 - 460 .

徐玲玲，赵航，宋静，等， 2024 . 基于SGP4模型的空间站轨道精度分析［J］. 全球定位系统， 49 （ 2 ）： 98 - 105 .

CALABIA A ， JIN S ， 2021 . Upper-Atmosphere Mass Density Variations From CASSIOPE Precise Orbits ［J］. Space Weather ， 19 （ 4 ）： e2020SW002645 .

CHEN X ， TANG C ， DAI W ， et al ， 2025 . Modelling and prediction of atmospheric drag coefficients in LEO satellite orbit determination and prediction with Bi-LSTM approach ［J］. Adv Space Res ， 75 （ 3 ）： 2874 - 2888 .

CIMMINO N ， OPROMOLLA R ， FASANO G ， 2023 . Machine learning-based approach for ballistic coefficient estimation of resident space objects in LEO ［J］. Adv Space Res ， 71 （ 12 ）： 5007 - 5025 .

DEY S ， RAY S ， GHOSH S ， et al ， 2025 . An extreme events study of the storm-time variations in satellite drag coefficients ［J］. Space Weather ， 23 （ 12 ）： e2025SW004634 .

EMMERT J T ， 2015 . Thermospheric mass density： A review ［J］. Adv Space Res ， 56 （ 5 ）： 773 - 824 .

HAO Y ， LU J ， PENG G ， et al ， 2024 . F10.7 daily forecast using LSTM combined with VMD method ［J］. Space Weather ， 22 （ 1 ）： e2023SW003552 .

HUANG W B ， TANG R ， QU G Z ， et al ， 2024 . An XGBoost-based method for improved orbit prediction with an orbit-separate modeling strategy ［J］. IEEE Trans Aerosp Electron Syst ， 60 （ 4 ）： 4887 - 4895

LI B ， ZHANG Y ， HUANG J ， et al ， 2021 . Improved orbit predictions using two-line elements through error pattern mining and transferring ［J］. Acta Astronaut ， 188 ： 405 - 415 .

LIN C ， CHEN J ， ZHU H ， 2025 . A method for compensating prediction errors to improve the orbit prediction accuracy of Starlink satellites ［J］. GPS Solutions ， 29 （ 1 ）： 17 .

MONTENBRUCK O ， GILL E ， RACKESTAD B ， et al ， 2011 . Orbit determination and prediction of the International Space Station ［J］. J Spacecr Rockets ， 48 （ 6 ）： 1055 - 1067 .

National Aeronautics and Space Administration（NASA）， 2025 . Unique Conjunction Events ［EB/OL］.［ 2025-01-01 ］. https：//www.nasa.gov/cara/unique-conjunction-events https://www.nasa.gov/cara/unique-conjunction-events .

North American Aerospace Defense Command（NORAD）， 2024 . Space Scoreboard ［EB/OL］. ［ 2024-12-24 ］. https：//www.space-track.org https://www.space-track.org .

PENG H ， BAI X ， 2023 . A medium-scale study of using machine learning fusion to improve TLE prediction precision without external information ［J］. Acta Astronaut ， 204 ： 477 - 491 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于AMPK/PI3K/AKT通路探讨清开灵口服液治疗NAFLD的作用机制

基于密度泛函理论的生命体水环境下GA分子消除OH的反应机制

中药大品种培育的探索与实践：上市后质量与药效再评价

1982—2021年天山NDVI时空变化及影响因素

多次顶空固相微萃取在不同年份广陈皮挥发性化合物定量中的应用