La precisión en la predicción orbital a medio y largo plazo de grandes vehículos espaciales en órbita baja está principalmente afectada por la incertidumbre del ambiente espacial y los cambios en la configuración en órbita. Los métodos tradicionales de predicción están limitados por errores en los modelos de densidad atmosférica y la aplicabilidad del coeficiente de arrastre, y carecen de un modelado detallado del área expuesta al viento con los cambios de configuración. Este artículo propone un método inteligente de predicción orbital a medio y largo plazo para grandes vehículos espaciales transformables. El método introduce el concepto de coeficiente de arrastre falso, modelando de forma unificada la incertidumbre de la densidad atmosférica y del coeficiente de arrastre como un parámetro temporal variable y aprendible, construyendo un marco de predicción que fusiona un modelo dinámico de alta precisión con un enfoque basado en datos; además, presenta un modelo de corrección del coeficiente de arrastre falso que describe explícitamente la relación cuantitativa entre el cambio del área expuesta al viento y el coeficiente de arrastre falso. Un experimento de simulación basado en un vehículo espacial transformable en órbita mostró que en escenarios con múltiples transformaciones, el método propuesto reduce significativamente el error de predicción orbital en comparación con los métodos tradicionales, mejorando efectivamente la precisión y adaptabilidad de la predicción a medio y largo plazo.

grandes vehículos espaciales;predicción orbital;coeficiente de arrastre;área expuesta al viento