基于深度神經(jīng)網(wǎng)絡(luò)補償模型的軌道預(yù)報技術(shù).pdf

1、衛(wèi)星軌道預(yù)報是衛(wèi)星應(yīng)用研究的基礎(chǔ)。建立高精度的衛(wèi)星軌道預(yù)報模型對于提高衛(wèi)星導(dǎo)航定位精度、增強衛(wèi)星星座自主導(dǎo)航能力以及空間交會對接等航天任務(wù)的完成都有重要的意義。本文研究了提高衛(wèi)星軌道預(yù)報精度的方法,主要研究內(nèi)容和創(chuàng)新點如下:
　　1、建立了精度為米級的導(dǎo)航衛(wèi)星動力學(xué)模型,分析了攝動力對導(dǎo)航衛(wèi)星軌道預(yù)報的影響。建立了適合GPS導(dǎo)航衛(wèi)星的動力學(xué)模型預(yù)報方案,進行了短期和長期預(yù)報仿真,對仿真結(jié)果進行了分析。
　　2、研究了深度神經(jīng)

2、網(wǎng)絡(luò)的拓撲結(jié)構(gòu)及其訓(xùn)練算法,給出了訓(xùn)練算法原理圖。受限玻爾茲曼機是深度神經(jīng)網(wǎng)絡(luò)的基石,訓(xùn)練的關(guān)鍵步驟是對模型的采樣。分析了三種基于馬爾可夫鏈蒙特卡洛采樣算法和受限玻爾茲曼機的結(jié)構(gòu)特性,將最適用于受限玻爾茲曼機結(jié)構(gòu)特性的blocked Gibbs采樣算法用在仿真中。
　　3、基于動力學(xué)模型預(yù)報誤差的特性,建立了基于深度神經(jīng)網(wǎng)絡(luò)的補償混合模型。以 GPS導(dǎo)航衛(wèi)星為對象,分別采用BP網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)對預(yù)報誤差進行建模并進行了預(yù)報對比仿