195 / 2019-09-05 21:14:41

基于长短期记忆神经网络的火箭体弹道系数估计

再入预测,长短期记忆神经网络,空间碎片

处于地球同步轨道（GTO）中的废弃火箭体受到大气阻力的影响会再入大气层，而比较大的火箭体如推进剂储箱再入大气层的过程中由于燃烧不充分可能会撞击地面，对地面群众与设施的安全带来威胁。为了减轻火箭体再入地球大气层所带来的风险，需要对火箭体的再入过程进行预测。本文中，选取80个原处于GTO轨道中的火箭体的两行轨道根数（TLE）数据对BC进行估计，利用长短期记忆神经网络（LSTM）对估计的BC值随时间的变化规律进行学习，并对20个原处在GTO轨道中的火箭体的BC值和再入时间进行预测，最后对再入预测时间的精度进行了评估。