Avancee-1任务与SaDoD方法：基于LiDAR利用光学神经网络的空间碎片受激原子解体
仪器与探测器
2021-05-31 v1 机器学习
摘要
低地球轨道（LEO）中卫星的表面退化受原子氧（AO）影响，并随航天器轨道参数不同而发生变化。原子氧与材料发生多种化学和物理反应，并在高能量下产生侵蚀及碎片的自发解体。本文讨论Avancee-1任务，即基于LiDAR利用光学神经网络（ONN）优化碎片探测与任务精度的空间碎片清除。SaDoD方法即轨道碎片的受激原子解体，本例中通过LiDAR技术与光学神经网络实现。我们提出具有较强图像探测与分类能力的光学神经网络算法。结果表明，当激光束来自地球静止轨道（GEO）卫星且存在高太阳活动时，轨道碎片解体的概率更高。本文提出一种基于原子氧侵蚀随轨道参数和太阳能量级变化的LiDAR空间碎片清除方法。所得结果显示，轨道碎片在低高度和较高温度下经历最强烈的退化。GEO中的卫星在发射激光束前使用光学神经网络算法进行目标探测以实现自发解体。SaDoD方法可与其他技术结合实现，但就Avancee-1任务而言，SaDoD由LiDAR技术与光学神经网络算法实现。
引用
@article{arxiv.2105.13485,
title = {Avancee-1 Mission and SaDoD Method: LiDAR-based stimulated atomic disintegration of space debris (SaDoD) using Optical Neural Networks},
author = {Manuel Ntumba and Saurabh Gore},
journal= {arXiv preprint arXiv:2105.13485},
year = {2021}
}
备注
6 pages, 6 figures