通过可微编程弥合 SGP4 与高精度传播之间的差距
机器学习
2024-11-22 v5 地球与行星天体物理
摘要
简化通用摄动 4 号（SGP4）轨道传播方法被广泛用于快速可靠地预测地球轨道物体的位置和速度。尽管不断 refined，SGP 模型仍然缺乏数值传播器的精度，后者提供的误差显著更小。本研究提出了 dSGP4，这是一种使用 PyTorch 实现的 SGP4 novel 可微版本。通过使 SGP4 可微，dSGP4 促进了各种空间相关应用，包括航天器轨道确定、状态转换、协方差变换、状态转移矩阵计算和协方差传播。此外，dSGP4 的 PyTorch 实现允许在两行根数集（TLEs）批次上进行极易并行的轨道传播，利用 CPU、GPU 和先进硬件的计算能力来分布式预测卫星未来的位置。此外，dSGP4 的可微性使其能够与现代机器学习技术集成。因此，我们提出了一种新的轨道传播范式 ML-dSGP4，其中神经网络被集成到轨道传播器中。通过随机梯度下降，该组合模型的输入、输出和参数可以迭代优化，从而超越 SGP4 的精度。神经网络默认充当恒等算子，遵循 SGP4 的行为。然而，dSGP4 的可微性允许使用星历数据进行微调，在保持计算速度的同时提高精度。这使得卫星操作员和研究人员能够使用特定的星历或高精度数值传播数据来训练模型，显著推进轨道预测能力。
引用
@article{arxiv.2402.04830,
title = {Closing the Gap Between SGP4 and High-Precision Propagation via Differentiable Programming},
author = {Giacomo Acciarini and Atılım Güneş Baydin and Dario Izzo},
journal= {arXiv preprint arXiv:2402.04830},
year = {2024}
}