基于机器学习的航天器碎片再入风险与安全性评估
机器学习
2023-09-08 v1
摘要
不受控航天器在再入过程中会解体并产生大量碎片，烧蚀碎片可能对地面人类生命与财产安全造成潜在风险。因此，预测航天器碎片的落点并预估碎片对人类生命与财产的风险程度十分重要。鉴于再入过程及再入点难以提前预测，且不受控航天器在服役期满时再入解体产生的碎片可能对地面造成损毁。本文采用面向对象方法，将航天器及其解体部件视为由简单基本几何模型构成，并首次引入支持向量回归（SVR）、决策树回归（DTR）和多层感知机（MLP）三种机器学习模型，以预测航天器碎片落点的速度、经度和纬度。随后，我们比较了三种模型的预测精度。此外，我们定义了再入风险与危险程度，并计算各航天器碎片的风险等级，据此发出预警。实验结果表明，所提方法能在至少 15 秒内获得高精度的预测结果，并使安全等级预警更具实时性。
引用
@article{arxiv.2302.10530,
title = {Reentry Risk and Safety Assessment of Spacecraft Debris Based on Machine Learning},
author = {Hu Gao and Zhihui Li and Depeng Dang and Jingfan Yang and Ning Wang},
journal= {arXiv preprint arXiv:2302.10530},
year = {2023}
}