物理阻力系数的随机建模——其对轨道预测与空间交通管理的影响
空间物理
2022-10-21 v2
摘要
近年来商业实体的雄心勃勃的卫星星座项目以及进入太空的便利导致了低地球空间交通的急剧激增。这危及空间安全和长期可持续性，使得更好的空间交通管理(STM)成为必要。除其他外，正确建模力模型和轨道状态中的不确定性是 STM 的重要组成部分。对于低地球轨道(LEO)区域中的物体，轨道动力学中的不确定性主要源于对大气阻力相关参数和变量的有限了解。在本文中，我们扩展了 Paul 等人[2021]的工作，开发了一个前馈深度神经网络模型，用于预测卫星阻力系数在卫星姿态全范围下的值（即卫星俯仰角 (, ) 和卫星偏航角 (, )）。该模型同时预测均值和标准差，并且校准良好。我们使用数值模拟的物理阻力系数数据来训练我们的神经网络。数值模拟使用测试粒子蒙特卡洛方法，采用具有不完全调节的漫反射气体-表面相互作用模型进行。建模针对著名的 CHAllenging Minisatellite Payload (CHAMP) 卫星进行。最后，我们使用蒙特卡洛方法在各种建模场景下对 CHAMP 进行为期三天的轨道传播，以研究由阻力系数不确定性引起的径向、沿迹和跨迹轨道误差的分布。
引用
@article{arxiv.2210.08364,
title = {Stochastic modeling of physical drag coefficient -- its impact on orbit prediction and space traffic management},
author = {Smriti Nandan Paul and Phillip Logan Sheridan and Richard J. Licata and Piyush M. Mehta},
journal= {arXiv preprint arXiv:2210.08364},
year = {2022}
}