利用物理信息神经网络追踪非弹性碰撞后未跟踪空间碎片

随着低地球轨道中卫星部署的持续增加，来自未跟踪空间碎片的碰撞风险也在上升。通常小尺寸空间碎片（小于 10 cm）难以用现有最先进方法跟踪。然而，知晓此类空间碎片的轨迹对避免未来碰撞至关重要。我们提出一种基于物理信息神经网络（PINN）的方法，用于估计活跃卫星与空间碎片碰撞事件后碎片的轨迹。本工作中，我们模拟了活跃卫星与空间碎片之间的 8565 次非弹性碰撞事件。利用碰撞前物体的速度，我们计算碰撞后速度并记录观测值。通过观测活跃卫星偏离轨迹的情况，可将非弹性碰撞事件后未跟踪空间碎片与已跟踪活跃卫星的状态（位置与速度）、恢复系数及质量估计表述为一个优化问题。我们应用经典优化方法即拉格朗日乘子法求解上述优化问题，观察到其状态估计不令人满意，因为该系统是欠定的。随后，我们设计了基于深度神经网络的方法与基于物理信息神经网络（PINN）的方法来求解该优化问题。我们使用均方根误差（RMSE）与预测的四分位距比较了各模型性能。观察到基于 PINN 的方法相较于其他方法能更好地预测空间碎片的位置、速度、质量与恢复系数。