机构名称：
¥ 2.0
初始轨道测定（IOD）是Cislunar制度中日益相关的问题，在该制度中，混乱的动力学会降低经典IOD方法的性能。在这项调查中，提出了一个端到端Cislunar IOD过程的框架，其中包含了仅角度的观察，该观察值模拟了机会检测方案。列表机器学习技术以帮助复杂的Cislunar IOD过程，这项工作为Cislunar Orbit确定（MCCLOD）模型提供了机器分类器，该模型采用神经网络，将有关循环限制性三体性问题（CRTBP）的神经网络注入有关已知的多体动态结构的信息。在高保真动力学环境中，新型的mcClod iod工艺直接与Earth-moon L 1和L 2 Halo Orbit示例的经典两体IOD方法（Gooding）进行了比较。通过回归和轨道分类实施两个神经网络（NN）模型，以识别仅角度的仅角度测量的6D状态。结果模拟表明精度的急剧提高（McClod最多证明位置误差性能的两个数量级提高）和批处理最小二乘的收敛一致性。尽管“与回归的分类” NN降低了整体McClod iod性能，但模拟表明混合分类NN随后是回归NN框架在经过测试的Cislunar IOD问题中产生较低的位置误差。
使用机器学习的Cislunar初始轨道测定的一种自适应方法
主要关键词
相关文件推荐
