【技术实现步骤摘要】
本专利技术属于雷达通信，更进一步涉及电子对抗中的一种基于神经网络的航天器集群威胁评估方法。本专利技术可用于航天器集群对目标航天器的威胁程度进行评估。
技术介绍
1、随着人类航天活动的频繁，空间中航天器的功能逐渐多样化，由多个航天器构成的集群更加灵活、快速，所以航天器集群对目标航天器构成的威胁也在不断提升。在此情况下要求目标具有更高的评估航天器集群的威胁方法，以有效的应对来自空间集群的威胁。
2、于大腾等人在其发表的论文“面对接近式威胁的在轨飞行器安全性分析方法”(宇航学报,2020,41(8):1084-1093)中提出了一种单个追踪器对目标航天器的威胁评估方法。该方法的实现方案是：第一步，构架脉冲冲量计算模型，当单个追踪器与目标航天器异面时，选用双脉冲lambert函数对变轨接近所需脉冲进行简单评估；第二步，构建交会采样间隔计算模型，在采用lambert函数进行计算时，遍历的转移轨道时长作为交会采样间隔，与其得到的脉冲冲量解集采用一一对应；第三步，构建最小相对距离计算模型，单追踪航天器不论进行何种复杂的机动，最终目的是靠近目标航天器，因此两者之间的相对距离必将呈减少的趋势，相对距离越小威胁越大；第四步，搭建多指数加权综合评价与决策模型，将各个指数评价值与相应的指数权重相乘后累加求和，即可得到整个方案综合评价值。该方法存在的不足之处是，在实际的空间运行中，由集群构成的追踪航天器更加灵活，队形与行为多变，且运载的信息量更多，使用单追踪航天器难以对目前复杂多变的空间态势进行更全面的威胁评估。
3、吴丽君等人在
技术实现思路
1、本专利技术的目的在于针对上述现有技术的不足，提出一种基于神经网络的航天器集群威胁评估方法。用于解决集群的追踪航天器无法对目标航天器进行威胁评估的问题，以及忽略空间环境对目标航天器威胁脉冲冲量和交会时间权重而带来的风险遗漏。
2、实现本专利技术目的的思路是，对航天器集群的队形中每个航天器的飞行轨迹进行仿真，确定集群中主追踪航天器和目标航天器，生成每个行为区域对应的特征张量，标注每个行为区域对应的特征张量生成在对应的队形和意图的标签，将所有的特征张量和其标签组成训练集，将传感器接收到的数据分别输入到神经网络和lambert轨道转移函数中，得到队形、意图、脉冲冲量和轨道转移时间四种威胁要素，将目标航天器与主追踪航天器之间的相对距离作为第五种威胁要素，通过层次分析法计算五种威胁要素的权重，将所有的威胁要素的权重与归一化指数值加权，得到综合威胁指数。
3、本专利技术实现的具体步骤包括如下：
4、步骤1，生成包括队形和行为区域意图的训练集；
5、步骤2，构建并训练神经网络，利用训练集对网络参数进行更新，得到训练好的神经网络；
6、步骤3，将传感器接收到的采样数据输入到训练好的神经网络中，得到队形和意图两种威胁要素；
7、步骤4，根据lambert轨道转移函数，计算在每种队形中每个行为区域内每个采样点处，主追踪航天器在轨道转移时间内发生轨道转移与目标航天器完成交会所需的脉冲冲量，得到轨道转移时间和脉冲冲量两种威胁要素；
8、步骤5，按照层次分析法，分别计算威胁要素中的队形、意图、轨道转移时间、脉冲冲量、每个采样点处目标航天器和主追踪航天器之间的相对距离的权重
9、步骤6，将所有的威胁要素的权重与归一化指数值加权，得到综合威胁指数。
10、本专利技术与现有的技术相比具有以下优点：
11、第一，本专利技术在单个追踪航天器的基础上引入了集群的概念，通过将追踪航天器构成集群，克服了现有技术在复杂多变的空间中，非合作集群追踪器对目标航天器的威胁评估的不足，通过对航天器集群所构成的不同队形和行为分别进行威胁评估，克服了现有技术在不同空间态势下目标航天器的在轨安全性的不足，使得本专利技术实现了由多个追踪航天器构成的不同队形和意图集群对目标航天器的威胁程度评估。
12、第二，本专利技术引入了神经网络，通过对目标航天器和追踪航天器构成的集群进行队形和意图的模型训练，克服了现有技术因直接设定航天器的轨道六参数而引起的数据不平衡不足，使得本专利技术构建的神经网络具有良好的泛化能力，在设定不同的轨道六参数的场景中，使得本专利技术对待检测的目标航天器和追踪航天器所构成的集群能够做出准确预测的优点。
13、第三，本专利技术使用层次分析法计算各个威胁要素的权重，克服了现有技术通过固定值直接进行赋权无法直接反映空间环境对不同的威胁要素权重影响的缺陷，使得本专利技术具有针对不同空间环境下，对不同的威胁要素进行量化分析，从而能够全面考虑威胁要素的权重对综合威胁指数影响的优点。
本文档来自技高网...【技术保护点】
1.一种基于神经网络的航天器集群威胁评估方法，其特征在于，对航天器集群所构成的不同队形和行为分别进行威胁评估，利用层次分析法对各个威胁要素进行量化分析，计算得到综合威胁指数；该评估方法的步骤包括如下:
2.根据权利要求1所述的基于神经网络的航天器集群威胁评估方法，其特征在于，步骤1中所述生成训练集的步骤如下：
3.根据权利要求2所述的基于神经网络的航天器集群威胁评估方法，其特征在于，所述主动接近式航天器集群由至少3个追踪航天器和1个目标航天器组成。
4.根据权利要求2所述的基于神经网络的航天器集群威胁评估方法，其特征在于，所述的队形共包括5种，分别为纵队队形、下三角形队形、上三角形队形、横一队形和环绕队形；其构成方法如下：
5.根据权利要求2所述的基于神经网络的航天器集群威胁评估方法，其特征在于，所述主动接近式航天器集群中的主追踪航天器须的满足以下条件之一的情形：条件1，当主动接近式航天器集群的队形为三角形队形时，则选择单独运行在一条轨道上的追踪航天器作为主追踪航天器；条件2，除三角形队形外，将离目标航天器最近的追踪航天器作为主追踪
6.根据权利要求2所述的基于神经网络的航天器集群威胁评估方法，其特征在于，所述主动接近式航天器集群中的目标航天器须的满足以下条件之一的情形：
7.根据权利要求2所述的基于神经网络的航天器集群威胁评估方法，其特征在于，所述确定目标航天器与主追踪航天器之间的行为区域是指，在每一种队形中每个航天器的飞行轨迹中确定以下两类行为区域：
8.根据权利要求1所述的基于神经网络的航天器集群威胁评估方法，其特征在于，步骤2中所述构建并训练神经网络的步骤如下：
9.根据权利要求1所述的基于神经网络的航天器集群威胁评估方法，其特征在于，步骤4中所述Lambert轨道转移函数如下：
10.根据权利要求1所述的基于神经网络的航天器集群威胁评估方法，其特征在于，步骤5中所述的按照层次分析法，计算各个威胁要素的权重的步骤如下：
...【技术特征摘要】
1.一种基于神经网络的航天器集群威胁评估方法，其特征在于，对航天器集群所构成的不同队形和行为分别进行威胁评估，利用层次分析法对各个威胁要素进行量化分析，计算得到综合威胁指数；该评估方法的步骤包括如下:
2.根据权利要求1所述的基于神经网络的航天器集群威胁评估方法，其特征在于，步骤1中所述生成训练集的步骤如下：
3.根据权利要求2所述的基于神经网络的航天器集群威胁评估方法，其特征在于，所述主动接近式航天器集群由至少3个追踪航天器和1个目标航天器组成。
4.根据权利要求2所述的基于神经网络的航天器集群威胁评估方法，其特征在于，所述的队形共包括5种，分别为纵队队形、下三角形队形、上三角形队形、横一队形和环绕队形；其构成方法如下：
5.根据权利要求2所述的基于神经网络的航天器集群威胁评估方法，其特征在于，所述主动接近式航天器集群中的主追踪航天器须的满足以下条件之一的情形：条件1，当主动接近式航天器集群的队形为三角形队形时，则选择单独运...
【专利技术属性】
技术研发人员：刘向丽，高瑞雪，王晓哲，马浩瑜，李赞，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。