报告详情
基于强化信息输入DNN的地月空间轨道族分类方法
编号：92
访问权限：仅限参会人
更新：2026-11-08 19:51:33 浏览：4次
口头报告
报告开始：暂无开始时间（Asia/Shanghai）
报告时间：暂无持续时间
所在会场：[暂无会议] [暂无会议段]
暂无文件
摘要
地月空间因其广袤的空间、丰富的资源而备受关注。利用天基光学探测设备，快速、高效的对地月空间中的非合作目标进行轨道确定，是地月空间态势感知的核心目标。而基于观测信息识别和分类目标所在轨道族则是实现快速初始轨道确定(IOD, Initial Orbit Determination)的重要手段。本文提出一种基于强化信息输入深度神经网络(DNN, Deep Neural Network)的地月空间轨道分类方法，将基于会合坐标系下的强化角度信息和相应的解作为样本以进行神经网络训练，并通过时序信息组的形式消除同一视线轨道解的易混淆的特性。最后通过多组仿真测试数据对网络算法进行了仿真验证。分析结果表明，通过训练和引入时序信息组后对六类地月空间典型的轨道族进行分类，可以快速得到相应轨道分类结果，对于L1,L2点的高价值轨道的识别精准度可以达到96%以上，且模型在噪声干扰下仍保持较高鲁棒性。在解决具有典型动力学非线性的地月空间目标轨道识别分类领域具有一定的鲁棒性和较高的识别精准度，对提升地月空间态势感知能力具有重要意义。
关键词
地月空间，非合作目标初轨确定，深度神经网络(DNN, Deep Neural Network)，轨道族分类，时序信息组
报告人
邱海鹏
助理工程师 齐鲁空天信息研究院稿件作者
全部评论
重要日期
-
会议日期
11月27日
2026
至11月30日
2026
-
09月20日 2026
报告提交截止日期
-
11月13日 2026
初稿截稿日期
-
11月30日 2026
注册截止日期
主办单位
中国空间科学学会空间探测专业委员会
承办单位
中国科学院近代物理研究所
发表评论