CN105243278A - 一种基于概率理论的航天器智能预警方法 - Google Patents

一种基于概率理论的航天器智能预警方法 Download PDF

Info

Publication number
CN105243278A
CN105243278A CN201510682617.0A CN201510682617A CN105243278A CN 105243278 A CN105243278 A CN 105243278A CN 201510682617 A CN201510682617 A CN 201510682617A CN 105243278 A CN105243278 A CN 105243278A
Authority
CN
China
Prior art keywords
probability
target
node
rcs
ability
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510682617.0A
Other languages
English (en)
Other versions
CN105243278B (zh
Inventor
岳晓奎
陈园园
宁昕
袁建平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN201510682617.0A priority Critical patent/CN105243278B/zh
Publication of CN105243278A publication Critical patent/CN105243278A/zh
Application granted granted Critical
Publication of CN105243278B publication Critical patent/CN105243278B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供了一种基于概率理论的航天器智能预警方法,探测器为网络多个端点输入数据,当下层节点有输入值时,即在观测节点输入观测数据,推断出上级节点的在每种状态量的可能取值的概率,利用贝叶斯公式及先验概率,通过下级节点状态的概率,最终获得上级节点各状态的概率,本发明的航天器预警网络作为一种综合利用概率论和图论进行不确定性分析和推理的有效工具,能方便快速地处理不确定信息之间的因果关系,且计算简单,运算量少,收敛性和实时性好,可以用于解决空间目标航天器对我方平台威胁等级评估的问题。

Description

一种基于概率理论的航天器智能预警方法
技术领域
本发明涉及航天器领域,尤其是航天器的智能预警。
背景技术
随着太空中人造卫星和空间碎片数量的不断增加,在轨航天器面临着越来越严重的威胁。对于直径大于10cm的大型空间碎片,航天器必须采用规避机动才能免受致命伤害,碰撞规避实际上就是航天器对于直径在10cm以上的空间物体进行的一种主动防御措施。美国航空航天局(NASA)和欧空局(ESA)都多次成功采用轨道机动规避技术躲避了危险的在轨目标,有效地降低了碰撞风险。因此评估航天器与其它空间物体或空间碎片的碰撞可能性已经成为航天器飞行中必须考虑的问题。
目前航天器预警的发展方向主要有两个:一是Box区域方法。早期的航天器碰撞预警主要基于Box区域方法,碰撞规避是航天器对大于10cm的已编目空间碎片进行的一种主动防护措施。由于对空间碎片探测和预报都存在一定误差,因此引入Box区域判定法,通过在航天器周围定义警戒区域和规避区域,以判断航天器与空间碎片之间的距离是否已经构成碰撞危险。二是基于碰撞概率的航天器预警方法。这种碰撞概率不仅取决于当下时刻航天器与危险目标的最小距离,还考虑到两目标交会时的位置速度几何关系以及航天器与危险目标位置速度的不确定性,或其误差协方差矩阵。碰撞概率由相遇时航天器和危险目标的状态矢量及其协方差矩阵以及两目标的尺寸共同确定,但是这些方法都是基于一个或者少数几个观测值。
尽管空间航天器事业正在崛起,各种类型的预警方法也越来越多样。但随着对航天器与警方法的研究越来越深入,一些问题也逐渐暴露出来。目前的航天器预警方法在设计上大都是延续航天器的box区域判定法的设计思路,采用相对距离和相对角度等来判断了目标航天器的威胁程度,而忽略了相对速度变化、卫星用途和稳定方式等其余判断因素对航天器预警的影响。由于若目标航天器自身威胁程度能够从靠近阶段的反应体现出来,而且目标航天器是合作还是非合作对于判断卫星程度的影响很大,因此提供了航天器预警方法增加考虑多方面因素的方向发展。另一方面,既然航天器预警方法在增加输入节点的应该有很大发展,而前一时刻判断的结果也应该对当前时刻乃至下一时刻的威胁程度的判断起辅助决定的作用,也应该受到重视。此外,基于时间变化的多节点判断威胁概率的方法在航天器预警上的应用也非常少。
发明内容
为了克服现有技术的不足,本发明提供了一种基于概率论的航天器智能预警网络,以下简称“航天器预警网络”,该航天器预警方法摒弃了单纯利用空间区域距离单判断依据划分威胁程度的传统方法,转而增加利用相对速度变化、有无战斗部、稳定方式等影响因素来进行目标威胁程度的判断,使航天器预警更加精确,并且将静态预警网络沿时间轴展开成动态的预警网络,以满足空间环境下航天器预警所需要的判断依据。同时,该航天器预警网络采用随时间变化的动态的设计思路,以单个时刻的预警网络为基础,前后时刻预警威胁程度综合而成,提高了航天器预警网络的可靠性。
本发明解决其技术问题所采用的技术方案是:
第1步:航天器威胁等级由网络各个节点输入数值综合计算所得,航天器预警网络按照对结果的影响分为四层,第一层为相对距离、相对速度、目标类型、发射地区、有无轨道相交和前一时刻威胁等级六个判断节点;其中,目标类型下分第二层节点为RCS(雷达散射面积RadarCrossSection)大小、RCS周期、攻击能力、稳定方式和有无天线阵;其中攻击能力节点下分第三层节点为有无战斗部和变轨能力;其中有无战斗部节点下分第四层节点为有无天线阵;
当预警网络开始工作的时候,探测器为网络多个端点输入数据,不同的输入节点有不同的输入状态量,每个节点的不同状态量如表1所示,当下层节点有输入值时,根据贝叶斯公式即可在观测节点输入观测数据p(x)以后,推断出上级节点的在每种状态量p(y)的可能取值的概率,利用贝叶斯公式及先验概率p(y|x),可以最终得到p(y),即通过下级节点状态的概率,获得上级节点各状态的概率,其中,贝叶斯公式中y代表上级网络节点状态,x代表连接线的下级网络节点状态;
表1各目标特性可取变量状态表
序号 变量名称 变量可取状态
1.1 相对距离 远、中、近
1.2 相对速度 快、中、慢
1.3 目标类型 空间碎片、导弹、攻击型卫星、空间站、普通卫星
1.4 发射地区 敌、未知、友
1.5 轨道是否相交 是、否
1.6 前一时刻威胁程度 高、中、低
2.1 RCS面积均值 大、中、小
2.2 RCS变化周期 长、中、短
2.3 攻击能力 强、弱
2.4 稳定方式 自旋稳定、三轴稳定、不稳定
2.5 天线阵 x轴方向、z轴方向、没有天线阵
3.1 是否有战斗部 是、否
3.2 变轨能力 强、弱
4.1 有无天线阵 有、无
第2步,有无战斗部节点的概率由节点目标有无天线阵的不同概率得知,当观测节点得到有无天线阵观测值后,根据贝叶斯公式和表2即可以得到分别在有天线阵或无天线阵的条件下,有战斗部和无战斗部的概率取值:
表2目标航天器有无战斗部条件概率表
第3步,节点攻击能力的概率由第三层网络节点有无战斗部和变轨能力决定:有战斗部的目标攻击能力定义为强,无战斗部的目标攻击能力定义为弱,若目标带有燃料箱则变轨能力强,若没有燃料箱则变轨能力弱,根据第三层网络节点“变轨能力”和“有无战斗部”输入值,根据贝叶斯公式和表3,得到目标攻击能力分别为强和弱条件下的取值概率;
表3目标攻击能力概率表
第4步,根据第二层网络节点RCS周期、RCS面积、攻击能力、稳定方式和天线阵观测节点的输入值,根据贝叶斯公式和表4、5可以得到在这些输入条件下目标类型分别为空间碎片、导弹、攻击型卫星、空间站、普通卫星的可能的概率值,目标类型节点概率由第二层网络节点计算得到;
4.1目标类型由RCS面积判断:雷达反射面积在400dbsm以上定义为大,雷达散射面积在50dbsm定义为小,雷达散射面积在50dbsm到400dbsm之间定义为中;
4.2目标类型由RCS周期判断:目标具有章动、旋转或翻滚等姿态运动时,其雷达散射面积观测序列会有一个周期性变化,RCS周期在600s以上为长,RCS周期在50s以下为短,RCS周期在50s至600s之间为中;
4.3目标类型由攻击能力判断,在第3步中已经获得攻击能力分别强或弱条件下的不同概率值;
4.4目标类型由稳定方式判断:若目标是导弹、卫星或空间站,则会有相应的姿态控制,当对应RCS周期中长且峰值唯一则定义为自旋稳定,若对应RCS周期中长且峰值不唯一,则定义为三轴稳定,若RCS周期短则为不稳定;
若目标是是碎片,则定义为不稳定;
4.5目标类型由是否天线阵类型判断,若探测到的大规模天线阵是对地定向,即定义为是轨道坐标系中的z轴方向;若探测到的天线在轨道坐标系的速度轴方向上,即定义为x轴方向;若没有探测到天线阵,即定义没有天线阵;
表4目标类型的条件概率表
表5目标类型的条件概率表
第5步,根据第一层网络节点相对速度、相对距离、发射地区、有无轨道相交、目标类型、前一时刻目标威胁程度的各个输入值进行判断:
5.1威胁程度受到相对距离的影响:相对距离是判断对方是否有攻击倾向的重要途径,相对距离在50km以上定义为远,相对距离在10km以内为近,相对距离在10km至50km之间定义为中;
5.2威胁程度受到相对速度的影响:相对速度是判断对方时候是否有攻击企图的重要依据,若目标接近我方相对速度大于10km/s,定义相对速度为快;若目标接近我方相对速度小于1km/s,定义相对速度为慢;若目标接近我方相对速度在1km/s至10km/s之间则定义为中;
5.3威胁程度受到目标类型的影响:导弹和攻击性卫星的威胁程度大,通讯卫星和空间碎片及其他空间物体威胁程度小;
5.4威胁程度受到发射地区的影响:敌对国发射的目标定义为敌方,我方与同盟国发射的目标定义为友,无法得知目标发射地区的情况为未知;
5.5威胁程度受到有无轨道相交的影响:相交是指目标与我方航天器轨道相交且双方同时到达交点的过渡轨道,且时间上要在同一时间到达两个轨道交点;
5.6威胁程度受上一时刻目标威胁程的影响:假设动态概率过程是马尔科夫的,即当前t时刻的概率只与(t-1)时刻有关,且相邻时间的条件概率过程是平稳的,本发明将(t-1)时刻目标威胁程度值作为当前时刻目标威胁输入节点之一,避免某一时刻探测器出现误差而使结果发生突变,当(t-1)时刻威胁程度低,则t时刻威胁程度低的概率大,(t-1)时刻威胁程度高,t刻威胁程度高的概率大;
表6目标威胁程度条件概率表
表7目标威胁程度条件概率表
表8前一时刻威胁程度状态转移表
结合贝叶斯公式和表6、7、8,可以得到目标威胁程度分别为“高”、“中”、“低”的概率值,即得到网络最终输出结果目标威胁程度,威胁程度数值是由第一层网络中每个节点计算可得到。
本发明的有益效果在于本发明的航天器预警网络作为一种综合利用概率论和图论进行不确定性分析和推理的有效工具,具有坚实的理论基础,同时具有直观的知识表示形式,能方便快速地处理不确定信息之间的因果关系,且计算简单,运算量少,收敛性和实时性好,由于现代战场环境存在大量不确定性因素,因此对目标威胁等级的评估必定是一个概率行为,而该本发明的预警网络正是在非完全信息条件下进行不确定性推理的一种有效手段,可以用于解决空间目标航天器对我方平台威胁等级评估的问题。
附图说明
图1是本发明是航天器智能预警网络的整体结构示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明,但本发明所能实现的功能并不仅限于此。
以下对具体实施方式的阐述,均是以图1所示的由14个判断节点组合而成的智能航天器预警网络为例。若扩展为更大的航天器预警网络,具体实施方式在原理上是相同的。
实施例1:
利用航天器上探测器所得数据进行航天器威胁预警的具体流程按顺序描述如下:
第1步,根据贝叶斯公式从四层节点有无天线阵进行观测节点,航天器上安装的红外线探测器根据环境信息进行探测,并根据探测结果传到航天器系统进行分析;
第2步,如果红外成像图没有多个峰值,可能不带有大面积天线阵,那么根据表2可知,目标航天器带有战斗部的概率为0.9,无战斗部的概率是0.1;
第3步,如果观测到的目标航天器携带明显的燃料部和大喷管,说明目标航天器变轨能力强,否则变轨能力弱。当实例1中目标变轨能力强时,目标航天器攻击能力强的概率是0.8,攻击能力弱的概率是0.2。根据表3及概率论中的贝叶斯公式可知,目标攻击能力为强的概率可以算出0.8858,攻击能力弱的概率为0.1142。
第4步,航天器上探测器测得,目标航天器无天线阵,RCS周期为中,RCS均值为小,稳定姿态为三轴稳定姿态,且已得目标攻击能力强的概率0.8858已得,那么由表4可知,目标类型为攻击型卫星的概率是0.2249,目标类型为普通卫星的概率为0.0756,目标类型为空间站的概率为0.0043,目标类型为空间碎片的概率为0.4270,目标类型为导弹的概率为0.2682。
第5步,再次结合航天器上探测器及地面传送信息,可知在相对速度由慢变快,相对距离由远及近,目标航天器轨道由无相交点变轨成有相交点,发射地区为非盟国,结合已得的目标类型,可以通过表6,表7和表8求得目标的威胁程度为高的概率由开始的零而逐渐增大,在最后时刻威胁程度高的概率为0.9333,可知对于此类目标,我方航天器要采取紧急预警措施。
实例2:
某一时刻探测器出现故障的情况进行航天器预警的具体流程按顺序描述如下:
第1步,根据贝叶斯公式从四层节点有无天线阵进行观测节点,航天器上安装的红外线探测器根据环境信息进行探测,并根据探测结果传到航天器系统进行分析;
第2步,航天器上安装的红外线探测器根据环境信息进行探测,并根据探测结果传到航天器系统进行分析,如果红外成像图没有多个峰值,可能带有大面积天线阵,那么根据表2可知,目标航天器带有战斗部的概率为0.3,无战斗部的概率是0.7;
第3步,观测到的目标航天器携带明显的燃料室和大喷管,推测可能目标航天器变轨能力强。因为实例2中目标变轨能力强时,目标航天器攻击能力强的概率是0.8,攻击能力弱的概率是0.2。根据表3及概率论中的贝叶斯公式可知,目标在该情况下,第6个时刻的攻击能力强的概率是0.5517。
第4步,航天器上探测器测得,目标航天器无天线阵,RCS周期为中,RCS周期均值为小,稳定姿态为自旋稳定姿态,且由步骤(1)测得目标攻击能力强的概率0.5517已得,那么由表4可知,在探测器所得条件下目标类型为攻击型卫星的概率是0.8895。
第5步,再结合航天器上探测器及地面传送信息,可知在如下情况:相对速度由慢变快,相对距离由远及近,目标航天器轨道由无相交点变轨成有相交点,发射地区为非盟国,结合由第4步得到的目标类型,通过表6,表7和表8得目标的威胁程度为高的概率由零而逐渐增大,在第6时刻威胁程度高的概率为0.8204,可知对于此类目标,我方航天器要采取紧急预警措施。
同时还发现,若在第7时刻航天器上部分探测器出现问题,按照探测器出现错误且没有前后时刻转移概率的情况下,此时刻算出的威胁程度高的概率是0.0976,这样会极大地影响我方航天器采取措施。
本发明利用表8可知,根据前一时刻航天器威胁程度高转移到现在时刻航天器威胁程度低的概率仅为0.1,故最终结果保持威胁程度高的概率仍为0.4754,使预警系统时刻保持警惕。

Claims (1)

1.一种基于概率理论的航天器智能预警方法,其特征在于包括下述步骤:
第1步:航天器威胁等级由网络各个节点输入数值综合计算所得,航天器预警网络按照对结果的影响分为四层,第一层为相对距离、相对速度、目标类型、发射地区、有无轨道相交和前一时刻威胁等级六个判断节点;其中,目标类型下分第二层节点为RCS(雷达散射面积RadarCrossSection)大小、RCS周期、攻击能力、稳定方式和有无天线阵;其中攻击能力节点下分第三层节点为有无战斗部和变轨能力;其中有无战斗部节点下分第四层节点为有无天线阵;
当预警网络开始工作的时候,探测器为网络多个端点输入数据,不同的输入节点有不同的输入状态量,每个节点的不同状态量如表1所示,当下层节点有输入值时,根据贝叶斯公式即可在观测节点输入观测数据p(x)以后,推断出上级节点的在每种状态量p(y)的可能取值的概率,利用贝叶斯公式及先验概率p(y|x),可以最终得到p(y),即通过下级节点状态的概率,获得上级节点各状态的概率,其中,贝叶斯公式中y代表上级网络节点状态,x代表连接线的下级网络节点状态;
表1各目标特性可取变量状态表
序号 变量名称 变量可取状态 1.1 相对距离 远、中、近 1.2 相对速度 快、中、慢 1.3 目标类型 空间碎片、导弹、攻击型卫星、空间站、普通卫星 1.4 发射地区 敌、未知、友 1.5 轨道是否相交 是、否 1.6 前一时刻威胁程度 高、中、低 2.1 RCS面积均值 大、中、小 2.2 RCS变化周期 长、中、短 2.3 攻击能力 强、弱 2.4 稳定方式 自旋稳定、三轴稳定、不稳定 2.5 天线阵 x轴方向、z轴方向、没有天线阵 3.1 是否有战斗部 是、否 3.2 变轨能力 强、弱 4.1 有无天线阵 有、无
第2步,有无战斗部节点的概率由节点目标有无天线阵的不同概率得知,当观测节点得到有无天线阵观测值后,根据贝叶斯公式和表2即可以得到分别在有天线阵或无天线阵的条件下,有战斗部和无战斗部的概率取值:
表2目标航天器有无战斗部条件概率表
第3步,节点攻击能力的概率由第三层网络节点有无战斗部和变轨能力决定:有战斗部的目标攻击能力定义为强,无战斗部的目标攻击能力定义为弱,若目标带有燃料箱则变轨能力强,若没有燃料箱则变轨能力弱,根据第三层网络节点“变轨能力”和“有无战斗部”输入值,根据贝叶斯公式和表3,得到目标攻击能力分别为强和弱条件下的取值概率;
表3目标攻击能力概率表
第4步,根据第二层网络节点RCS周期、RCS面积、攻击能力、稳定方式和天线阵观测节点的输入值,根据贝叶斯公式和表4、5可以得到在这些输入条件下目标类型分别为空间碎片、导弹、攻击型卫星、空间站、普通卫星的可能的概率值,目标类型节点概率由第二层网络节点计算得到;
4.1目标类型由RCS面积判断:雷达反射面积在400dbsm以上定义为大,雷达散射面积在50dbsm定义为小,雷达散射面积在50dbsm到400dbsm之间定义为中;
4.2目标类型由RCS周期判断:目标具有章动、旋转或翻滚等姿态运动时,其雷达散射面积观测序列会有一个周期性变化,RCS周期在600s以上为长,RCS周期在50s以下为短,RCS周期在50s至600s之间为中;
4.3目标类型由攻击能力判断,在第3步中已经获得攻击能力分别强或弱条件下的不同概率值;
4.4目标类型由稳定方式判断:若目标是导弹、卫星或空间站,则会有相应的姿态控制,当对应RCS周期中长且峰值唯一则定义为自旋稳定,若对应RCS周期中长且峰值不唯一,则定义为三轴稳定,若RCS周期短则为不稳定;
若目标是是碎片,则定义为不稳定;
4.5目标类型由是否天线阵类型判断,若探测到的大规模天线阵是对地定向,即定义为是轨道坐标系中的z轴方向;若探测到的天线在轨道坐标系的速度轴方向上,即定义为x轴方向;若没有探测到天线阵,即定义没有天线阵;
表4目标类型的条件概率表
表5目标类型的条件概率表
第5步,根据第一层网络节点相对速度、相对距离、发射地区、有无轨道相交、目标类型、前一时刻目标威胁程度的各个输入值进行判断:
5.1威胁程度受到相对距离的影响:相对距离是判断对方是否有攻击倾向的重要途径,相对距离在50km以上定义为远,相对距离在10km以内为近,相对距离在10km至50km之间定义为中;
5.2威胁程度受到相对速度的影响:相对速度是判断对方时候是否有攻击企图的重要依据,若目标接近我方相对速度大于10km/s,定义相对速度为快;若目标接近我方相对速度小于1km/s,定义相对速度为慢;若目标接近我方相对速度在1km/s至10km/s之间则定义为中;
5.3威胁程度受到目标类型的影响:导弹和攻击性卫星的威胁程度大,通讯卫星和空间碎片及其他空间物体威胁程度小;
5.4威胁程度受到发射地区的影响:敌对国发射的目标定义为敌方,我方与同盟国发射的目标定义为友,无法得知目标发射地区的情况为未知;
5.5威胁程度受到有无轨道相交的影响:相交是指目标与我方航天器轨道相交且双方同时到达交点的过渡轨道,且时间上要在同一时间到达两个轨道交点;
5.6威胁程度受上一时刻目标威胁程的影响:假设动态概率过程是马尔科夫的,即当前t时刻的概率只与(t-1)时刻有关,且相邻时间的条件概率过程是平稳的,本发明将(t-1)时刻目标威胁程度值作为当前时刻目标威胁输入节点之一,避免某一时刻探测器出现误差而使结果发生突变,当(t-1)时刻威胁程度低,则t时刻威胁程度低的概率大,(t-1)时刻威胁程度高,t刻威胁程度高的概率大;
表6目标威胁程度条件概率表
表7目标威胁程度条件概率表
表8前一时刻威胁程度状态转移表
结合贝叶斯公式和表6、7、8,可以得到目标威胁程度分别为“高”、“中”、“低”的概率值,即得到网络最终输出结果目标威胁程度,威胁程度数值是由第一层网络中每个节点计算可得到。
CN201510682617.0A 2015-10-20 2015-10-20 一种基于概率理论的航天器智能预警方法 Expired - Fee Related CN105243278B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510682617.0A CN105243278B (zh) 2015-10-20 2015-10-20 一种基于概率理论的航天器智能预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510682617.0A CN105243278B (zh) 2015-10-20 2015-10-20 一种基于概率理论的航天器智能预警方法

Publications (2)

Publication Number Publication Date
CN105243278A true CN105243278A (zh) 2016-01-13
CN105243278B CN105243278B (zh) 2018-02-13

Family

ID=55040925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510682617.0A Expired - Fee Related CN105243278B (zh) 2015-10-20 2015-10-20 一种基于概率理论的航天器智能预警方法

Country Status (1)

Country Link
CN (1) CN105243278B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106709145A (zh) * 2016-11-23 2017-05-24 清华大学 大规模空间碎片分布状态数值演化的并行计算方法
CN108303886A (zh) * 2018-01-31 2018-07-20 西北工业大学 基于飞机生存力的飞行员实时决策预测方法
CN109815606A (zh) * 2019-01-30 2019-05-28 上海卫星工程研究所 误差链对碎片碰撞清除成功率影响分析方法、系统
CN115048817A (zh) * 2022-08-15 2022-09-13 中国人民解放军战略支援部队航天工程大学 基于Starlink全球部署对地威慑分析的决策辅助方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004023414A2 (en) * 2001-12-17 2004-03-18 Honeywell International Inc. Architectures of sensor networks for biological and chemical agent detection and identification
CN104537230A (zh) * 2014-12-23 2015-04-22 中国科学院国家天文台 一种航天器发射预警碰撞风险分析方法和分析装置
CN104787360A (zh) * 2015-03-18 2015-07-22 北京空间飞行器总体设计部 一种基于轨迹保持需求的遥感卫星空间碎片规避机动方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004023414A2 (en) * 2001-12-17 2004-03-18 Honeywell International Inc. Architectures of sensor networks for biological and chemical agent detection and identification
CN104537230A (zh) * 2014-12-23 2015-04-22 中国科学院国家天文台 一种航天器发射预警碰撞风险分析方法和分析装置
CN104787360A (zh) * 2015-03-18 2015-07-22 北京空间飞行器总体设计部 一种基于轨迹保持需求的遥感卫星空间碎片规避机动方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FREDRICK SANDBLOM 等: "《Probabilistic Threat Assessment and Driver Modeling in Collision Avoidance System》", 《2011 IEEE INTELLIGENT VEHICLES SYMPOSIUM》 *
周立新,李智: "《基于DBN的空间战场目标威胁评估》", 《装备指挥技术学院学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106709145A (zh) * 2016-11-23 2017-05-24 清华大学 大规模空间碎片分布状态数值演化的并行计算方法
CN106709145B (zh) * 2016-11-23 2018-03-20 清华大学 大规模空间碎片分布状态数值演化的并行计算方法
CN108303886A (zh) * 2018-01-31 2018-07-20 西北工业大学 基于飞机生存力的飞行员实时决策预测方法
CN109815606A (zh) * 2019-01-30 2019-05-28 上海卫星工程研究所 误差链对碎片碰撞清除成功率影响分析方法、系统
CN109815606B (zh) * 2019-01-30 2023-03-24 上海卫星工程研究所 误差链对碎片碰撞清除成功率影响分析方法、系统
CN115048817A (zh) * 2022-08-15 2022-09-13 中国人民解放军战略支援部队航天工程大学 基于Starlink全球部署对地威慑分析的决策辅助方法及系统
CN115048817B (zh) * 2022-08-15 2022-11-25 中国人民解放军战略支援部队航天工程大学 一种对地威慑分析的决策辅助方法及系统

Also Published As

Publication number Publication date
CN105243278B (zh) 2018-02-13

Similar Documents

Publication Publication Date Title
Harris et al. Multi-sensor data fusion in defence and aerospace
CN105243278A (zh) 一种基于概率理论的航天器智能预警方法
CN110456823A (zh) 一种针对无人机计算与存储能力受限的双层路径规划方法
CN102269593B (zh) 基于模糊虚拟力的无人机航路规划方法
CN111044052B (zh) 一种基于智能感知的无人机自适应导航系统及方法
CN104021292B (zh) 一种基于编队有源组网的弱目标检测与跟踪方法
CN110825112B (zh) 基于多无人机的油田动态侵入目标追踪系统与方法
CN112356031A (zh) 一种基于Kernel采样策略在不确定性环境下的在线规划方法
Zhong et al. Method of multi-UAVs cooperative search for Markov moving targets
Esmailifar et al. Moving target localization by cooperation of multiple flying vehicles
CN105372653A (zh) 面向岸基空管雷达系统中一种高效转弯机动目标跟踪方法
Rao et al. Situation and threat assessment in BVR combat
Jiang et al. Multi-target tracking algorithm of vehicle-mounted millimeter-wave radar based on IMM-JPDA-STUKF
Peng et al. Simulation analysis of cooperative target search strategies for multiple UAVs
CN116280270A (zh) 一种遥感星座对空中动目标的智能协同跟踪方法
CN102982248B (zh) 基于线性矩阵不等式的序列地形重叠视场估计方法
Keong et al. Reinforcement learning for autonomous aircraft avoidance
Kim et al. Online static probability map and odometry estimation using automotive lidar for urban autonomous driving
CN102707278B (zh) 奇异值分解的多目标跟踪方法
Martín Visual localization based on quadtrees
Karimi et al. Cooperative aerial search by an innovative optimized map-sharing algorithm
Fanti et al. Modeling and optimization of aircraft trajectories: a review
Mingwei et al. Multi-sensor data fusion for UAV landing guidance based on bayes estimation
Qin et al. Robots going round the bend—a comparative study of estimators for anticipating river meanders
Manish et al. An improved maneuvering target tracking using state dependent adaptive estimation with probabilistic data association

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180213

Termination date: 20181020