CN110348132A - 基于Bayes估计的轨控效果快速评估方法 - Google Patents

Abstract

本发明涉及一种基于Bayes估计的轨控效果快速评估方法，属于卫星轨道控制领域。该方法包括以下步骤：步骤一、提取与轨控相关的各遥测数据，对遥测数据进行剔除野值处理；步骤二、根据轨控发生时，各遥测数据信息变化特点，提出合理假设，建立先验概率模型，计算先验概率；步骤三，根据先验概率计算值，使用Bayes估计方法，得到后验概率值，根据后验概率值对轨控效果进行评估。本发明的轨控效果快速评估方法，应用星上多种与轨控任务相关的遥测信息源，根据各信息的特点，建立先验概率模型，然后应用Bayes估计方法，综合多个信息源的先验概率得到轨控评估的后验概率，根据后验概率值快速得到评估结果。上述评估方法能够快速准确评估轨控效果。

Description

基于Bayes估计的轨控效果快速评估方法

技术领域

本发明涉及卫星轨道控制领域，具体涉及一种利用多种与轨控相关的遥测数据完成的基于Bayes估计的轨控效果快速评估方法。

背景技术

随着现代卫星数目的不断增多，尤其是低轨卫星星座的日渐兴盛，卫星星座的高效运营管理显得越来越重要。卫星轨道控制效果的快速评估是一直以来困扰卫星运营管理的难题，为了维持星座构型，往往需要同时对多颗卫星进行轨道控制，然后准确快速地对轨控任务效果进行评估，以便进行下一步任务的决策。

传统对轨控效果进行评估的方法是应用精密定轨进而计算轨道根数变化的方法，该方法需使用一定时长的外部观测数据对卫星进行定轨。而使用短时间内的观测数据定出的轨道不够精确，对于半长轴变化较小的轨控任务，当测站不够密集的情况下，往往需要数小时(一般5-10小时)的多圈数据进行定轨才能得到精确的结果，使得轨控效果评估所需的时间长，影响卫星运营管理效率。并且该方法只能依赖单一信息源，其容错性较差，当该数据源信息发生问题时，可能会得到错误的计算结果。

发明内容

本发明要解决现有技术中的技术问题，提供一种基于Bayes估计的轨控效果快速评估方法。本发明应用星上多种与轨控任务相关的遥测信息源，根据各信息的特点，建立先验概率模型，然后应用Bayes估计方法，综合多个信息源的先验概率得到轨控评估的后验概率，根据后验概率值快速得到评估结果。本发明能够快速准确评估轨控效果。

为了解决上述技术问题，本发明的技术方案具体如下：

本发明提供一种基于Bayes估计的轨控效果快速评估方法，包括以下步骤：

步骤一、提取与轨控相关的各遥测数据，对遥测数据进行剔除野值处理；

步骤二、根据轨控发生时，各遥测数据信息变化特点，提出合理假设，建立先验概率模型，计算先验概率；

步骤三，根据先验概率计算值，使用Bayes估计方法，得到后验概率值，根据后验概率值对轨控效果进行评估。

在上述技术方案中，步骤一中的遥测数据包括系统温度、卫星轨道位置、推进系统压力和整星姿态。

在上述技术方案中，步骤二具体包括以下步骤：

(1)对各遥测数据信息建立假设条件

事件的判定是在轨控任务执行之后进行的，实际的决策结果只有两种，即轨控有效与轨控无效，其决策结果是相互独立的，在此条件下进行以下合理的假设：

1)各信息量之间相互独立，互不影响；

2)各信息量决策结果的先验概率满足经验模型；

3)各信息量的原始数据未发生大的异常。

在建立正确的先验概率模型条件下，上述假设与实际相符；满足以上假设的条件下，进行Bayes推理，得到合理的信息融合结果；

(2)先验概率计算模型

采用如下数学模型计算先验概率：

P(B_i/A_j)＝arctan(k_ix_i),i＝1,2,...,n (1)

其中A_j代表轨控效果事件组成的空间，即轨控发生与轨控未发生，B_i代表上述信息量实际变化事件；x_i为对应信息量的变化程度；k_i为经验系数，通过工程经验确定。

在上述技术方案中，步骤三包括：

轨控判断即是对轨控完成后，轨控事件是否成功发生的属性A进行判断，A的属性包含两种，即轨控事件成功发生与轨控未成功；

当有m个传感器，观测结果分别为B₁,B₂,…,B_m时，假设它们之间相互独立，且与被观测对象条件独立，则可以得到系统有m个传感器时的各决策总的后验概率为：

最后，系统的决策是取具有最大后验概率的那条决策。

本发明的有益效果是：

本发明提供的基于Bayes估计的轨控效果快速评估方法，应用星上多种与轨控任务相关的遥测信息源，根据各信息的特点，建立先验概率模型，然后应用Bayes估计方法，综合多个信息源的先验概率得到轨控评估的后验概率，根据后验概率值快速得到评估结果。上述评估方法能够快速准确评估轨控效果。

取吉林一号视频06星2017年11月25日00:15-02:15推进温度、压力、整星姿态、轨道位置遥测数据采用本发明的方法进行计算分析，评估轨控发生的概率，以及分析评估的时效性。轨控判断即是对轨控完成后，轨控是否发生的属性A进行判断，A的属性包含两种，即发生轨控，其概率为P(A)，未发生轨控，其概率为在进行Bayes推理之前一般需要知道轨控发生与未发生的先验概率，这里不借助任何经验，假设P(A)＝0.5，

以上四种信息的先验条件概率，即P(B_i/A_i)通过上述公式(1)求得，按照算例中数据计算，根据轨道信息得到P(B₁/A₁)＝0.9644，根据姿态信息得到P(B₂/A₂)＝0.7081，根据温度信息得到P(B₃/A₃)＝0.9522，根据压力信息得到P(B₄/A₄)＝0.9842。而在未轨控条件下的先验条件概率，即保守假设：将上述值带入Bayes推理公式，如下：

可以得到依据四种信息条件计算得到的轨控后验概率为0.9655。为了提高轨控判断的保险性，将轨控成功概率的门限设为0.8，即当P(A/B₁B₂B₃B₄)>0.8时，判定轨控成功。所以在上例中，可以得到轨控成功的结论。

实际在2017年11月25日00:45左右成功执行了轨控任务，而如果只凭上述四种遥测信息中单一项评判，并不能得到可靠的有效结论，各信息量计算得到的先验概率在0.7081-0.9842范围内，不能得到一致的结论。通过Bayes估计方法得到的估计值为0.9655，该值综合了所有先验概率结果，能够消除部分误差较大的信息影响，如通过姿态信息得到的先验概率结果，使得结果更加可靠，与实际结果吻合。

在计算速度方面，本发明通过上述遥测信息进行计算，轨控执行的十分钟内即可根据遥测的变化值获得计算结果，远快于通过精密定轨等手段多圈(一般5-10小时)计算得到的计算结果。通过该方法一般可以在轨控当圈获得轨控是否成功执行的结果，大大提高了卫星轨控管理决策的效率。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细说明。

图1为推力器入口管路温度变化曲线；其中上面的曲线代表F1进口管路温度，下面的曲线代表F4进口管路温度。

图2为推力器进口管路温度变化率曲线。

图3为半长轴平根变化曲线。

图4为半长轴平根滤波结果变化曲线。

图5为第1次轨控点火的压传变化曲线。

图6为第1次轨控点火的角动量变化曲线。

图7为软件输入界面图。

图8为软件计算结果图。

具体实施方式

本发明的发明思想为：本发明是为了解决轨控任务结束后，快速准确地判断轨控任务是否成功执行，即判断轨道改变是否发生的问题。使用单一数据源，消耗较长时间的计算评估方法，其准确性和快速性往往不能满足决策的要求。为了解决以上技术问题，本发明提出使用基于Bayes估计理论，综合多个数据源的快速评估方法，该方法综合多种遥测信息，相比单一信息得到的结论更加可靠，且该方法使用与轨控相关的遥测变化直接进行判断，可以在轨控当圈，或者下圈得到评估结果，计算速度大大提高。

本发明的基于Bayes估计的轨控效果快速评估方法，主要包括以下计算内容：

步骤一、提取与轨控相关的各遥测数据，对遥测数据进行剔除野值等处理；

步骤二、根据轨控发生时，各遥测数据变化特点，提出合理假设，建立先验概率模型，计算先验概率；

步骤三、根据先验概率计算值，使用Bayes估计方法，得到后验概率值，根据后验概率对轨控效果进行评估。

对于步骤一，首先提取与轨控任务相关的遥测信息，这里选择推进系统温度、卫星轨道位置、推进系统压力、整星姿态这四种遥测信息量进行提取处理，并说明其能作为轨控评估的依据：

(1)推进系统温度数据提取分析

对于推进系统温度遥测的数据分析，不失一般性，取吉林一号视频06星2017年11月24日19:00～2017年11月26日2:00的延时遥测数据(数据间隔为3min)。根据卫星轨控记录，卫星在该时间段内执行了3次轨控点火任务，各批次点火信息如下表所示：

表1吉林一号视频06星轨控点火记录

轨控批次	点火时间
		第1次轨控	2017-11-25 00:44:58
第2次轨控	2017-11-25 13:57:12
		第3次轨控	2017-11-26 00:24:03

根据温度传感器布点位置及特征，这里取推力器入口处温度作为轨控评估依据，对应时段内推力器入口温度变化如图1所示。由图1发现，根据轨控时间点与温度变化的关系，推力器进口管路温度可以较迅速的反映轨控是否点火。轨控前，地面发送指令打开催化床加热带，推力器温度上升，同时，管路因热传导温度随之上升，当发生轨控点火时，液体燃料的流动会使管路温度下降，轨控点火结束后，由于热反侵效应，推力器头部温度随之上升，管路温度随之上升。由于推力器入口管路的口径较细，以视频星为例，管路内径为4mm，假设轨控的半长轴变化为100m，液体燃料在管路中的流动距离达400mm，该变化比较显著，对于轨控效果评判具有较高的置信度，可以作为重点参数输入。

如图2为点火期间的推力器进口管路温度变化率曲线。从图2可知，卫星受整星的主动热控、太阳辐照、空间环境的影响下，推力器进口管路的温度变化率不超过0.005℃/s，尤其是自由降温的变化率更低，不超过0.002℃/s，因此可以考虑-0.005℃/s可作为燃料流动的判别阈值，+0.007℃/s可作为热反侵温升的判别阈值。另外，考虑实际遥测数据密度问题，可以在点火区间前推10分钟，后推20分钟的区间内进行判别。

(2)轨道位置数据提取分析

轨控后一般伴随着轨道高度的变化，所以轨道半长轴平根的变化可以作为轨控依据。采用的遥测数据为GPS累积时间，WGS84系下位置，速度。将其作为原始数据，通过数据处理剔除原始数据中的野值，然后将WGS 84系下位置，速度转换到J2000坐标系下，再将直角坐标转换成六根数，提取六根数中的半长轴瞬根。通过瞬根转平根算法，去除瞬根的短周期快变项，得到平根结果如图3所示。从图3中可以看出，在00:30～01:53两个遥测段之间的平根数发生了明显的跳变，这种现象的出现一般是由GPS定位定速结果较差导致的，会明显干扰轨控结果的判断。所以，为了消除部分时间段GPS定位定速数据结果引起的平根大幅度波动，采用了滑动平均滤波方法消除数据质量问题，经滤波处理后的结果如图4所示。从图4中可以很明显的看出，滑动平均滤波消除掉了遥测段内的平根波动，上图中红色圆圈之间的轨道变化只能由轨控造成，即00:29到01:53之间，与实际相符，并且根据平根滤波值的变化能给出轨控半长轴变化的大概结果。

(3)推进系统压力数据提取分析

当推进贮箱内的燃料发生变化时，贮箱的压强会下降。取上述时间段内第一次轨控点火时间段压力数据进行分析，即2017年11月25日00:45左右。如图5为第1次轨控点火的压传变化曲线。根据图5判断，在2017年11月25日00:45左右压传测得压力值和压力变化率值发生了明显的下降变化。因此，推进压力值和压力变化率值可以作为轨控判断依据。

(4)整星姿态数据提取分析

进行轨控动作时，由于推力偏心的存在，整星角动量会发生变化，轨控结束后，在飞轮的作用下，整星角动量又恢复到轨控前的水平。取2017年11月25日00:45左右数据，第一次推进点火时段的整星角动量遥测进行分析。如图6为整星角动量和角动量变化率变化曲线。根据图6判断，在2017年11月25日00:45左右测得的整星角动量和角动量变化率值发生了明显的下降变化。因此，整星角动量和角动量变化率可以作为轨控判断依据。

对于步骤二，根据根据轨控发生时，各遥测信息变化特点，提出合理假设，建立先验概率模型，计算先验概率。

(1)对各信息量建立假设条件

事件的判定是在轨控任务执行之后进行的，实际的决策结果只有两种，即轨控有效与轨控无效，其决策结果是相互独立的，在此条件下进行以下合理的假设：

(1)各信息量之间相互独立，互不影响；

(2)各信息量决策结果的先验概率满足经验模型；

(3)各信息量的原始数据未发生大的异常。

在建立正确的先验概率模型条件下，上述假设与实际相符。满足以上假设的条件下，进行Bayes推理，得到合理的信息融合结果。

(2)先验概率计算模型

Bayes推理对于各类信息源的先验概率要求较为严格，为此，各信息源需要采用合适的数学模型对概率进行计算。对于轨道、温度、姿态、压力信息，先验概率的大小明显正相关于响应信息的变化程度，且当信息量的变化达到一定程度，概率增加速度应不断下降。为此，采用如下合理的数学模型计算先验概率：

P(B_i/A_j)＝arctan(k_ix_i),i＝1,2,...,n (1)

其中A_j代表轨控效果事件组成的空间，即轨控发生与轨控未发生，B_i代表上述信息量实际变化事件。x_i为对应信息量的变化程度。k_i为经验系数，通过工程经验确定。

对于步骤三，根据上述计算得到的先验概率计算值，使用Bayes估计方法，得到后验概率值，并根据后验概率对轨控效果进行评估。

轨控判断即是对轨控完成后，轨控事件是否成功发生的属性A进行判断，A的属性包含两种，即轨控事件成功发生与轨控未成功；

当有m个传感器,观测结果分别为B₁,B₂,…,B_m时，假设它们之间相互独立，且与被观测对象条件独立，则可以得到系统有m个传感器时的各决策总的后验概率为：

最后，系统的决策是取具有最大后验概率的那条决策。Bayes判决规则的分类错误率是最小的。

本发明的基于Bayes估计的轨控效果快速评估方法在长光卫星技术有限公司的在轨吉林一号视频06星上得到了实施。轨控实施时间为2017年11月25日00:45左右。下传附近时段的各遥测数据，通过评估软件输入各遥测文件，输入界面如图7所示。

经过软件快速计算处理，得到如图8所示计算结果。计算结果界面中包含各遥测变化曲线，可以发现在00:45左右出现明显变化。界面下方给出了轨控成功的概率为96.55％，该值可作为轨控效果评判的依据，按照软件内部设定的门限，应被判定为轨控成功执行。此外，软件右下方为通过轨道半长轴平根变化计算得到的轨道高度变化值，该值可作为轨道高度变化的参考值。并且通过上述软件计算发现，只需轨控执行约10分钟后的遥测即可计算得到评估结果。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (4)

1.一种基于Bayes估计的轨控效果快速评估方法，其特征在于，包括以下步骤：

步骤一、提取与轨控相关的各遥测数据，对遥测数据进行剔除野值处理；

步骤二、根据轨控发生时，各遥测数据信息变化特点，提出合理假设，建立先验概率模型，计算先验概率；

步骤三，根据先验概率计算值，使用Bayes估计方法，得到后验概率值，根据后验概率值对轨控效果进行评估。

2.根据权利要求1所述的基于Bayes估计的轨控效果快速评估方法，其特征在于，步骤一中的遥测数据包括系统温度、卫星轨道位置、推进系统压力和整星姿态。

3.根据权利要求1所述的基于Bayes估计的轨控效果快速评估方法，其特征在于，步骤二具体包括以下步骤：

(1)对各遥测数据信息建立假设条件

事件的判定是在轨控任务执行之后进行的，实际的决策结果只有两种，即轨控有效与轨控无效，其决策结果是相互独立的，在此条件下进行以下合理的假设：

1)各信息量之间相互独立，互不影响；

2)各信息量决策结果的先验概率满足经验模型；

3)各信息量的原始数据未发生大的异常；

在建立正确的先验概率模型条件下，上述假设与实际相符；满足以上假设的条件下，进行Bayes推理，得到合理的信息融合结果；

(2)先验概率计算模型

采用如下数学模型计算先验概率：

P(B_i/A_j)＝arctan(k_ix_i),i＝1,2,...,n (1)

其中A_j代表轨控效果事件组成的空间，即轨控发生与轨控未发生，B_i代表上述信息量实际变化事件；x_i为对应信息量的变化程度；k_i为经验系数，通过工程经验确定。

4.根据权利要求1所述的基于Bayes估计的轨控效果快速评估方法，其特征在于，步骤三包括：

轨控判断即是对轨控完成后，轨控事件是否成功发生的属性A进行判断，A的属性包含两种，即轨控事件成功发生与轨控未成功；

当有m个传感器，观测结果分别为B₁,B₂,…,B_m时，假设它们之间相互独立，且与被观测对象条件独立，则可以得到系统有m个传感器时的各决策总的后验概率为：

最后，系统的决策是取具有最大后验概率的那条决策。