CN111832957B - 一种适用于解体初期解体时刻的选优分析方法 - Google Patents
一种适用于解体初期解体时刻的选优分析方法 Download PDFInfo
- Publication number
- CN111832957B CN111832957B CN202010706867.4A CN202010706867A CN111832957B CN 111832957 B CN111832957 B CN 111832957B CN 202010706867 A CN202010706867 A CN 202010706867A CN 111832957 B CN111832957 B CN 111832957B
- Authority
- CN
- China
- Prior art keywords
- time
- cluster
- distance
- disintegration
- result
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 239000012634 fragment Substances 0.000 claims abstract description 33
- 238000012163 sequencing technique Methods 0.000 claims abstract description 8
- 238000007621 cluster analysis Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000002828 fuel tank Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的属于航天测量与控制技术领域,具体为一种适用于解体初期解体时刻的选优分析方法,该方法的具体步骤如下:S1:确定解体碎片的轨道,S2:进行最近距离时刻判据的解体时刻选优分析;S3:进行阈值距离数判据的解体时刻选优分析;S4:对所有解体时刻结果进行排序,若同一等级内有多个结果,按评分高低排序;S5:根据排序结果进行解体时刻选优,不同等级A>B>C>D,同一等级内优先级1>2>3>……,排名第一的结果即为解体时刻的最优结果,本发明提出的融合最近距离时刻判据和阈值距离数判据的选优分析方法,可以有效避免因轨道误差大导致最近距离时刻分析方法结果分散、无法准确判断解体时刻的问题。
Description
技术领域
本发明涉及航天测量与控制技术领域,具体为一种适用于解体初期解体时刻的选优分析方法。
背景技术
目前公开发布的20000多个在轨空间目标中碎片占大部分,其中又以解体产生的碎片为主,可以说空间解体事件是造成当前严峻的太空态势环境的最重要因素。据统计,迄今已有超过200次在轨解体事件被确认,这些解体事件产生的碎片占目前编目目标的47%以上。近年来大型解体事件频发,例如2019年3月27日印度开展反卫试验,造成“微星-R”受攻击解体,产生不少于100个可编目空间碎片;2019年12月23日,俄罗斯2491卫星疑似燃料箱或蓄电池爆炸发生解体,产生不少于25个可编目碎片;2020年2月12日,俄罗斯SL-14箭体燃料泄漏导致爆炸解体,产生不少于75个可编目空间碎片。
最近距离分析方法及其衍生方法是一种常用的解体时间分析方法。理论上,解体前目标轨道与解体碎片的轨道在解体时刻存在交会。但是由于存在轨道误差,且目标解体前后轨道高度、轨道面等都可能发生较大变化,这类方法一般仅适用于周期级别精度的溯源分析,很难精确到具体时刻。另外,大多数解体时刻分析方法基于稳定编目轨道数据进行,对轨道精度具有一定的要求。在解体事件发生初期,解体碎片的空间位置一般极为接近,很难完成探测数据的关联匹配,进而进行精密轨道确定,可用的轨道结果误差很大,如何基于短弧数据的初始轨道进行解体时刻分析成为难题。
发明内容
本发明的目的在于提供一种适用于解体初期解体时刻的选优分析方法,以解决上述背景技术中提出的事件初期基于短弧数据轨道计算解体时刻误差较大的问题。
为实现上述目的,本发明提供如下技术方案:一种适用于解体初期解体时刻的选优分析方法,该方法的具体步骤如下:
S1:确定解体碎片的轨道,假设探测发现解体事件共产生N个碎片,分别进行轨道确定,得到轨道确定结果(σ1,σ2,K,σN);
S2:进行最近距离时刻判据的解体时刻选优分析,具体如下:
S21:解体碎片两两之间进行过去时刻的最近距离时刻计算,则共有个最近距离时刻结果/>
S22:对个最近距离时刻进行聚类分析:
(1)将每个ti视为一个簇,则初始时共有个簇,簇的中心值对应ti;
(2)计算两两簇之间的距离Δt,Δt为两个簇中心值的差;
(3)若所有Δt均大于30分钟,则计算结束,输出最终簇(c1,L,ck),对应的中心值为(t1,L,tk);
(4)若存在Δt小于30分钟,将Δt最小的两个簇cx和cy合并成新簇ci,新簇的中心值cx和cy内所有t的均值,即:
(5)返回步骤(2),直到所有Δt均大于30分钟,或只剩下一个簇;
S23:聚类分析结果中每个簇的中心值即对应解体时刻,即聚类结果(c1,L,ck)可以得出对应的解体时刻(t1,L,tk),对各解体时刻进行评分,方法如下:
其中,mi为簇ci中的所含最近距离时刻值的个数。
S24:对解体时刻结果进行评级;
S3:进行阈值距离数判据的解体时刻选优分析,具体内容如下:
S31:设置距离阈值为10km;
S32:以1秒为步长,对N个解体碎片的轨道(σ1,σ2,K,σN)进行回推,计算对应时刻的空间位置;
S33:计算解体碎片两两之间的距离,统计小于距离阈值的个数m;
S34:完成所有所需计算时刻的轨道回推后,绘制阈值距离数m的时间曲线;
S35:提取m曲线的波峰的中间值,假设共有k个峰值,分别对应解体时刻为(t1,L,tk);
S36:对每个解体时刻进行评分,方法如下:
其中,mi为该时刻距离小于阈值的个数;
S37:对解体时刻结果进行评级;
S4:对所有解体时刻结果进行排序,若同一等级内有多个结果,按评分高低排序;
S5:根据排序结果进行解体时刻选优,不同等级A>B>C>D,同一等级内优先级1>2>3>……,排名第一的结果即为解体时刻的最优结果。
与现有技术相比,本发明的有益效果是:本发明提出的融合最近距离时刻判据和阈值距离数判据的选优分析方法,可以有效避免因轨道误差大导致最近距离时刻分析方法结果分散、无法准确判断解体时刻的问题。
附图说明
图1为本发明距离小于距离阈值10km次数m的时间曲线图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种适用于解体初期解体时刻的选优分析方法,该方法的具体步骤如下:
S1:确定解体碎片的轨道,假设探测发现解体事件共产生N个碎片,分别进行轨道确定,得到轨道确定结果(σ1,σ2,K,σN);
随机选择其中7个碎片,使用单圈数据进行轨道确定,观测数据均距离解体时刻不到24h,轨道结果如表1所示。
表1 7个解体碎片的轨道结果
碎片 | a(m) | e | i(°) | Ω(°) | ω(°) | M(°) |
碎片1 | 7457966 | 0.0175 | 82.4 | 335.1 | 96.9 | 21.9 |
碎片2 | 7485157 | 0.0149 | 82.5 | 335.3 | 119.6 | 359.3 |
碎片3 | 7537720 | 0.0191 | 82.4 | 334.4 | 156.4 | 325.2 |
碎片4 | 7536185 | 0.0185 | 82.4 | 334.7 | 157.6 | 322.5 |
碎片5 | 7556573 | 0.0196 | 82.4 | 334.7 | 163.2 | 316.9 |
碎片6 | 7562429 | 0.0183 | 82.4 | 334.7 | 168.4 | 313.0 |
碎片7 | 7564438 | 0.0159 | 82.4 | 334.7 | 168.8 | 311.4 |
S2:进行最近距离时刻判据的解体时刻选优分析,具体过程如下:S21:解体碎片两两之间进行过去时刻的最近距离时刻计算,则共有个最近距离时刻结果/>21个最近距离时刻结果如表2所示;
表2 21个最近距离时刻结果
S22:对个最近距离时刻进行聚类分析:
(1)将每个ti视为一个簇,则初始时共有个簇,簇的中心值对应ti;
(2)计算两两簇之间的距离Δt,Δt为两个簇中心值的差;
(3)若所有Δt均大于30分钟,则计算结束,输出最终簇(c1,L,ck),对应的中心值为(t1,L,tk);
(4)若存在Δt小于30分钟,将Δt最小的两个簇cx和cy合并成新簇ci,新簇的中心值cx和cy内所有t的均值,即:
(5)返回步骤(2),直到所有Δt均大于30分钟,或只剩下一个簇;
对21个最近距离时刻进行聚类分析,共得到3个簇,结果如表3所示;
表3聚类分析结果
簇号 | 中心值 | 元素个数 |
1 | 2020-02-12 18:44:35 | 18 |
2 | 2020-02-12 21:07:21 | 1 |
3 | 2020-02-12 23:19:06 | 2 |
S23:聚类分析结果中每个簇的中心值即对应解体时刻,即聚类结果(c1,L,ck)可以得出对应的解体时刻(t1,L,tk),对各解体时刻进行评分,方法如下:
其中,mi为簇ci中的所含最近距离时刻值的个数;
对各解体时刻进行评分,结果如表4所示
表4最近距离时刻评分结果
解体时刻 | 评分 |
2020-02-12 18:44:35 | 85.7 |
2020-02-12 21:07:21 | 4.7 |
2020-02-12 23:19:06 | 9.4 |
S24:对解体时刻结果进行评级;
对解体时刻结果进行评级,结果如表5所示;
表5最近距离时刻判据评级结果
解体时刻 | 评分 | 等级 |
2020-02-12 18:44:35 | 85.7 | A |
2020-02-12 21:07:21 | 4.7 | D |
2020-02-12 23:19:06 | 9.4 | D |
S3:进行阈值距离数判据的解体时刻选优分析,具体内容如下:
S31:设置距离阈值为10km,绘制2020-02-12 00:00:00起距离小于距离阈值10km次数m的时间曲线,结果如图1所示;
S32:以1秒为步长,对N个解体碎片的轨道(σ1,σ2,K,σN)进行回推,计算对应时刻的空间位置,提取m曲线的波峰的中间值,得到解体时刻结果如表6所示;
表6波峰结果
序号 | 解体时刻 | 进入阈值数 |
1 | 2020-02-12 18:45:07 | 10 |
2 | 2020-02-12 21:07:38 | 1 |
S33:计算解体碎片两两之间的距离,统计小于距离阈值的个数m,对解体时刻结果进行评分和分级,结果如表7所示
表7阈值距离数判据的评级结果
序号 | 解体时刻 | 评分 | 等级 |
1 | 2020-02-12 18:45:07 | 90.9 | A |
2 | 2020-02-12 21:07:38 | 9.1 | D |
S34:完成所有所需计算时刻的轨道回推后,绘制阈值距离数m的时间曲线;
S35:提取m曲线的波峰的中间值,假设共有k个峰值,分别对应解体时刻为(t1,L,tk);
S36:对每个解体时刻进行评分,方法如下:
其中,mi为该时刻距离小于阈值的个数。
S37:对解体时刻结果进行评级;
S4:对所有解体时刻结果进行排序,若同一等级内有多个结果,按评分高低排序,对所有解体时刻结果进行排序,若同一等级内有多个结果,按评分高低排序。综合最近距离时刻判据和阈值距离数判据,结果如表8所示;
表8综合评判结果
S5:根据排序结果进行解体时刻选优,不同等级A>B>C>D,同一等级内优先级1>2>3>……,排名第一的结果即为解体时刻的最优结果,可以得出解体时刻的最优结果为2月12日18时45分,根据美国北美防空司令部发布的消息,该箭体的解体时间为2月12日18时46分,本发明的计算结果与其仅相差1分钟。可见,在解体初期轨道结果误差很大的情况下,本发明可以取得理想的分析结果。
以上以2020年2月12日解体的俄罗斯SL-14箭体为例进行说明。
虽然在上文中已经参考实施例对本发明进行了描述,然而在不脱离本发明的范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,本发明所披露的实施例中的各项特征均可通过任意方式相互结合起来使用,在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此,本发明并不局限于文中公开的特定实施例,而是包括落入权利要求的范围内的所有技术方案。
Claims (1)
1.一种适用于解体初期解体时刻的选优分析方法,其特征在于:该方法的具体步骤如下:
S1:确定解体碎片的轨道,假设探测发现解体事件共产生N个碎片,分别进行轨道确定,得到轨道确定结果(σ1,σ2,K,σN);
S2:进行最近距离时刻判据的解体时刻选优分析,具体如下:
S21:解体碎片两两之间进行过去时刻的最近距离时刻计算,则共有个最近距离时刻结果/>
S22:对个最近距离时刻进行聚类分析:
(1)将每个ti视为一个簇,则初始时共有个簇,簇的中心值对应ti;
(2)计算两两簇之间的距离Δt,Δt为两个簇中心值的差;
(3)若所有Δt均大于30分钟,则计算结束,输出最终簇(c1,L,ck),对应的中心值为(t1,L,tk);
(4)若存在Δt小于30分钟,将Δt最小的两个簇cx和cy合并成新簇ci,新簇的中心值cx和cy内所有t的均值,即:
(5)返回步骤(2),直到所有Δt均大于30分钟,或只剩下一个簇;
S23:聚类分析结果中每个簇的中心值即对应解体时刻,即聚类结果(c1,L,ck)可以得出对应的解体时刻(t1,L,tk),对各解体时刻进行评分,方法如下:
其中,mi为簇ci中的所含最近距离时刻值的个数;
S24:对解体时刻结果进行评级;
S3:进行阈值距离数判据的解体时刻选优分析,具体内容如下:
S31:设置距离阈值为10km;
S32:以1秒为步长,对N个解体碎片的轨道(σ1,σ2,K,σN)进行回推,计算对应时刻的空间位置;
S33:计算解体碎片两两之间的距离,统计小于距离阈值的个数m;
S34:完成所有所需计算时刻的轨道回推后,绘制阈值距离数m的时间曲线;
S35:提取m曲线的波峰的中间值,假设共有k个峰值,分别对应解体时刻为(t1,L,tk);
S36:对每个解体时刻进行评分,方法如下:
其中,mi为该时刻距离小于阈值的个数;
S37:对解体时刻结果进行评级;
S4:对所有解体时刻结果进行排序,若同一等级内有多个结果,按评分高低排序;
S5:根据排序结果进行解体时刻选优,不同等级A>B>C>D,同一等级内优先级1>2>3>……,排名第一的结果即为解体时刻的最优结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010706867.4A CN111832957B (zh) | 2020-07-21 | 2020-07-21 | 一种适用于解体初期解体时刻的选优分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010706867.4A CN111832957B (zh) | 2020-07-21 | 2020-07-21 | 一种适用于解体初期解体时刻的选优分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111832957A CN111832957A (zh) | 2020-10-27 |
CN111832957B true CN111832957B (zh) | 2024-04-26 |
Family
ID=72923949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010706867.4A Active CN111832957B (zh) | 2020-07-21 | 2020-07-21 | 一种适用于解体初期解体时刻的选优分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111832957B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573327A (zh) * | 2014-12-16 | 2015-04-29 | 中国科学院国家天文台 | 一种基于轨道数据的解体碎片来源识别方法 |
CN108100307A (zh) * | 2017-12-05 | 2018-06-01 | 北京理工大学 | 一种用于复杂约束下低能量小天体精确探测轨道转移方法 |
CN110020406A (zh) * | 2017-07-20 | 2019-07-16 | 中国科学院国家天文台 | 基于单个雷达轨道监测数据的解体事件感知方法及设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9463884B2 (en) * | 2011-11-02 | 2016-10-11 | Ihi Corporation | Space debris removing device and space debris removing method |
GB2529551B (en) * | 2015-07-22 | 2016-07-20 | Via Tech Ltd | Method for detecting conflicts between aircraft |
-
2020
- 2020-07-21 CN CN202010706867.4A patent/CN111832957B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573327A (zh) * | 2014-12-16 | 2015-04-29 | 中国科学院国家天文台 | 一种基于轨道数据的解体碎片来源识别方法 |
CN110020406A (zh) * | 2017-07-20 | 2019-07-16 | 中国科学院国家天文台 | 基于单个雷达轨道监测数据的解体事件感知方法及设备 |
CN108100307A (zh) * | 2017-12-05 | 2018-06-01 | 北京理工大学 | 一种用于复杂约束下低能量小天体精确探测轨道转移方法 |
Non-Patent Citations (1)
Title |
---|
基于Hoots 法的短期碎片云溯源方法研究;齐跃等;兵器装备工程学报;20171231;第38卷(第12期);180-185 * |
Also Published As
Publication number | Publication date |
---|---|
CN111832957A (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107305577B (zh) | 基于K-means的妥投地址数据处理方法和系统 | |
CN106153340A (zh) | 一种滚动轴承故障诊断方法 | |
CN104020396A (zh) | 一种基于数据挖掘的电网故障诊断方法 | |
CN104820750A (zh) | 一种基于判别分析的结构可靠度动态响应面方法 | |
CN104933483A (zh) | 一种基于天气过程划分的风电功率预测方法 | |
Yang et al. | Markov chain-based approach of the driving cycle development for electric vehicle application | |
CN108959178A (zh) | 无失效数据的可靠性置信限统计评估方法 | |
CN102270302A (zh) | 一种基于灰色支持向量机的多应力加速寿命试验预测方法 | |
CN103324939A (zh) | 基于最小二乘支持向量机技术的偏向性分类及参数寻优方法 | |
CN104182527A (zh) | 基于偏序项集的中英文本词间关联规则挖掘方法及其系统 | |
CN102968813A (zh) | 一种三角面片网格模型的表面采样方法 | |
CN111832957B (zh) | 一种适用于解体初期解体时刻的选优分析方法 | |
CN111860974A (zh) | 一种基于状态空间和联合分布的干旱多级预测方法 | |
CN108090623B (zh) | 一种电网停电事故的危险性评估方法 | |
CN108280253B (zh) | 基于栅极腐蚀形貌和电子返流的离子推力器寿命评估方法 | |
CN109684713A (zh) | 基于贝叶斯的复杂系统可靠性分析方法 | |
CN104143009B (zh) | 基于动态包围盒最大间隙切分的竞争合作聚类方法 | |
CN106872579A (zh) | 正态分布拟合岩体波速划分岩体质量分级的方法 | |
CN116403643A (zh) | 肝癌预后标志物筛选系统及方法、肝癌预后风险评估系统 | |
CN115409416A (zh) | 一种航天产品质量问题关联度分析方法及装置 | |
CN113839109A (zh) | 一种快速对锂离子电池进行分容的方法 | |
CN112434261A (zh) | 基于标校卫星的测控装备精度鉴定方法 | |
Duan et al. | Climate Classification for Major Cities in China Using Cluster Analysis | |
CN110866074A (zh) | 基于地域特征的电能表改进型K-means分类方法 | |
CN111831958B (zh) | 基于最小包围圆的解体时刻精确计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |