CN112623283A - 太空物体异常检测方法、装置、设备及存储介质 - Google Patents
太空物体异常检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112623283A CN112623283A CN202011642762.3A CN202011642762A CN112623283A CN 112623283 A CN112623283 A CN 112623283A CN 202011642762 A CN202011642762 A CN 202011642762A CN 112623283 A CN112623283 A CN 112623283A
- Authority
- CN
- China
- Prior art keywords
- space object
- information
- data
- motion state
- state information
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 159
- 230000033001 locomotion Effects 0.000 claims abstract description 175
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000005856 abnormality Effects 0.000 claims description 73
- 230000006870 function Effects 0.000 claims description 32
- 230000006399 behavior Effects 0.000 claims description 31
- 230000002159 abnormal effect Effects 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 14
- 230000002547 anomalous effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 235000015842 Hesperis Nutrition 0.000 abstract description 6
- 235000012633 Iberis amara Nutrition 0.000 abstract description 6
- 238000010276 construction Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
- B64G3/00—Observing or tracking cosmonautic vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Alarm Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及太空安全技术领域，公开了一种太空物体异常检测方法、装置、设备及存储介质，该方法包括：获取TLE轨道数据及太空物体数据；根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息；对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体。通过TLE两行轨道数据及太空物体数据信息进行异常检测，以获取存在异常的太空物体，有利于航天业太空防撞系统的搭建，利于新火箭和卫星发射避开太空碎片的干扰、撞击；针对太空中其他国家的敏感卫星，具有监测和监督能力。
Description
技术领域
本发明涉及太空安全技术领域，尤其涉及一种太空物体异常检测方法、装置、设备及存储介质。
背景技术
目前，全球太空中的卫星和物体日益增多，太空安全是目前大国之间争夺的区域，越来越多的在轨的物体会对航空航天业产生重大的影响，同时军事间谍等敏感卫星的在轨行为对我们国家保护自身的利益密切相关。卫星运行中存在在轨机动、轨道变化、再入轨和失控等行为，若不能对卫星或物体的轨道行为进行准确监测，或造成卫星碰撞等问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种太空物体异常检测方法、装置、设备及存储介质，旨在解决如何提升现有技术中太空物体异常检测的准确性的技术问题。
为实现上述目的，本发明提供一种太空物体异常检测方法，所述太空物体异常检测方法包括以下步骤：
获取TLE轨道数据及太空物体数据；
根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息；
对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体。
可选地，所述根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息的步骤，具体包括：
获取预设检测任务，并根据所述预设检测任务获取对应的太空物体；
根据所述太空物体、所述TLE轨道数据及所述太空物体数据确定所述太空物体对应的目标数据集合；
根据所述目标数据集合获取所述太空物体的运动状态信息。
可选地，所述根据所述目标数据集合获取所述太空物体的运动状态信息的步骤，具体包括：
根据所述目标数据集合获取所述太空物体的运行轨道信息、在轨机动信息及执行功能信息；
将所述运行轨道信息、所述在轨机动信息及所述执行功能信息作为所述运动状态信息。
可选地，所述根据所述目标数据集合获取所述太空物体的运行轨道信息、在轨机动信息及执行功能信息的步骤，具体包括：
根据所述目标数据集合中的TLE轨道数据确定运行轨道信息；
根据所述运行轨道信息计算在轨机动信息；
根据所述目标数据集合中的太空物体数据获取所述太空物体的背景信息，根据所述背景信息与所述在轨机动信息分析得到执行功能信息。
可选地，所述对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体的步骤，具体包括：
对所述运动状态信息中的所述执行功能信息进行分析，以建立所述太空物体的预设行为模型；
根据异常检测算法与所述预设行为模型对所述运动状态信息进行异常识别；
在所述运动状态信息中存在不符合预设行为模型的异常信息时，确定所述运动状态信息对应的太空物体为存在异常的目标太空物体。
可选地，所述根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息的步骤，具体包括：
获取预设检测任务，并根据所述预设检测任务获取对应的太空物体集合；
根据所述太空物体集合、所述TLE轨道数据及所述太空物体数据确定所述太空物体集合中各太空物体对应的目标数据集合；
根据所述目标数据集合获取各太空物体对应的运动状态信息。
可选地，所述对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体的步骤，具体包括：
根据所述运动状态信息获取各太空物体的轨道机动变化信息；
根据异常检测算法与所述轨道机动变化信息对各太空物体的运行状态进行异常预测；
在异常预测结果为太空物体将发生碰撞时，将引起所述碰撞的太空物体确认为存在异常的目标太空物体。
可选地，所述在异常预测结果为太空物体将发生碰撞时，将引起所述碰撞的太空物体确认为存在异常的目标太空物体的步骤，具体包括：
在异常预测结果为太空物体将发生碰撞时，获取所述碰撞对应的各太空物体的历史运动状态信息及当前运动状态信息；
根据异常检测算法对所述历史运动状态信息、所述当前运动状态信息进行异常检测；
在检测结果为各太空物体的所述历史运动状态信息与所述当前运动状态信息均相符时，将各太空物体确认为引起所述碰撞的太空物体；
将引起所述碰撞的太空物体确认为存在异常的目标太空物体。
可选地，所述根据异常检测算法对所述历史运动状态信息、所述当前运动状态信息进行异常检测的步骤之后，还包括：
在检测结果为存在所述历史运动状态信息与所述当前运动状态信息不相符的太空物体时，将所述太空物体确认为引起所述碰撞的太空物体；
将引起所述碰撞的太空物体确认为存在异常的目标太空物体。
可选地，所述对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体的步骤之后，还包括：
对所述存在异常的目标太空物体对应的异常运动状态信息进行展示，并进行告警。
此外，为实现上述目的，本发明还提出一种太空物体异常检测装置，所述太空物体异常检测装置包括：
获取模块，用于获取TLE轨道数据及太空物体数据；
分析模块，用于根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息；
识别模块，用于对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体。
可选地，所述分析模块，还用于获取预设检测任务，并根据所述预设检测任务获取对应的太空物体；
根据所述太空物体、所述TLE轨道数据及所述太空物体数据确定所述太空物体对应的目标数据集合；
根据所述目标数据集合获取所述太空物体的运动状态信息。
可选地，所述分析模块，还用于根据所述目标数据集合获取所述太空物体的运行轨道信息、在轨机动信息及执行功能信息；
将所述运行轨道信息、所述在轨机动信息及所述执行功能信息作为所述运动状态信息。
可选地，所述分析模块，还用于根据所述目标数据集合中的TLE轨道数据确定运行轨道信息；
根据所述运行轨道信息计算在轨机动信息；
根据所述目标数据集合中的太空物体数据获取所述太空物体的背景信息，根据所述背景信息与所述在轨机动信息分析得到执行功能信息。
可选地，所述识别模块，还用于对所述运动状态信息中的所述执行功能信息进行分析，以建立所述太空物体的预设行为模型；
根据异常检测算法与所述预设行为模型对所述运动状态信息进行异常识别；
在所述运动状态信息中存在不符合预设行为模型的异常信息时，确定所述运动状态信息对应的太空物体为存在异常的目标太空物体。
可选地，所述分析模块，还用于获取预设检测任务，并根据所述预设检测任务获取对应的太空物体集合；
根据所述太空物体集合、所述TLE轨道数据及所述太空物体数据确定所述太空物体集合中各太空物体对应的目标数据集合；
根据所述目标数据集合获取各太空物体对应的运动状态信息。
可选地，所述识别模块，还用于根据所述运动状态信息获取各太空物体的轨道机动变化信息；
根据异常检测算法与所述轨道机动变化信息对各太空物体的运行状态进行异常预测；
在异常预测结果为太空物体将发生碰撞时，将引起所述碰撞的太空物体确认为存在异常的目标太空物体。
可选地，所述识别模块，还用于在异常预测结果为太空物体将发生碰撞时，获取所述碰撞对应的各太空物体的历史运动状态信息及当前运动状态信息；
根据异常检测算法对所述历史运动状态信息、所述当前运动状态信息进行异常检测；
在检测结果为各太空物体的所述历史运动状态信息与所述当前运动状态信息均相符时，将各太空物体确认为引起所述碰撞的太空物体；
将引起所述碰撞的太空物体确认为存在异常的目标太空物体。
此外，为实现上述目的，本发明还提出一种太空物体异常检测设备，所述太空物体异常检测设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的太空物体异常检测程序，所述太空物体异常检测程序配置为实现如上文所述的太空物体异常检测方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有太空物体异常检测程序，所述太空物体异常检测程序被处理器执行时实现如上文所述的太空物体异常检测方法的步骤。
本发明中，通过获取TLE轨道数据及太空物体数据；根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息；对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体。通过TLE两行轨道数据及太空物体数据信息进行异常检测，以获取存在异常的太空物体，有利于航天业太空防撞系统的搭建，利于新火箭和卫星发射避开太空碎片的干扰、撞击；针对太空中其他国家的敏感卫星，具有监测和监督能力。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的太空物体异常检测设备的结构示意图；
图2为本发明太空物体异常检测方法第一实施例的流程示意图；
图3为本发明太空物体异常检测方法第二实施例的流程示意图；
图4为本发明太空物体异常检测方法第三实施例的流程示意图；
图5为本发明太空物体异常检测方法第四实施例的流程示意图；
图6为本发明太空物体异常检测装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的太空物体异常检测设备结构示意图。
如图1所示，该太空物体异常检测设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)，可选用户接口1003还可以包括标准的有线接口、无线接口，对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的存储器(Non-volatileMemory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对太空物体异常检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及太空物体异常检测程序。
在图1所示的太空物体异常检测设备中，网络接口1004主要用于连接后台服务器，与所述后台服务器进行数据通信；用户接口1003主要用于连接用户设备；所述太空物体异常检测设备通过处理器1001调用存储器1005中存储的太空物体异常检测程序，并执行本发明实施例提供的太空物体异常检测方法。
基于上述硬件结构，提出本发明太空物体异常检测方法的实施例。
参照图2，图2为本发明太空物体异常检测方法第一实施例的流程示意图，提出本发明太空物体异常检测方法第一实施例。
在第一实施例中，所述太空物体异常检测方法包括以下步骤：
步骤S10：获取TLE轨道数据及太空物体数据。
易于理解的是，本实施例的执行主体为太空物体异常检测装置，所述太空物体可以为卫星、末级火箭、碎片、行星等。
需要说明的是，所述TLE轨道数据，也即卫星星历，又称为两行轨道数据(Two-LineOrbital Element，TLE)，每条TLE轨道数据包含两行，第一行数据对应于卫星的名称、国际编号、尺度、亮度、发射日期、阻力系数、轨道模型等信息，还包括：记录该条数据的时刻、数据的编号(对应于所述卫星的第n条记录编号)；第二行数据对应于轨道倾角、升交点赤经、轨道偏心率、近地点幅角、平近点角等数据。
易于理解的是，本实施例中以太空物体为卫星进行解释说明，确定太空中卫星的轨道需要六项基本参数：轨道半长轴、轨道偏心率，轨道半长轴、轨道偏心率决定了轨道形状；轨道倾角(轨道平面和地球赤道平面的夹角)、升交点赤经(卫星从一半球运行到另一半球时跨过赤道的点，该点与春分点对于地心的张角)，轨道倾角与升交点赤经决定了卫星轨道平面在空间位置；近地点幅角(近地点和升交点对地心的张角)，过近地点时刻。具体实施中，上述六项基本参数并不是获取卫星轨道的唯一参数组，也可以结合更多参数确定卫星轨道。所述第二行数据可以与上述六项参数互相推导。
易于理解的是，太空物体数据为欧空局(European Space Agency，ESA)颁发的全球太空物体数据，可以通过所述太空物体数据提取太空物体的各种信息(包括物体名字、编号、发射日期、分类、重量、国家、外表形状数据等等)。
应当理解的是，获取所述TLE轨道数据及所述太空物体数据后，对所述TLE轨道数据及所述太空物体数据进行存储，存储在数据库或服务器中，还可以将所述TLE轨道数据及所述太空物体数据存储在区块链中。
步骤S20：根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息。
应当理解的是，具体实施中，对太空物体的检测任务，是针对某一区域或某一国家所属的部分卫星、某一个卫星进行监测；根据检测任务确定要检测的对象，对所述TLE轨道数据与所述太空物体数据进行检索，得到对应的对象的数据。所述数据为多个数据的集合，包括历史数据及当前数据。
应当理解的是，根据太空物体对应的所述TLE轨道数据及所述太空物体数据的集合，可以通过简化常规摄动模型(Simplified General Perturbations，SGP4)或者简化深空摄动模型(Simplified Deep Space Perturbations，SDP4)，计算出卫星的运动状态信息，所述运动状态信息包括历史运动状态及当前运动状态。SGP4模型可以用于计算轨道周期小于225分钟的近地球物体的位置和速度。所述SDP4模型可以用于计算周期大于225分钟的近地球物体的位置和速度。
步骤S30：对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体。
易于理解的是，通过上述模型得到测试任务对应的至少一个太空物体的对应有记录的太空物体数据与TLE轨道数据的运动状态信息，并对所述运动状态信息进行异常识别。利用异常检测算法、AI算法、大数据分析、态势感知技术对所述运动状态信息进行异常识别，分析获取所述太空物体是否存在失常的轨道行为。
具体实施中，若测试的所述太空物体为静止卫星，可以通过所述运动状态信息分析出所述静止卫星的在轨行为的状态和稳定性；非静止轨道卫星可以分析出在轨机动、轨道变化、再入轨和失控等行为，确保轨道发生变化的卫星或物体及时被监测出来，同时利用异常检测算法对太空中的卫星进行碰撞预测。
本发明中，通过获取TLE轨道数据及太空物体数据；根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息；对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体。通过TLE两行轨道数据及太空物体数据信息进行异常检测，以获取存在异常的太空物体，有利于航天业太空防撞系统的搭建，利于新火箭和卫星发射避开太空碎片的干扰、撞击；针对太空中其他国家的敏感卫星，具有监测和监督能力。
参照图3，图3为本发明太空物体异常检测方法第二实施例的流程示意图，基于上述图2所示的第一实施例，提出本发明太空物体异常检测方法的第二实施例。本实施例基于第一实施例进行说明。
在第二实施例中，所述步骤S20具体包括：
步骤S211：获取预设检测任务，并根据所述预设检测任务获取对应的太空物体。
易于理解的是，本实施例中以对一个太空物体进行异常检测为例进行说明，获取所述预设检测任务，所述预设检测任务可以为目标太空物体的名称或其他信息，或对应于目标太空物体的预设条件，根据所述预设条件确定需要进行异常检测的待检测太空物体。
步骤S212：根据所述太空物体、所述TLE轨道数据及所述太空物体数据确定所述太空物体对应的目标数据集合。
需要说明的是，基于获取到的待检测太空物体的信息，对所述TLE轨道数据与所述太空物体数据进行检索，获取所述太空物体对应的目标数据集合。所述目标数据集合包括，所述待检测太空物体对应的已记录的所有数据记录。
易于理解的是，若是初次执行所述待检测太空物体的检测任务，则获取所述待检测太空物体对应的已记录的所有数据记录，若非初次执行所述待检测太空物体的检测任务，则基于上一次获取到的目标数据集合，获取增量数据，并将所述增量数据与上一次获取到的目标数据集合汇总，得到当前目标数据集合。
步骤S213：根据所述目标数据集合获取所述太空物体的运动状态信息。
应当理解的是，在得到了所述目标数据集合之后，可以根据所述目标数据集合中的数据进行计算得到所述太空物体的运动状态信息。所述运动状态信息包括历史运动状态信息及当前运动状态信息。
进一步地，所述步骤S213具体包括：根据所述目标数据集合获取所述太空物体的运行轨道信息、在轨机动信息及执行功能信息；将所述运行轨道信息、所述在轨机动信息及所述执行功能信息作为所述运动状态信息。
易于理解的是，本实施例中以卫星为例进行说明，所述运动状态信息包括但不限于：卫星名字、国际编号、发射编号、轨道倾角、近地点幅角、平近点角、近地点、远地点、偏心率、升交点赤经、轨道周期、每天圈数、总运行圈数、一阶导数、二阶导数、阻力系数等。
进一步地，所述根据所述目标数据集合获取所述太空物体的运行轨道信息、在轨机动信息及执行功能信息的步骤，具体包括：根据所述目标数据集合中的TLE轨道数据确定运行轨道信息；根据所述运行轨道信息计算在轨机动信息；根据所述目标数据集合中的太空物体数据获取所述太空物体的背景信息，根据所述背景信息与所述在轨机动信息分析得到执行功能信息。
应当理解的是，所述背景信息包括卫星名字、国际编号、发射编号等，由于卫星所属的国家不同，型号不同，因此对应的执行的功能不同，根据所述卫星的背景信息结合在轨机动信息可知所述卫星对应的执行功能。例如，获取某一卫星的国际编号、发射变化及名字得到所述卫星为某一国家发送的通讯卫星，进一步地结合通过TLE轨道数据计算得到的在轨机动信息，得到所述通讯卫星用于该国家某一运营商的电话服务的全球网络通讯。
所述步骤S30，具体包括：
步骤S311：对所述运动状态信息中的所述执行功能信息进行分析，以建立所述太空物体的预设行为模型。
易于理解的是，所述运动状态信息包括历史运动状态信息与当前运动状态信息，因此可以看作为所述太空物体对应的样本集合，通过对所述样本集合中所有的所述运动状态信息进行大数据分析，以构建所述太空物体的预设行为模型。
步骤S312：根据异常检测算法与所述预设行为模型对所述运动状态信息进行异常识别。
应当理解的是，异常检测的本质是对数据的相似度进行估计，在数据的相似度低于大部分数据的相似度时，说明所述数据可能存在异常。建立所述预设行为模型作为异常检测算法的比较基础，通过异常检测算法对所述运动状态信息进行异常识别。所述异常检测算法包括但不限于：通过线性模型、概率模型或基于相似度衡量的模型进行的无监督异常检测；半监督异常检测模型等。
步骤S313：在所述运动状态信息中存在不符合预设行为模型的异常信息时，确定所述运动状态信息对应的太空物体为存在异常的目标太空物体。
具体实施中，例如：通过基于密度的噪声应用空间聚类(Density-Based SpatialClustering of Applications with Noise，DBSCAN)进行异常检测，该算法是密度聚类算法，但可以应用在异常检测，获取所述运动状态信息中的：轨道倾角、近地点幅角、平近点角、近地点、远地点、偏心率、升交点赤经、轨道周期、每天圈数、总运行圈数、一阶导数、二阶导数、阻力系数等信息，将每一时刻对应的运动状态信息作为多维样本空间中的一个点，所述预设行为模型在所述多维样本空间中代表高密度区域，在所述高密度区域外的点对应的运动状态信息可以看做为异常样本。若当前检测的太空物体的运动状态信息存在预设数量的异常样本的点，则可将当前检测的太空物体看做为存在异常的目标太空物体。所述预设数量根据实际情况进行设置。
本发明中，通过获取TLE轨道数据及太空物体数据；根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息；对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体。通过TLE两行轨道数据及太空物体数据信息进行异常检测，以获取存在异常的太空物体，有利于航天业太空防撞系统的搭建，利于新火箭和卫星发射避开太空碎片的干扰、撞击；针对太空中其他国家的敏感卫星，具有监测和监督能力。
参照图4，图4为本发明太空物体异常检测方法第三实施例的流程示意图，基于上述图2所示的第一实施例和上述图3所示的第二实施例，提出本发明太空物体异常检测方法的第三实施例。本实施例基于第二实施例进行说明。
在第三实施例中，所述步骤S20具体包括：
步骤S221：获取预设检测任务，并根据所述预设检测任务获取对应的太空物体集合。
易于理解的是，本实施例中以对多个太空物体进行异常检测为例进行说明，获取所述预设检测任务，所述预设检测任务可以为目标太空物体的名称或其他信息，或对应于目标太空物体的预设条件，根据所述预设条件确定需要进行异常检测的待检测太空物体。例如：对某一地区某一时期发射的多个卫星进行异常检测，对执行某一共同任务的多个卫星进行异常检测以防止其中某一卫星故障。
步骤S222：根据所述太空物体集合、所述TLE轨道数据及所述太空物体数据确定所述太空物体集合中各太空物体对应的目标数据集合。
需要说明的是，基于获取到的待检测太空物体的信息，对所述TLE轨道数据与所述太空物体数据进行检索，获取所述太空物体对应的目标数据集合。所述目标数据集合包括，所述待检测太空物体对应的已记录的所有数据记录。
易于理解的是，若是初次执行所述待检测太空物体的检测任务，则获取所述待检测太空物体对应的已记录的所有数据记录，若非初次执行所述待检测太空物体的检测任务，则基于上一次获取到的目标数据集合，获取增量数据，并将所述增量数据与上一次获取到的目标数据集合汇总，得到当前目标数据集合。
步骤S223：根据所述目标数据集合获取各太空物体对应的运动状态信息。
应当理解的是，在得到了所述目标数据集合之后，可以根据所述目标数据集合中的数据进行计算得到所述太空物体的运动状态信息。所述运动状态信息包括历史运动状态信息及当前运动状态信息。
进一步地，所述步骤S30具体包括：
步骤S321：根据所述运动状态信息获取各太空物体的轨道机动变化信息。
需要说明的是，本实施例以所述太空物体集合中包含非静止卫星为例进行说明，所述轨道机动变化信息为所述非静止卫星的轨道机动变化对应的数据。
步骤S322：根据异常检测算法与所述轨道机动变化信息对各太空物体的运行状态进行异常预测。
应当理解的是，异常检测算法在上述实施例中已做说明，此处不再一一赘述。
易于理解的是，异常预测包括但不限于所述卫星进行了在轨机动、轨道变化、再入轨和失控等行为。具体实施中，例如：异常检测到A国家发送的X卫星在某一预设时间段内进行了多次变轨运动，最终将轨道定为B国家的某一间谍卫星的相同轨道的外围，可通过X卫星的行为分析得到X卫星变轨目的是对所述间谍卫星进行在轨监控。通过卫星在轨异常行为检测，可以很好的检测出卫星以及太空物体的轨道机动变化，对太空态势感知具有良好的应用。
步骤S323：在异常预测结果为太空物体将发生碰撞时，将引起所述碰撞的太空物体确认为存在异常的目标太空物体。
易于理解的是，通过异常预测结果可知太空物体未来运行轨道，进一步判断所述轨道是否有交叉、重合；再基于所述太空物体的运动状态信息判断是否是该太空物体引起的碰撞，在所述太空物体为引起碰撞的太空物体时，判定为存在异常的目标太空物体。
进一步地，所述步骤S323具体包括：在异常预测结果为太空物体将发生碰撞时，获取所述碰撞对应的各太空物体的历史运动状态信息及当前运动状态信息；根据异常检测算法对所述历史运动状态信息、所述当前运动状态信息进行异常检测；在检测结果为各太空物体的所述历史运动状态信息与所述当前运动状态信息均相符时，将各太空物体确认为引起所述碰撞的太空物体；将引起所述碰撞的太空物体确认为存在异常的目标太空物体。
所述根据异常检测算法对所述历史运动状态信息、所述当前运动状态信息进行异常检测的步骤之后，还包括：在检测结果为存在所述历史运动状态信息与所述当前运动状态信息不相符的太空物体时，将所述太空物体确认为引起所述碰撞的太空物体；将引起所述碰撞的太空物体确认为存在异常的目标太空物体。
具体实施中，例如：经过异常检测，A非静止卫星与B非静止卫星存在相撞的危险，经过对历史运动状态信息与当前运动状态信息进行异常检测，获得异常检测结果，A非静止卫星维持原有轨道进行运行，而B非静止卫星进行了变轨，则A非静止卫星为存在异常的卫星；若二者均未存在变轨操作，但存在碰撞的危险，则将二者均作为存在异常的目标太空物体，进行进一步的分析。
本发明中，通过获取TLE轨道数据及太空物体数据；根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息；对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体。通过TLE两行轨道数据及太空物体数据信息进行异常检测，以获取存在异常的太空物体，有利于航天业太空防撞系统的搭建，利于新火箭和卫星发射避开太空碎片的干扰、撞击；针对太空中其他国家的敏感卫星，具有监测和监督能力。
参照图5，图5为本发明太空物体异常检测方法第四实施例的流程示意图，基于上述图2所示的第一实施例，提出本发明太空物体异常检测方法的第四实施例。本实施例基于第一实施例进行说明。
在第四实施例中，所述步骤S30之后还包括：
步骤S40：对所述存在异常的目标太空物体对应的异常运动状态信息进行展示，并进行告警。
易于理解的是，基于第一实施例中执行主体为太空物体异常检测装置，所述装置至少包括数据库或用于储存数据的服务器，在存在异常的目标太空物体时，对数据库中的数据和新数据进行计算和监测，及时将检测结果以API接口形式推送给前端展示平台和存储到状态数据库中，或将数据发送到区块链中进行存储。所述装置还能利用前端界面调用后台数据库应用程序接口(Application Programming Interface，API)，展示数据库中的各种物体数据信息，提供展示功能和查询功能。同时调用消息API接口，将后台监测出的异常告警推送到前端展示。展示内容包含全球太空物体的轨道数据和状态、信息、异常告警等等内容。
本实施例中，对异常情况进行及时告警与展示，保留TLE历史轨道数据，能够为太空安全事件的分析做数据支撑。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有太空物体异常检测程序，所述太空物体异常检测程序被处理器执行时实现如上文所述的太空物体异常检测方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
此外，参照图6，本发明实施例还提出一种太空物体异常检测装置，所述太空物体异常检测装置包括：
获取模块10，用于获取TLE轨道数据及太空物体数据。
易于理解的是，所述太空物体可以为卫星、末级火箭、碎片、行星等。
需要说明的是，所述TLE轨道数据，也即卫星星历，又称为两行轨道数据(Two-LineOrbital Element，TLE)，每条TLE轨道数据包含两行，第一行数据对应于卫星的名称、国际编号、尺度、亮度、发射日期、阻力系数、轨道模型等信息，还包括：记录该条数据的时刻、数据的编号(对应于所述卫星的第n条记录编号)；第二行数据对应于轨道倾角、升交点赤经、轨道偏心率、近地点幅角、平近点角等数据。
易于理解的是，本实施例中以太空物体为卫星进行解释说明，确定太空中卫星的轨道需要六项基本参数：轨道半长轴、轨道偏心率，轨道半长轴、轨道偏心率决定了轨道形状；轨道倾角(轨道平面和地球赤道平面的夹角)、升交点赤经(卫星从一半球运行到另一半球时跨过赤道的点，该点与春分点对于地心的张角)，轨道倾角与升交点赤经决定了卫星轨道平面在空间位置；近地点幅角(近地点和升交点对地心的张角)，过近地点时刻。具体实施中，上述六项基本参数并不是获取卫星轨道的唯一参数组，也可以结合更多参数确定卫星轨道。所述第二行数据可以与上述六项参数互相推导。
易于理解的是，太空物体数据为欧空局(European Space Agency，ESA)颁发的全球太空物体数据，可以通过所述太空物体数据提取太空物体的各种信息(包括物体名字、编号、发射日期、分类、重量、国家、外表形状数据等等)。
应当理解的是，获取所述TLE轨道数据及所述太空物体数据后，对所述TLE轨道数据及所述太空物体数据进行存储，存储在数据库或服务器中，还可以将所述TLE轨道数据及所述太空物体数据存储在区块链中。
分析模块20，用于根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息。
应当理解的是，具体实施中，对太空物体的检测任务，是针对某一区域或某一国家所属的部分卫星、某一个卫星进行监测；根据检测任务确定要检测的对象，对所述TLE轨道数据与所述太空物体数据进行检索，得到对应的对象的数据。所述数据为多个数据的集合，包括历史数据及当前数据。
应当理解的是，根据太空物体对应的所述TLE轨道数据及所述太空物体数据的集合，可以通过简化常规摄动模型(Simplified General Perturbations，SGP4)或者简化深空摄动模型(Simplified Deep Space Perturbations，SDP4)，计算出卫星的运动状态信息，所述运动状态信息包括历史运动状态及当前运动状态。SGP4模型可以用于计算轨道周期小于225分钟的近地球物体的位置和速度。所述SDP4模型可以用于计算周期大于225分钟的近地球物体的位置和速度。
识别模块30，用于对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体。
易于理解的是，通过上述模型得到测试任务对应的至少一个太空物体的对应有记录的太空物体数据与TLE轨道数据的运动状态信息，并对所述运动状态信息进行异常识别。利用异常检测算法、AI算法、大数据分析、态势感知技术对所述运动状态信息进行异常识别，分析获取所述太空物体是否存在失常的轨道行为。
具体实施中，若测试的所述太空物体为静止卫星，可以通过所述运动状态信息分析出所述静止卫星的在轨行为的状态和稳定性；非静止轨道卫星可以分析出在轨机动、轨道变化、再入轨和失控等行为，确保轨道发生变化的卫星或物体及时被监测出来，同时利用异常检测算法对太空中的卫星进行碰撞预测。
本发明中，通过获取TLE轨道数据及太空物体数据；根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息；对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体。通过TLE两行轨道数据及太空物体数据信息进行异常检测，以获取存在异常的太空物体，有利于航天业太空防撞系统的搭建，利于新火箭和卫星发射避开太空碎片的干扰、撞击；针对太空中其他国家的敏感卫星，具有监测和监督能力。
本发明所述太空物体异常检测装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为标识。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image，ROM)/随机存取存储器(Random AccessMemory，RAM)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
本发明还公开了：A1、一种太空物体异常检测方法，所述太空物体异常检测方法包括以下步骤：
获取TLE轨道数据及太空物体数据；
根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息；
对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体。
A2、如A1所述的太空物体异常检测方法，所述根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息的步骤，具体包括：
获取预设检测任务，并根据所述预设检测任务获取对应的太空物体；
根据所述太空物体、所述TLE轨道数据及所述太空物体数据确定所述太空物体对应的目标数据集合；
根据所述目标数据集合获取所述太空物体的运动状态信息。
A3、如A2所述的太空物体异常检测方法，所述根据所述目标数据集合获取所述太空物体的运动状态信息的步骤，具体包括：
根据所述目标数据集合获取所述太空物体的运行轨道信息、在轨机动信息及执行功能信息；
将所述运行轨道信息、所述在轨机动信息及所述执行功能信息作为所述运动状态信息。
A4、如A3所述的太空物体异常检测方法，所述根据所述目标数据集合获取所述太空物体的运行轨道信息、在轨机动信息及执行功能信息的步骤，具体包括：
根据所述目标数据集合中的TLE轨道数据确定运行轨道信息；
根据所述运行轨道信息计算在轨机动信息；
根据所述目标数据集合中的太空物体数据获取所述太空物体的背景信息，根据所述背景信息与所述在轨机动信息分析得到执行功能信息。
A5、如A4所述的太空物体异常检测方法，所述对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体的步骤，具体包括：
对所述运动状态信息中的所述执行功能信息进行分析，以建立所述太空物体的预设行为模型；
根据异常检测算法与所述预设行为模型对所述运动状态信息进行异常识别；
在所述运动状态信息中存在不符合预设行为模型的异常信息时，确定所述运动状态信息对应的太空物体为存在异常的目标太空物体。
A6、如A1所述的太空物体异常检测方法，所述根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息的步骤，具体包括：
获取预设检测任务，并根据所述预设检测任务获取对应的太空物体集合；
根据所述太空物体集合、所述TLE轨道数据及所述太空物体数据确定所述太空物体集合中各太空物体对应的目标数据集合；
根据所述目标数据集合获取各太空物体对应的运动状态信息。
A7、如A6所述的太空物体异常检测方法，所述对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体的步骤，具体包括：
根据所述运动状态信息获取各太空物体的轨道机动变化信息；
根据异常检测算法与所述轨道机动变化信息对各太空物体的运行状态进行异常预测；
在异常预测结果为太空物体将发生碰撞时，将引起所述碰撞的太空物体确认为存在异常的目标太空物体。
A8、如A7所述的太空物体异常检测方法，所述在异常预测结果为太空物体将发生碰撞时，将引起所述碰撞的太空物体确认为存在异常的目标太空物体的步骤，具体包括：
在异常预测结果为太空物体将发生碰撞时，获取所述碰撞对应的各太空物体的历史运动状态信息及当前运动状态信息；
根据异常检测算法对所述历史运动状态信息、所述当前运动状态信息进行异常检测；
在检测结果为各太空物体的所述历史运动状态信息与所述当前运动状态信息均相符时，将各太空物体确认为引起所述碰撞的太空物体；
将引起所述碰撞的太空物体确认为存在异常的目标太空物体。
A9、如A1所述的太空物体异常检测方法，所述根据异常检测算法对所述历史运动状态信息、所述当前运动状态信息进行异常检测的步骤之后，还包括：
在检测结果为存在所述历史运动状态信息与所述当前运动状态信息不相符的太空物体时，将所述太空物体确认为引起所述碰撞的太空物体；
将引起所述碰撞的太空物体确认为存在异常的目标太空物体。
A10、如A1至A9任一项所述的太空物体异常检测方法，所述对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体的步骤之后，还包括：
对所述存在异常的目标太空物体对应的异常运动状态信息进行展示，并进行告警。
B11、一种太空物体异常检测装置，所述太空物体异常检测装置包括：
获取模块，用于获取TLE轨道数据及太空物体数据；
分析模块，用于根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息；
识别模块，用于对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体。
B12、如B11所述的太空物体异常检测装置，所述分析模块，还用于获取预设检测任务，并根据所述预设检测任务获取对应的太空物体；
根据所述太空物体、所述TLE轨道数据及所述太空物体数据确定所述太空物体对应的目标数据集合；
根据所述目标数据集合获取所述太空物体的运动状态信息。
B13、如B12所述的太空物体异常检测装置，所述分析模块，还用于根据所述目标数据集合获取所述太空物体的运行轨道信息、在轨机动信息及执行功能信息；
将所述运行轨道信息、所述在轨机动信息及所述执行功能信息作为所述运动状态信息。
B14、如B13所述的太空物体异常检测装置，所述分析模块，还用于根据所述目标数据集合中的TLE轨道数据确定运行轨道信息；
根据所述运行轨道信息计算在轨机动信息；
根据所述目标数据集合中的太空物体数据获取所述太空物体的背景信息，根据所述背景信息与所述在轨机动信息分析得到执行功能信息。
B15、如B14所述的太空物体异常检测装置，所述识别模块，还用于对所述运动状态信息中的所述执行功能信息进行分析，以建立所述太空物体的预设行为模型；
根据异常检测算法与所述预设行为模型对所述运动状态信息进行异常识别；
在所述运动状态信息中存在不符合预设行为模型的异常信息时，确定所述运动状态信息对应的太空物体为存在异常的目标太空物体。
B16、如B15所述的太空物体异常检测装置，所述分析模块，还用于获取预设检测任务，并根据所述预设检测任务获取对应的太空物体集合；
根据所述太空物体集合、所述TLE轨道数据及所述太空物体数据确定所述太空物体集合中各太空物体对应的目标数据集合；
根据所述目标数据集合获取各太空物体对应的运动状态信息。
B17、如B11所述的太空物体异常检测装置，所述识别模块，还用于根据所述运动状态信息获取各太空物体的轨道机动变化信息；
根据异常检测算法与所述轨道机动变化信息对各太空物体的运行状态进行异常预测；
在异常预测结果为太空物体将发生碰撞时，将引起所述碰撞的太空物体确认为存在异常的目标太空物体。
B18、如B17所述的太空物体异常检测装置，所述识别模块，还用于在异常预测结果为太空物体将发生碰撞时，获取所述碰撞对应的各太空物体的历史运动状态信息及当前运动状态信息；
根据异常检测算法对所述历史运动状态信息、所述当前运动状态信息进行异常检测；
在检测结果为各太空物体的所述历史运动状态信息与所述当前运动状态信息均相符时，将各太空物体确认为引起所述碰撞的太空物体；
将引起所述碰撞的太空物体确认为存在异常的目标太空物体。
C19、一种太空物体异常检测设备，所述太空物体异常检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的太空物体异常检测程序，所述太空物体异常检测程序配置有实现如A1至A10中任一项所述的太空物体异常检测方法的步骤。
D20、一种存储介质，所述存储介质上存储有太空物体异常检测程序，所述太空物体异常检测程序被处理器执行时实现如A1至A10中任一项所述的太空物体异常检测方法的步骤。
Claims (10)
1.一种太空物体异常检测方法，其特征在于，所述太空物体异常检测方法包括以下步骤：
获取TLE轨道数据及太空物体数据；
根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息；
对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体。
2.如权利要求1所述的太空物体异常检测方法，其特征在于，所述根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息的步骤，具体包括：
获取预设检测任务，并根据所述预设检测任务获取对应的太空物体；
根据所述太空物体、所述TLE轨道数据及所述太空物体数据确定所述太空物体对应的目标数据集合；
根据所述目标数据集合获取所述太空物体的运动状态信息。
3.如权利要求2所述的太空物体异常检测方法，其特征在于，所述根据所述目标数据集合获取所述太空物体的运动状态信息的步骤，具体包括：
根据所述目标数据集合获取所述太空物体的运行轨道信息、在轨机动信息及执行功能信息；
将所述运行轨道信息、所述在轨机动信息及所述执行功能信息作为所述运动状态信息。
4.如权利要求3所述的太空物体异常检测方法，其特征在于，所述根据所述目标数据集合获取所述太空物体的运行轨道信息、在轨机动信息及执行功能信息的步骤，具体包括：
根据所述目标数据集合中的TLE轨道数据确定运行轨道信息；
根据所述运行轨道信息计算在轨机动信息；
根据所述目标数据集合中的太空物体数据获取所述太空物体的背景信息，根据所述背景信息与所述在轨机动信息分析得到执行功能信息。
5.如权利要求4所述的太空物体异常检测方法，其特征在于，所述对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体的步骤，具体包括：
对所述运动状态信息中的所述执行功能信息进行分析，以建立所述太空物体的预设行为模型；
根据异常检测算法与所述预设行为模型对所述运动状态信息进行异常识别；
在所述运动状态信息中存在不符合预设行为模型的异常信息时，确定所述运动状态信息对应的太空物体为存在异常的目标太空物体。
6.如权利要求1所述的太空物体异常检测方法，其特征在于，所述根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息的步骤，具体包括：
获取预设检测任务，并根据所述预设检测任务获取对应的太空物体集合；
根据所述太空物体集合、所述TLE轨道数据及所述太空物体数据确定所述太空物体集合中各太空物体对应的目标数据集合；
根据所述目标数据集合获取各太空物体对应的运动状态信息。
7.如权利要求6所述的太空物体异常检测方法，其特征在于，所述对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体的步骤，具体包括：
根据所述运动状态信息获取各太空物体的轨道机动变化信息；
根据异常检测算法与所述轨道机动变化信息对各太空物体的运行状态进行异常预测；
在异常预测结果为太空物体将发生碰撞时，将引起所述碰撞的太空物体确认为存在异常的目标太空物体。
8.一种太空物体异常检测装置，其特征在于，所述太空物体异常检测装置包括：
获取模块，用于获取TLE轨道数据及太空物体数据；
分析模块，用于根据所述TLE轨道数据及所述太空物体数据确定至少一个太空物体的运动状态信息；
识别模块，用于对所述运动状态信息进行异常识别，并根据异常识别结果确认存在异常的目标太空物体。
9.一种太空物体异常检测设备，其特征在于，所述太空物体异常检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的太空物体异常检测程序，所述太空物体异常检测程序配置有实现如权利要求1至7中任一项所述的太空物体异常检测方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有太空物体异常检测程序，所述太空物体异常检测程序被处理器执行时实现如权利要求1至7中任一项所述的太空物体异常检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011642762.3A CN112623283B (zh) | 2020-12-30 | 2020-12-30 | 太空物体异常检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011642762.3A CN112623283B (zh) | 2020-12-30 | 2020-12-30 | 太空物体异常检测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112623283A true CN112623283A (zh) | 2021-04-09 |
| CN112623283B CN112623283B (zh) | 2024-06-18 |
Family
ID=75290524
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011642762.3A Active CN112623283B (zh) | 2020-12-30 | 2020-12-30 | 太空物体异常检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112623283B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023181354A1 (ja) * | 2022-03-25 | 2023-09-28 | 日本電気株式会社 | 情報処理装置、算出方法及び記憶媒体 |
| CN116861241A (zh) * | 2023-07-11 | 2023-10-10 | 北京天工科仪空间技术有限公司 | 一种基于人工智能的空间碎片碰撞概率预测方法、系统、终端及存储介质 |
| CN118239011A (zh) * | 2024-05-27 | 2024-06-25 | 银河航天(北京)通信技术有限公司 | 保障低轨卫星运行安全方法、装置、电子设备及存储介质 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120089517A (ko) * | 2010-12-15 | 2012-08-13 | 한국항공우주연구원 | 인공위성과 우주파편 사이의 충돌위험관리 시스템 및 방법 |
| KR20130022635A (ko) * | 2011-08-25 | 2013-03-07 | 한국항공우주연구원 | Ｎｏｒａｄ ｔｌｅ 데이터 기반의 궤도결정 시스템 및 그 방법 |
| CN104462845A (zh) * | 2014-12-23 | 2015-03-25 | 中国科学院国家天文台 | 一种空间物体轨道异常分析方法和分析装置 |
| US20150134295A1 (en) * | 2013-10-28 | 2015-05-14 | Korea Aerospace Research Institute | Csm-based analysis system for collision risk |
| US20180346153A1 (en) * | 2017-05-30 | 2018-12-06 | Launchspace Technologies Corporation | Apparatus and Methods for Orbital Sensing and Debris Removal |
| CN109582029A (zh) * | 2018-12-28 | 2019-04-05 | 西安四方星途测控技术有限公司 | 一种通过tle数据确定geo卫星轨道状态的方法 |
| CN110168404A (zh) * | 2016-12-22 | 2019-08-23 | 迈锐奥塔企业有限公司 | 用于产生扩展的卫星历书数据的系统和方法 |
| CN110391840A (zh) * | 2019-09-17 | 2019-10-29 | 中国人民解放军国防科技大学 | 太阳同步轨道卫星遥测参数异常判断方法和系统 |
| CN110466808A (zh) * | 2019-08-21 | 2019-11-19 | 中国人民解放军军事科学院国防科技创新研究院 | 基于多等碰撞概率线法的凸多边形航天器安全控制方法 |
| CN110738426A (zh) * | 2019-10-18 | 2020-01-31 | 北京理工大学 | 一种太空碎片防护的数字孪生控制方法及防护系统 |
| CN111241716A (zh) * | 2020-03-06 | 2020-06-05 | 中国人民解放军63768部队 | 一种基于tle根数的在轨航天器变轨检测方法 |
| CN111428339A (zh) * | 2020-02-18 | 2020-07-17 | 北京空间飞行器总体设计部 | 基于空间密度模型的空间物体长期碰撞风险分析方法 |
| CN111563326A (zh) * | 2020-04-29 | 2020-08-21 | 深圳星地孪生科技有限公司 | 卫星轨道运行参数学习系统、设备及系统运行方法 |
| CN111861859A (zh) * | 2020-07-16 | 2020-10-30 | 昆宇蓝程（北京）科技有限责任公司 | 一种空间碎片碰撞预警方法 |
-
2020
- 2020-12-30 CN CN202011642762.3A patent/CN112623283B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120089517A (ko) * | 2010-12-15 | 2012-08-13 | 한국항공우주연구원 | 인공위성과 우주파편 사이의 충돌위험관리 시스템 및 방법 |
| KR20130022635A (ko) * | 2011-08-25 | 2013-03-07 | 한국항공우주연구원 | Ｎｏｒａｄ ｔｌｅ 데이터 기반의 궤도결정 시스템 및 그 방법 |
| US20150134295A1 (en) * | 2013-10-28 | 2015-05-14 | Korea Aerospace Research Institute | Csm-based analysis system for collision risk |
| CN104462845A (zh) * | 2014-12-23 | 2015-03-25 | 中国科学院国家天文台 | 一种空间物体轨道异常分析方法和分析装置 |
| CN110168404A (zh) * | 2016-12-22 | 2019-08-23 | 迈锐奥塔企业有限公司 | 用于产生扩展的卫星历书数据的系统和方法 |
| US20180346153A1 (en) * | 2017-05-30 | 2018-12-06 | Launchspace Technologies Corporation | Apparatus and Methods for Orbital Sensing and Debris Removal |
| CN109582029A (zh) * | 2018-12-28 | 2019-04-05 | 西安四方星途测控技术有限公司 | 一种通过tle数据确定geo卫星轨道状态的方法 |
| CN110466808A (zh) * | 2019-08-21 | 2019-11-19 | 中国人民解放军军事科学院国防科技创新研究院 | 基于多等碰撞概率线法的凸多边形航天器安全控制方法 |
| CN110391840A (zh) * | 2019-09-17 | 2019-10-29 | 中国人民解放军国防科技大学 | 太阳同步轨道卫星遥测参数异常判断方法和系统 |
| CN110738426A (zh) * | 2019-10-18 | 2020-01-31 | 北京理工大学 | 一种太空碎片防护的数字孪生控制方法及防护系统 |
| CN111428339A (zh) * | 2020-02-18 | 2020-07-17 | 北京空间飞行器总体设计部 | 基于空间密度模型的空间物体长期碰撞风险分析方法 |
| CN111241716A (zh) * | 2020-03-06 | 2020-06-05 | 中国人民解放军63768部队 | 一种基于tle根数的在轨航天器变轨检测方法 |
| CN111563326A (zh) * | 2020-04-29 | 2020-08-21 | 深圳星地孪生科技有限公司 | 卫星轨道运行参数学习系统、设备及系统运行方法 |
| CN111861859A (zh) * | 2020-07-16 | 2020-10-30 | 昆宇蓝程（北京）科技有限责任公司 | 一种空间碎片碰撞预警方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023181354A1 (ja) * | 2022-03-25 | 2023-09-28 | 日本電気株式会社 | 情報処理装置、算出方法及び記憶媒体 |
| CN116861241A (zh) * | 2023-07-11 | 2023-10-10 | 北京天工科仪空间技术有限公司 | 一种基于人工智能的空间碎片碰撞概率预测方法、系统、终端及存储介质 |
| CN116861241B (zh) * | 2023-07-11 | 2024-02-20 | 北京天工科仪空间技术有限公司 | 一种基于人工智能的空间碎片碰撞概率预测方法和系统 |
| CN118239011A (zh) * | 2024-05-27 | 2024-06-25 | 银河航天(北京)通信技术有限公司 | 保障低轨卫星运行安全方法、装置、电子设备及存储介质 |
| CN118239011B (zh) * | 2024-05-27 | 2024-08-02 | 银河航天(北京)通信技术有限公司 | 保障低轨卫星运行安全方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112623283B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112623283A (zh) | 太空物体异常检测方法、装置、设备及存储介质 | |
| US7881537B2 (en) | Automated activity detection using supervised learning | |
| US9728014B2 (en) | Sensor fault detection and diagnosis for autonomous systems | |
| JP5284503B2 (ja) | 予測的状態監視のための診断システムおよび方法 | |
| US9218232B2 (en) | Anomaly detection methods, devices and systems | |
| US9824069B2 (en) | Anomaly detection method, program, and system | |
| US7509235B2 (en) | Method and system for forecasting reliability of assets | |
| Mohamed et al. | Motion prediction methods for surrogate safety analysis | |
| US20140222379A1 (en) | Method and apparatus for monitoring an operational state of a system on the basis of telemetry data | |
| CN111976389B (zh) | 轮胎磨损程度辨识方法及装置 | |
| US20230267549A1 (en) | Method of predicting the future accident risk rate of the drivers using artificial intelligence and its device | |
| CN112149491A (zh) | 用于确定探测到的对象的信任值的方法 | |
| Bakshi et al. | Guts: Generalized uncertainty-aware thompson sampling for multi-agent active search | |
| CN115329347B (zh) | 基于车联网漏洞数据的预测方法、设备和存储介质 | |
| Estlin et al. | Learning and planning for mars rover science | |
| CN116310913B (zh) | 基于小型无人机测量技术的自然资源调查监测方法及装置 | |
| US20230347933A1 (en) | Method for validating a control software for a robotic device | |
| US20220343158A1 (en) | Method, device, and computer program for creating training data in a vehicle | |
| US20220318625A1 (en) | Dynamic alert prioritization method using disposition code classifiers and modified tvc | |
| US12090940B2 (en) | Abnormality estimating apparatus, abnormality detection apparatus, abnormality detection method, and abnormality detection program | |
| Wang et al. | Precursor identification for strong flares based on anomaly detection algorithm | |
| CN111325274B (zh) | 车辆数据预测的方法、装置、设备及计算机存储介质 | |
| Nicolls et al. | Collision risk assessment for derelict objects in low-earth orbit | |
| CN118279773B (zh) | 一种基于无人机的违禁渔具监测方法及系统 | |
| KR102665097B1 (ko) | 군집 시스템에서 개별 이동체의 이상 탐지 방법 및 장치 |
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 |