CN115392057B - 一种低轨星座卫星仿真建模方法 - Google Patents
一种低轨星座卫星仿真建模方法 Download PDFInfo
- Publication number
- CN115392057B CN115392057B CN202211321780.0A CN202211321780A CN115392057B CN 115392057 B CN115392057 B CN 115392057B CN 202211321780 A CN202211321780 A CN 202211321780A CN 115392057 B CN115392057 B CN 115392057B
- Authority
- CN
- China
- Prior art keywords
- simulation
- satellite
- low
- model
- software model
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Abstract
本发明提供了一种低轨星座卫星仿真建模方法,其中,该方法包括以下步骤:建立低轨卫星系统对应的高逼真白盒软件模型;建立真实卫星的高效率黑盒软件模型框架;基于高逼真白盒软件模型仿真模拟低轨卫星系统运行全过程,得到多种场景下的运行数据;利用海量运行数据训练得到卫星黑盒模型;在低轨卫星仿真系统中采用卫星的高效率黑盒软件模型进行仿真验证。根据本发明的方案,利用仿真系统产生的海量试验数据,通过训练得到系统的黑盒软件模型,避免采用类似于白盒软件模型的逻辑复杂处理流程,大大简化了模型的运行复杂度,提升了运行效率,可以解决海量节点的低轨卫星系统在保证高逼真条件下仿真运行效率低的问题。
Description
技术领域
本发明涉及低轨卫星仿真技术领域,尤其涉及一种低轨星座卫星仿真建模方法。
背景技术
当前,低轨卫星系统(Low Earth Orbit,LEO)已经被广泛应用于国计民生的各个方面,其应用领域包括通信、遥感、气象、通信等。特别是近年来以美国星链系统(Starlink)为代表的低轨通信巨型星座的建设正在如火如荼进行,这些低轨通信卫星普遍采用集约化设计、低成本民用器件、可回收式火箭发射入轨等新技术,具有从设计到组网周期短、在轨寿命短、技术迭代快等特点。为了在极短时间内优化并收敛系统设计,从而降低系统建设风险,需要建设低轨卫星系统的数字仿真系统,仿真系统中的卫星系统建模的高效性和逼真度直接影响软件仿真的效果,所以需要以低轨卫星原理为基础,结合复杂航天系统仿真技术,提出面向低轨卫星系统的建模方法。
经过现有技术的检索,中国发明专利(申请公布号:CN 109413682A),发明名称为一种天地一体化卫星通信网络仿真系统及方法,其主要目的是建立天地一体化卫星通信网络仿真系统,通过定时更新LEO卫星通信网络的拓扑结构,实现百万级用户节点的LEO卫星通信网络仿真,解决大规模用户的移动性管理问题。
但是,中国发明专利(申请公布号:CN 109413682A),发明名称为一种天地一体化卫星通信网络仿真系统及方法,只给出一种通用的天地一体化卫星通信网络仿真方法,并没有解决大规模低轨卫星节点高效高逼真建模的问题。
中国发明专利(申请公布号:CN 111147169 A),发明名称为一种低轨卫星天地通信信道建模模型及建模方法,其主要目的是解决低轨卫星天地通信信道建模问题。本发明基于马尔科夫链过程可以实现在直射状态、中等阴影状态和深度阴影状态之间的切换,同时考虑了传输时延、噪声和大多普勒频偏以及频偏变化率,能够较为准确的描述低轨卫星移动通信信道的传输特性。
但是,中国发明专利(申请公布号:CN 111147169 A),发明名称为一种低轨卫星天地通信信道建模模型及建模方法,仅解决了低轨卫星天地通信信道建模问题,该方法并不能直接用于低轨卫星系统的其他分系统的建模。
中国发明专利(申请公布号:CN 109981375 A),发明名称为用于卫星通信仿真网络构建的方法和设备,其主要目的是解决卫星通信仿真网络模拟节点规模问题。本发明采用Docker服务器集群并提供集群管理工具,从而实现仿真网络规模扩大的效果,同时也在操作和管理上提供方便。
但是,中国发明专利(申请公布号:CN 109981375 A),发明名称为用于卫星通信仿真网络构建的方法和设备,仅仅从仿真硬件计算资源的角度描述了提升卫星通信仿真效率的方法,并未从系统建模角度提升卫星通信仿真效率。
中国发明专利(申请公布号:CN 111291503 A),发明名称为一种卫星导航系统模型集成系统及其建立方法,其主要目的是实现卫星导航系统的仿真模型与实际工程系统的接口统一,保证来源不同的仿真模型的对外状态的一致性,提升仿真平台的鲁棒性和研制效率。
但是,中国发明专利(申请公布号:CN 111291503 A),发明名称为一种卫星导航系统模型集成系统及其建立方法,仅仅给出了仿真模型与实际工程系统的接口统一的解决方案,并没有给出仿真模型该如何建模的具体细节。
总结起来,目前面向低轨卫星系统的建模方法要么是信道层面的建模方法,缺乏对分系统的建模方法;要么是在硬件计算层面和仿真模型与实际工程系统的接口统一层面的建模规范,缺乏对系统本身高效数字化建模的方案。所以,为了采用软件建模的方式验证低轨卫星系统,亟需建立低轨卫星系统的高逼真高效率建模方法,推动模型的开发和集成,进而使得软件仿真系统在低轨卫星系统建设中发挥更大的作用。
发明内容
为解决上述问题,本发明提出一种低轨星座卫星仿真建模方法,利用仿真系统产生的海量试验数据,通过训练得到系统的黑盒软件模型,避免采用类似于白盒软件模型的逻辑复杂处理流程,大大简化了模型的运行复杂度,提升了运行效率。
为实现上述目的,本发明提供了一种低轨星座卫星仿真建模方法,包括以下步骤:
S1:建立低轨卫星系统对应的高逼真白盒软件模型;
S2:建立真实卫星的高效率黑盒软件模型框架;
S3:基于所述高逼真白盒软件模型仿真模拟低轨卫星系统运行全过程,得到多种场景下的运行数据;
S4:利用所述多种场景下的运行数据训练所述高效率黑盒软件模型框架,得到所述高效率黑盒软件模型的输入和输出的映射函数,基于所述高效率黑盒软件模型的输入和输出的映射函数,得到卫星的高效率黑盒软件模型;
S5:在低轨卫星仿真系统中采用所述卫星的高效率黑盒软件模型进行仿真验证。
优选的,在所述S1中,所述高逼真白盒软件模型应当具备以下的特点:分系统模型应当具备真实工程系统的处理流程;所述分系统模型的关键参数通过仿真平台进行配置。
优选的,在所述S2中,所述高效率黑盒软件模型框架应当具备以下的特点:仅定义模型的框架,包括输入参数的类型和输出变量的类型;对真实工程系统的输入参数和输出参数的集合进行选择形成软件模型所关注的输入参数和输出参数集合。
优选的,在所述S3中,所述基于高逼真白盒软件模型的仿真模拟包括如下步骤:
S301:在所述低轨卫星仿真系统中集成已经建模好的高逼真白盒软件模型;
S302:设定不同的运行场景,调整仿真运行参数,形成多数量仿真场景集合;
S303:从仿真场景集合中挑选一种仿真场景,在仿真系统中设置相关的仿真参数及配置,仿真引擎驱动系统按照相关时序运行,仿真模拟低轨卫星系统运行全过程,在运行过程中记录存储系统每个节点输入和输出数据;
S304:直到将仿真场景集合中所有的仿真场景都遍历完,得到每个场景对应的仿真运行数据。
优选的,所述高逼真白盒软件模型包括:卫星模型、地面站模型和用户模型。
优选的,在所述S4中,所述训练得到所述高效率黑盒软件模型的输入和输出的映射函数的特点:训练数据为所述S3中得到的运行数据;输入和输出的映射函数的误差根据训练样本数量确定。
优选的,所述训练方法包括:深度学习和强化学习。
优选的,在所述S5中,所述低轨卫星仿真系统的特点:仿真引擎采用所述S3中的仿真引擎驱动系统。
与现有技术相比,本发明具有如下优点和技术效果:
1)建模了两种尺度的软件模型,进而实现了低轨卫星仿真软件的灵活可伸缩性;2)建模的高逼真白盒软件模型能够最大程度的贴近真实系统的运行状态,其参与的仿真能够积累大量的试验数据,解决了低轨卫星系统获取完整试验数据难的问题;3)利用仿真系统产生的海量试验数据,通过训练得到系统的黑盒软件模型,避免采用类似于白盒软件模型的逻辑复杂处理流程,大大简化了模型的运行复杂度,提升了运行效率,可以解决海量节点的低轨卫星系统在保证高逼真条件下仿真运行效率低的问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例用于实现一种低轨星座卫星仿真建模方法流程示意图;
图2为本发明实施例用于实现一种低轨星座卫星系统结构示意图;
图3为本发明实施例用于实现一种低轨星座卫星仿真建模方法实现物理架构示意图。
附图说明:101-地面站模型;102-卫星模型;103-用户模型。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例1
图1为本发明实施例用于实现一种低轨星座卫星仿真建模方法流程示意图。
本发明提供了一种低轨星座卫星仿真建模方法,其中,所述方法包括以下步骤:
S1:按照数字孪生的要求,建立低轨卫星系统对应的高逼真白盒软件模型,这些模型应当映射真实卫星的处理流程及逻辑、协议格式等要素;
S2:建立真实卫星的高效率黑盒软件模型框架,只关注卫星模型的输入和输出变量,不关注卫星内部的实现细节;
S3:构建离散事件调度的仿真引擎,并调用高逼真白盒软件模型,设定不同的运行场景,调整仿真运行参数,驱动系统按照相关时序运行,仿真模拟低轨卫星系统运行全过程,存储系统每个节点输入和输出数据;
S4:利用海量场景下,采用高逼真白盒软件模型的仿真系统得到的试验数据,进而训练得到卫星的高效率黑盒软件模型的输入和输出的映射函数,从而实现对卫星的黑盒建模;
S5:在低轨卫星仿真系统中采用卫星的高效率黑盒软件模型进行仿真验证,从而实现高效建模、加速仿真的目标。
在S1中,按照数字孪生的要求,建立低轨卫星系统对应的高逼真白盒软件模型。
具体地,高逼真白盒软件模型的建模是能够真实数字化映射建模实际工程系统的,所述高逼真白盒软件模型的建模可以采用当前现有的数字孪生建模方法实现,高逼真白盒软件模型应当包括但不限于:
1)具备真实工程系统的处理流程,包括低轨卫星的常规功能,例如,对地通信、星间激光通信、导航增强,等;
2)可以输出并存储内部的关键数据信息,包括卫星模型的输入数据、输出数据、时间相关参数,运行状态,等;
3)具备模型的关键参数可以通过仿真平台进行配置的功能,配置参数包括:传输速率、缓存大小、运行策略,等;
在S2中,建立高效率的黑盒软件模型框架。
具体地,高效率黑盒软件模型是工程系统的另外一种模型,但是是一种高效运行的模型,黑盒软件模型框架应当包括但不限于:
1)仅仅定义模型的框架,包括输入参数的类型和输出变量的类型,包括:输入和输出数据的类型以及信息格式、缓存状态、卫星内部异常状态,等;
2)对真实工程系统的输入参数和输出参数的集合进行适当的选择形成软件模型所关注的输入参数和输出参数集合。
需要说明的是,上述举例仅为更好地说明本发明的技术方案,而非对本发明的限制,本领域技术人员应该理解,任何根据所述的黑盒软件模型框架而定义的模型输入和输出的参数组合均应包含在本发明的范围内。
在S3中,基于白盒模型的低轨系统仿真运行。
具体地,基于白盒模型的低轨系统仿真运行应当包括但不限于:
1)仿真系统中集成已经建模好的高逼真白盒软件模型(卫星模型、地面站模型、用户模型,等);
2)分析系统运行的特点,设定不同的运行场景,调整仿真运行参数,形成数量较大的仿真场景集合;
3)从仿真场景集合中挑选一种仿真场景,在仿真系统中设置相关的仿真参数及配置,仿真引擎驱动按照相关时序运行,仿真模拟低轨卫星系统运行全过程,在运行过程中记录存储系统每个节点输入和输出数据;仿真引擎驱动是指在仿真系统中负责时间推进、事件调度、仿真控制的模块。
4)直到将仿真场景集合中所有的仿真场景都遍历完,得到每个场景对应的仿真运行数据。
在S4中,训练得到卫星的高效率黑盒软件模型的输入和输出的映射函数。
具体地,训练得到卫星的高效率黑盒软件模型的输入和输出的映射函数应当包括但不限于:
1)训练使用的数据集来自于S3;
2)可以利用现有成熟的技术实现在海量数据条件下的映射函数的训练,该方法包括:深度学习、强化学习等。
需要说明的是,上述举例仅为更好地说明本发明的技术方案,而非对本发明的限制,本领域技术人员应该理解,任何根据所述的方法得到卫星黑盒模型的输入和输出的映射函数均应包含在本发明的范围内。
在S5中,离散事件调度引擎调用高效率黑盒软件模型构成的低轨卫星仿真系统被使用,达到实现高效建模、加速仿真的目标。
现有技术中,面向低轨卫星系统的建模方法要么是信道层面的建模方法,缺乏对分系统的建模方法;要么是在硬件计算层面和仿真模型与实际工程系统的接口统一层面的建模规范,缺乏对系统本身高效数字化建模的方案。根据本实施例的方案,建立了低轨卫星系统对应的高逼真白盒软件模型,从而保证了仿真系统产生的在不同场景下的海量运行数据的真实性;建立了高效率的黑盒软件模型框架,识别了每个分系统模型最重要的输入值和输出值,简化了模型的复杂度,抓住了建模过程中的关键参数;提出的基于白盒模型的低轨系统仿真运行,解决了低轨卫星系统获取完整试验数据难的问题,为训练仿真模型提供了数据支撑;采用现有技术成果训练得到卫星黑盒模型的输入和输出的映射函数,利用仿真系统产生的海量试验数据,通过训练得到系统的黑盒软件模型,避免采用类似于白盒软件模型的逻辑复杂处理流程,大大简化了模型的运行复杂度,提升了运行效率;最终提出了采用黑盒软件模型的低轨仿真系统框架,解决了海量节点的低轨卫星系统在保证高逼真条件下仿真运行效率低的问题,支撑低轨卫星系统的建设。
图2为本发明实施例用于实现一种低轨星座卫星系统结构示意图。根据本实施例的系统包括地面站模型101、卫星模型102和用户模型103。
具体地,地面站模型101主要实现对低轨卫星系统地面站系统的等效建模。
优选地,所述地面站模型包括如下模块但不限于:
1)信关站模块,主要开展与卫星进行数据交互,主要包括:卫星的跟踪、地面站对卫星的数据发送、卫星对地面站的数据接收,星地测量等;
2)控制中心模块,主要开展系统的管理运行等工作,主要包括:上注数据的编排、信关站天线的调度、跟踪计划的制定、用户接入控制、与外部系统的数据对接管理、用户移动性管理等。
具体地,卫星模型102主要实现对低轨卫星系统卫星系统的等效建模。
优选地,所述卫星模型包括如下模块但不限于:
1)卫星基本功能,包括:星地数据收发模块、星间数据收发模块、数据管理模块和导航增强模块);
2)卫星模型辅助功能,包括:关键状态存储模块、轨道计算模块等。
具体地,用户模型103主要实现对低轨卫星系统用户系统的等效建模。
优选地,所述用户模型包括如下模块但不限于:
1)通信基本功能,包括:卫星对用户数据接收模块、用户对卫星的数据发送模块和卫星数据应用模块;
2)导航基本功能,包括:导航信号接收机模块,导航信息应用模块等。
实施例2
图3为本发明实施例用于实现一种低轨星座卫星仿真建模方法实现物理架构示意图。根据本实施例的系统包括高逼真白盒软件模型、仿真场景及配置、低轨卫星仿真系统、仿真场景及过程数据、黑盒模型训练系统和高效率黑盒软件模型。
具体地,高逼真白盒软件模型主要包含利用现有数字孪生技术对低轨卫星系统建模的各种分系统的软件模型。
具体地,仿真场景及配置主要包含经过系统运行特点的分析,设定不同的运行场景,调整仿真运行参数,形成数量较大的仿真场景集合。
具体地,低轨卫星仿真系统主要包含从仿真场景集合中挑选一种仿真场景,在仿真系统中设置相关的仿真参数及配置,仿真引擎驱动系统按照相关时序运行,仿真模拟低轨卫星系统运行全过程,在运行过程中记录存储系统每个节点输入和输出数据。
具体地,仿真场景及过程数据主要包含低轨卫星仿真系统遍历各种仿真场景及设置得到的系统运行数据。
具体地,黑盒模型训练系统主要包含利用现有成熟的技术实现在海量数据条件下的映射函数的训练,该方法包括:深度学习、强化学习等。
具体地,高效率黑盒软件模型主要包含低轨卫星系统分系统的输入数据、输出数据和映射函数。
需要注意的是,本发明可在软件和/或软件与硬件的组合体中被实施,例如,本发明的各个装置可采用专用集成电路(ASIC)或任何其他类似硬件设备来实现。在一个实施例中,本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本发明的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
以上,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种低轨星座卫星仿真建模方法,其特征在于,包括以下步骤:
S1:建立低轨卫星系统对应的白盒软件模型;
S2:建立真实卫星的黑盒软件模型框架;
S3:基于所述白盒软件模型仿真模拟低轨卫星系统运行全过程,得到多种场景下的运行数据;
S4:利用所述多种场景下的运行数据训练所述黑盒软件模型框架,得到所述黑盒软件模型的输入和输出的映射函数,基于所述黑盒软件模型的输入和输出的映射函数,得到卫星的黑盒软件模型;
S5:在低轨卫星仿真系统中采用所述卫星的黑盒软件模型进行仿真验证。
2.根据权利要求1所述的低轨星座卫星仿真建模方法,其特征在于,在所述S1中,所述白盒软件模型应当具备以下的特点:分系统模型应当具备真实工程系统的处理流程;所述分系统模型的关键参数通过仿真平台进行配置。
3.根据权利要求1所述的低轨星座卫星仿真建模方法,其特征在于,在所述S2中,所述黑盒软件模型框架应当具备以下的特点:仅定义模型的框架,包括输入参数的类型和输出变量的类型;对真实工程系统的输入参数和输出参数的集合进行选择形成软件模型所关注的输入参数和输出参数集合。
4.根据权利要求1所述的低轨星座卫星仿真建模方法,其特征在于,在所述S3中,所述基于白盒软件模型的仿真模拟包括如下步骤:
S301:在所述低轨卫星仿真系统中集成已经建模好的白盒软件模型;
S302:设定不同的运行场景,调整仿真运行参数,形成多数量仿真场景集合;
S303:从仿真场景集合中挑选一种仿真场景,在仿真系统中设置相关的仿真参数及配置,仿真引擎驱动系统按照相关时序运行,仿真模拟低轨卫星系统运行全过程,在运行过程中记录存储系统每个节点输入和输出数据;
S304:直到将仿真场景集合中所有的仿真场景都遍历完,得到每个场景对应的仿真运行数据。
5.根据权利要求4所述的低轨星座卫星仿真建模方法,其特征在于,所述白盒软件模型包括:卫星模型、地面站模型和用户模型。
6.根据权利要求1所述的低轨星座卫星仿真建模方法,其特征在于,在所述S4中,所述训练得到所述黑盒软件模型的输入和输出的映射函数的特点:训练数据为所述S3中得到的运行数据;输入和输出的映射函数的误差根据训练样本数量确定。
7.根据权利要求6所述的低轨星座卫星仿真建模方法,其特征在于,所述训练方法包括:深度学习和强化学习。
8.根据权利要求4所述的低轨星座卫星仿真建模方法,其特征在于,在所述S5中,所述低轨卫星仿真系统的特点:仿真引擎采用所述S3中的仿真引擎驱动系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211321780.0A CN115392057B (zh) | 2022-10-27 | 2022-10-27 | 一种低轨星座卫星仿真建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211321780.0A CN115392057B (zh) | 2022-10-27 | 2022-10-27 | 一种低轨星座卫星仿真建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115392057A CN115392057A (zh) | 2022-11-25 |
CN115392057B true CN115392057B (zh) | 2022-12-30 |
Family
ID=84127809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211321780.0A Active CN115392057B (zh) | 2022-10-27 | 2022-10-27 | 一种低轨星座卫星仿真建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115392057B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101986318A (zh) * | 2010-11-26 | 2011-03-16 | 南京航空航天大学 | 飞行控制系统概念样机设计方法 |
DE102011081345A1 (de) * | 2011-08-22 | 2013-02-28 | Robert Bosch Gmbh | Verfahren zum Erstellen eines Modells |
CN109905280A (zh) * | 2019-03-21 | 2019-06-18 | 北京邮电大学 | 一种面向移动卫星网络的仿真方法及系统 |
CN112380625A (zh) * | 2020-11-20 | 2021-02-19 | 南京航空航天大学 | 适于飞行器机载系统架构设计的aMBSE方法 |
CN113779745A (zh) * | 2021-04-30 | 2021-12-10 | 中国人民解放军国防科技大学 | 一种基于组件的联合作战武器装备运用仿真建模方法 |
CN113806930A (zh) * | 2021-09-08 | 2021-12-17 | 清华大学 | 白盒与黑盒离散事件系统协同仿真的时序推进方法及装置 |
-
2022
- 2022-10-27 CN CN202211321780.0A patent/CN115392057B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101986318A (zh) * | 2010-11-26 | 2011-03-16 | 南京航空航天大学 | 飞行控制系统概念样机设计方法 |
DE102011081345A1 (de) * | 2011-08-22 | 2013-02-28 | Robert Bosch Gmbh | Verfahren zum Erstellen eines Modells |
CN109905280A (zh) * | 2019-03-21 | 2019-06-18 | 北京邮电大学 | 一种面向移动卫星网络的仿真方法及系统 |
CN112380625A (zh) * | 2020-11-20 | 2021-02-19 | 南京航空航天大学 | 适于飞行器机载系统架构设计的aMBSE方法 |
CN113779745A (zh) * | 2021-04-30 | 2021-12-10 | 中国人民解放军国防科技大学 | 一种基于组件的联合作战武器装备运用仿真建模方法 |
CN113806930A (zh) * | 2021-09-08 | 2021-12-17 | 清华大学 | 白盒与黑盒离散事件系统协同仿真的时序推进方法及装置 |
Non-Patent Citations (1)
Title |
---|
低轨星座系统业务建模与仿真;冯少栋;《宇航学报》;20100131;第31卷;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115392057A (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111208746B (zh) | 一种北斗全球系统软硬协同仿真试验验证系统 | |
CN111314166B (zh) | 一种多节点综合仿真系统及方法 | |
CN106599398B (zh) | 天地一体化集成管理系统的仿真方法及装置 | |
CN101842821B (zh) | 无人驾驶交通工具模拟系统 | |
CN104865844B (zh) | 一种基于分布式平台的空间信息网络综合评估演示方法 | |
CN113221318B (zh) | 一种基于dds的系统级仿真测试环境构建方法 | |
CN111132175A (zh) | 一种协同计算卸载和资源分配方法及应用 | |
CN102982209B (zh) | 基于hla的空间网络可视化仿真系统及仿真方法 | |
CN105871487B (zh) | 一种面向卫星移动通信的系统级仿真演示验证系统 | |
CN106648658B (zh) | 面向实况/虚拟/构造混合系统的仿真方法 | |
CN112115589B (zh) | 基于VR-Force和OPNET的联合仿真系统及方法 | |
US11915252B2 (en) | Method for identifying key elements that affect emergence of global efficiency of rail transit system and simulation system for implementing the same | |
CN105915304A (zh) | 一种面向卫星移动通信的系统级仿真演示验证方法 | |
CN113572815B (zh) | 一种跨异构平台的通信技术方法、系统及介质 | |
CN103647664A (zh) | 面向深空多中继卫星通信的分布式仿真系统 | |
CN111291503A (zh) | 一种卫星导航系统模型集成系统及其建立方法 | |
CN114338418B (zh) | 一种虚实结合的信息网络验证平台 | |
CN115185631A (zh) | 一种天地一体化孪生模拟系统及方法 | |
CN107871050A (zh) | 面向数据和面向对象的混合建模方法及存储介质 | |
CN114422010A (zh) | 一种基于网络虚拟化的卫星通信仿真平台的协议测试方法 | |
CN110674584B (zh) | 多飞行器联合仿真系统 | |
CN115392057B (zh) | 一种低轨星座卫星仿真建模方法 | |
CN112947125A (zh) | 一种基于高速串行总线的嵌入式无人机集群仿真系统 | |
CN115221799B (zh) | 一种基于多分支的无人集群超实时推演系统及方法 | |
CN112199154A (zh) | 一种基于分布式协同采样中心式优化的强化学习训练系统及方法 |
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 |