28392

بهبود دقت تعيين مدار ماهواره بر پايه مشاهدات اپتيكي زمين‌پايه به كمك شبكه عصبي مصنوعي

كارشناسي ارشد

هوافضا - فناوري ماهواره

1399

1401/12/23

دكتر بهمن قرباني وقعي

فناوري هاي نوين

يكي از مهمترين گام‌ها جهت استفاده¬ي بهينه از فرصت¬هاي فضا و مقابله با تهديدات فضايي، تعيين موقعيت و تخمين وضيعت اجرام موجود در آن مي¬باشد. هم‌اكنون بيش از 34000 جرم مصنوعي با ابعاد بالاي 10سانتيمتر در حال گردش به دور زمين هستند كه ميان آن‌ها حدود 4000 ماهواره فعال وجود دارد. با توجه به وجود اغتشاشات مداري در ارتفاعات مختلف كه پيشبيني دقيق مسير حركت اجرام فضايي را براي مدت طولاني ناممكن مي‌سازند، دستيابي به روش‌هايي پايدار جهت تعيين مدار دقيق اين اجرام با هدف مديريت ترافيك فضايي و همچنين بهره‌برداري بهينه از سرمايه‌هاي فضايي، ضرورتي غير قابل اجتناب است. با توجه به استقبال روزافزون استفاده از ابزارهاي اپتيكي براي پايش فضا به‌ علت قيمت پايين و دسترسي آسان و در عين حال وجود محدوديت‌هاي ذاتي در تعداد مشاهدات و دقت تخمين مدار با روش‌هاي كلاسيك، در اين پژوهش توانمندي شبكه‌هاي عصبي مصنوعي به منظور بهبود دقت تعيين مدار اجرام فضايي مبتني بر مشاهدات اپتيكي زمين‌پايه مورد بررسي قرار خواهد گرفت. در ابتداي اين پژوهش به بيان مقدمات و مدل‌سازي مشاهدات اپتيكي از اجرام فضايي خواهيم پرداخت. سپس مباني و روش‌هاي تعيين مدار اپتيكي بررسي شده و نيز مباني كاربردي يادگيري ماشين و شبكه‌هاي عصبي مصنوعي ارائه مي‌گردد. گام بعدي اين پژوهش به آموزش شبكه توسط داده‌هاي واقعي موقعيت يك ماهواره در مدار LEO و اعمال مدل مشاهدات اپتيكي روي آن‌ها و سپس اجراي فرايند تعيين مدار اختصاص دارد. تعيين مدار اوليه با روش گاوس و سپس اعمال حداقل مربعات انجام شده و در نهايت كاهش خطاي مدار خروجي از اين روش‌هاي كلاسيك، به شبكه عصبي مصنوعي واگذار مي‌شود. در گام آخر نيز به جمع‌بندي نتايج و ارائه‌ي پيشنهادات خواهيم پرداخت. به واسطه‌ي توانمندي بالاي شبكه‌هاي عصبي مصنوعي در پيش‌بيني و تعميم خطاها، كارايي اين ابزار هوش مصنوعي در حل مسائل علمي مرتبط با دنياي واقعي بارها به اثبات رسيده‌است؛ در كاربرد مد نظر اين پژوهش نيز شبكه‌ عصبي مصنوعي موفق به افزايش چشم‌گير دقت تعيين مدار ماهواره در زمان‌ مشاهده و همچنين كاهش چندين برابري خطاي انتشار مدار در زمان‌هاي آتي گرديد كه استفاده‌هاي علمي و عملياتي مهمي را به‌ويژه براي بهره‌گيري در مبحث مديريت ترافيك فضايي و آگاهي وضعيتي فضا پوشش مي‌دهد.

1402/03/22

Improving Accuracy of Orbit Determination by Ground-Based Optical Observations Based on Artificial Neural Network

3/13/2024 12:00:00 AM

One of the most important steps to utilize space opportunities and dealing with space threats is to determine the position and estimate the condition of the objects in it. Currently, more than 34,000 artificial objects with dimensions above 10 centimeters are orbiting the earth, among which there are about 4,000 active satellites. Due to the existence of orbital disturbances at different altitudes that make it impossible to accurately predict the trajectory of space objects for a long time, achieving stable methods to determine the exact orbit of these objects with the aim of managing space traffic and also optimally using space resources is an unavoidable necessity. Considering increasingly use of optical tools for space monitoring due to low price and easy access, besides inherent limitations in the number of observations and the accuracy of orbit estimation with classical methods, in this research we will investigate the ability of artificial neural network (ANN) to improve the accuracy of orbit determination of Space objects based on ground-based optical observations. At the beginning of this research, we will discuss the basics and modeling of optical observations of space objects. Then, the basics and methods of optical orbit determination are reviewed, as well as the practical basics of machine learning and artificial neural networks are presented. The next step of this research is dedicated to training the network using the real data of the position of a satellite in the LEO orbit and applying the optical observation model on them and then performing the orbit determination process. The initial orbit is determined by the Gauss method and then the least squares are applied, and finally, reduction error of resulted orbit from these classic methods is performed by artificial neural network. In the last step, we will summarize the results and provide suggestions. Because of ANN’s universal approximation capability and flexible network structures, it has been found that the trained ANNs can achieve good performance in various situations, In the intended application of this research, the artificial neural network succeeded in significantly increasing the accuracy of satellite orbit determining at the epoch of observation, as well as reducing the orbit propagation error by several times in the future epochs, which has important scientific and operational applications, especially for use in the field of Space Traffic Management and Space Situational Awareness.

تعيين مدار , پايش اپتيكي فضا , هوش مصنوعي , شبكه عصبي مصنوعي

Orbit Determination , Optical Space Surveillance , Artificial Intelligence , Artificial Neural Network

Mostafa Akhondi

Bahman Ghorbani