融合遗传算法和单纯形调优法的TLE数据最优定轨方法研究.pdfVIP

摘要

随着大型卫星星座的布设、太空商业化运营等太空活动的增加，近地空间目

标数量呈指数级增加。北美防空司令部和美国国家航空航天局利用空间监测网跟

踪、监视和维护空间目标编目数据库ELSETs，是目前面向世界唯一公开、空间碎

片数量最全的数据库。该数据库所提供的TLE数据格式的轨道信息被广泛应用于

热层大气密度反演、碰撞预警、大气再入预报和风险评估等领域研究。然而，TLE

数据存在质量波动，导致以最小二乘法为代表的传统轨道确定方法在实际运算中

往往遭遇数值问题而失败，不适于空间目标编目库。

首先，本文提出了一种融合遗传算法与单纯形调优法的轨道确定混合算法，

平衡局部最优解和全局最优解，并提升计算效率。在应用该算法的过程中，创新

性地提出了利用历史TLE数据构建约束条件，即标准约束条件，成功解决了最小

二乘法对初始值依赖性较强和单纯形法容易陷入局部最优解且计算速率较慢的问

题。然后，通过分析轨道预报误差特征，在混合算法的基础上提出了基于Bstar收

敛准则，进一步提高了轨道确定的精度。以原始TLE数据向前预报10天的轨道预

报误差为基础，本文利用大量实验对本文所提方法与最小二乘法、基于蒙特卡罗

的单纯形调优法的轨道预报误差进行对比，结果表明：标准约束条件的混合定轨

算法相较于最小二乘法、单纯形调优法和TLE原数据的轨道预报精度分别提高

86.80%、47.49%和4.25%，基于Bstar收敛准则的混合定轨算法则在标准约束条件

混合定轨法的基础上提高7.50%。

因此，本文所提的融合遗传算法与单纯形调优法的混合算法不仅能够显著提

高预报精度，还能够提升计算效率。特别是基于Bstar收敛准则的混合定轨算法性

能优异，当TLE数据质量较高时，不降低TLE轨道预报的精度；当TLE数据较

差时，能够显著提升TLE轨道预报的精度。本文研究成果将有助于提升风险规避、

碰撞预警、大气再入预报等空间碎片领域的研究。

关键词：TLE；轨道确定；遗传算法；单纯形调优算法；

I

ABSTRACT

Withthedeploymentoflargesatelliteconstellationsandtheincreaseinspace

commercializationoperations,thenumberofnear-Earthspacetargetsisincreasing

exponentially.NORADandNASAusethespacemonitoringnetworktotrack,monitor,

andmaintainspacetargetcataloguingdatabases,ELSETs,whicharetheonlypublicly

availabledatabaseswiththemostcataloguedspacedebrisavailabletotheworld.The

orbitinformationprovidedbythedatabaseinTLEdataformatiswidelyusedinthe

fieldsofthermosphereatmosphericdensityinversion,collisionwarning,atmospheric

re-entrypredictionandriskassessment.However,thequalitiesofTLEdatavarywith

time,whichleadstothefailureofthetraditionalorbitdeterminationmethods

representedbytheleastsquaresmethodinpracticaloperations,whicharenotsuitable

forspaceobjectcataloguing.

Firstly,thispaperproposesanorbitaldeterminationhybridalgorithmthatintegrates

gen