[论文解读] Initial Orbit Determination for the CR3BP using Particle Swarm Optimization
本文提出一种基于粒子群优化（PSO）的方法，用于在环月空间的圆型限制性三体问题（CR3BP）动力学下，对伴飞航天器进行初始轨道确定（IOD）。通过利用PSO最小化基于距离和角度测量的观测残差，并结合局部非线性最小二乘优化器，该方法实现了亚米级位置和亚米每秒级速度精度，在多种环月轨道构型下均表现出稳健的收敛性，且通过GPU加速计算实现高效处理。
This work utilizes a particle swarm optimizer (PSO) for initial orbit determination for a chief and deputy scenario in the circular restricted three-body problem (CR3BP). The PSO is used to minimize the difference between actual and estimated observations and knowledge of the chief's position with known CR3BP dynamics to determine the deputy's initial state. Convergence is achieved through limiting particle starting positions to feasible positions based on the known chief position, and sensor constraints. Parallel and GPU processing methods are used to improve computation time and provide an accurate initial state estimate for a variety of cislunar orbit geometries.
研究动机与目标
- 开发一种在CR3BP动力学下适用于环月空间任务的鲁棒初始轨道确定（IOD）方法。
- 解决环月空间态势感知（SSA）中观测稀疏且噪声较大的挑战。
- 提升对近距离操作和环月天体编目中初始状态估计的精度。
- 通过并行化与GPU加速处理，降低PSO优化的计算时间。
- 在多种环月轨道构型（包括NRHO和L2轴向轨道）上验证该方法的有效性。
提出的方法
- 采用粒子群优化器（PSO）最小化实际观测值（距离与角度）与基于CR3BP动力学预测状态之间的差异。
- 粒子初始化于由已知主星位置和传感器约束导出的可行边界内，以提升收敛性。
- 采用收缩因子与基于网格的初始化策略，以增强PSO的稳定性和收敛速度。
- 利用局部非线性最小二乘优化器（NLSQ）对PSO解进行精炼，以获得高精度的初始状态估计。
- 实现并行化与GPU加速计算，显著缩短大规模PSO种群评估的处理时间。
- 在两种场景下对方法进行测试：一种为环形轨道中密集测量，另一种为L2轴向轨道中稀疏测量。
实验结果
研究问题
- RQ1在仅使用光学距离和角度测量的条件下，PSO能否在CR3BP动力学下有效完成环月空间伴飞航天器的初始轨道确定？
- RQ2PSO在不同环月轨道构型（如近地轨道环形轨道和L2轴向轨道）下的性能表现如何？
- RQ3对粒子初始化施加约束在环月任务IOD中，能在多大程度上提升PSO的收敛性与精度？
- RQ4全局PSO与局部NLSQ优化相结合，在实现高精度初始状态估计方面有多高效？
- RQ5GPU与并行处理对环月应用中基于PSO的IOD计算效率有何影响？
主要发现
- 在场景1中，PSO实现的位置误差小于7 km，速度误差小于0.05 m/s，经NLSQ优化器进一步降低至亚米级与亚米每秒级。
- 在场景2中，仅使用7天内10次稀疏测量，PSO仍实现位置误差低于7 km，速度误差低于0.05 m/s，表明对稀疏数据具有强鲁棒性。
- PSO在250 km以内的位置和0.1 km/s以内的速度范围内收敛至真实初始状态，展现出强大的全局搜索能力。
- 速度状态收敛快于位置状态，表明角速率与距离测量对速度动力学提供了更强的约束。
- GPU与并行处理显著降低了计算时间，使环月SSA应用中实现实时或近实时IOD成为可能。
- 该方法成功为周期性环形轨道与L2轴向轨道生成了高精度的初始状态估计，验证了其在多样化环月任务场景中的适用性。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。