[发明专利]一种基于飞越映射参数学习的木卫引力辅助轨道递推方法

说明书

本发明公开一种基于飞越映射参数学习的木卫引力辅助轨道递推方法，包括：设置探测器的初始状态参数；定义两个庞加莱截面∑_A和∑_B；利用圆型限制性三体问题动力学模型从截面∑_A进行轨道递推，获得探测器经飞越映射到达截面∑_B时的状态参数；基于反向传播神经网络学习飞越映射前后状态参数之间的映射关系，获得反向传播神经网络模型；基于已获得的反向传播神经网络模型来预测飞越映射后的状态参数，以获得木卫引力辅助轨道递推的高精度近似解。本发明采用反向传播神经网络对均匀采样的部分初始相空间进行网络训练，通过对训练时间、训练样本数及神经元个数的折衷权衡选择合适的神经网络结构；进行三体问题引力辅助轨道递推时，计算效率高且精度高。

技术领域

本发明属于航空航天技术领域，具体指代一种基于飞越映射参数学习的木卫引力辅助轨道递推方法。

背景技术

木星系统是太阳系内质量最大的行星系统，包括一颗行星以及七十九颗卫星，被称为“小太阳系”。对木星及其卫星构成的木星系统进行探测对研究太阳系的演化以及地外生命的探索具有重大意义。由于木星的轨道能量大，传统的直接转移方式很难使航天器直接进入目标轨道，对引力辅助轨道递推问题的研究对保障任务成功非常有帮助。任务设计初始阶段，圆锥曲线拼接技术被广泛应用。然而该模型在低能系统中精度较低，并且在高能状态下，第三体的扰动也可能使圆锥曲线拼接模型失效。为了进一步研究大范围能量系统中三体飞越动力学问题，三体飞越映射方法被提出。由于三体问题没有解析解，计算效率低。三体模型下的引力辅助轨道递推效率直接影响未来深空探测任务轨道设计效率。因此，如何快速精准进行三体模型下的引力辅助轨道递推也是深空探测研究的难点之一。

已发展的三体问题精确计算方法中，在先文献Campagnola S,Skerritt P,Russell R P.Flybys in the planar,circular,restricted,three-body problem[J].Celestial Mechanics and Dynamical Astronomy,2012,113(3):343-368，针对大范围能量系统的动力学问题，提出基于飞越映射实现引力辅助轨道递推的方法并最终绘制蒂萨兰德-庞加莱图。在给定蒂萨兰德参数的情况下，通过飞越映射可计算λ_A取值区间内a_B取极值时所对应的远星距r_a和近星距r_p。该方法主要通过三体动力学模型来进行数值积分，受复杂、非线性动力学环境的影响，三体问题没有解析解。大量的初始情况需要耗费很多的时间，严重影响了计算效率。

在先文献Breen P G,Foley C N,Boekholt T,et al.Newton vs the machine:solving the chaotic three-body problem using deep neural networks[J].arXivpreprint arXiv:1910.07291,2019中通过利用深度神经网络对三体问题进行求解，速度比利用求解器求解快一亿倍，且误差只有万分之一，但它只解决了在二维平面内的三体问题，且研究对象被限制为三个等质量，初始速度为零的粒子。与三体问题模型下引力辅助的条件不同，故无法应用于引力辅助问题。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种基于飞越映射参数学习的木卫引力辅助轨道递推方法，以解决现有技术中难以用很短的时间实现限制性三体问题模型下木卫引力辅助轨道快速精确递推问题。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种基于飞越映射参数学习的木卫引力辅助轨道递推方法，步骤如下：

1)设置探测器的初始状态参数；

2)定义两个庞加莱截面∑_A和∑_B；