位置:成果数据库 > 期刊 > 期刊详情页
近地轨道卫星的地影预报算法
  • ISSN号:1000-1328
  • 期刊名称:《宇航学报》
  • 时间:0
  • 分类:V19[航空宇航科学与技术—人机与环境工程]
  • 作者机构:[1]北京航空航天大学宇航学院,北京100191, [2]航天东方红卫星有限公司,北京100094
  • 相关基金:国家自然科学基金(11172020);北京市自然科学基金(4153060)
中文摘要:

针对传统地影预报算法计算量大,不适合星载计算机进行地影时刻自主预报的问题,提出一种地影预报星上算法。通过构造降维坐标系将卫星进出地影过程转换为“星-地-日”平面内的几何问题;基于常数变易法推导出阴影条件的隐式解析公式,其方程系数可由实时轨道参数确定。为简化计算,将星上算法设计为双层结构:构造迭代算法,依据实时轨道参数可精确预报卫星在每个节点上的地影时刻;而在任意两个节点之间采用解析算法进行近似预报。仿真结果表明,星上算法的预报精度高且计算量小,适合星载计算机进行地影时刻自主预报。

英文摘要:

The traditional umbra prediction algorithms are of huge computational effort, and not suitable for the on- board computer to predict the shadow moments autonomously. Therefore, a on-hoard algorithm for shadow prediction is proposed in this paper. By constructing a reduced dimension coordinate system, the process of satellites' entering or leaving the shadow is transformed into the geometry problem occurring in the plane containing the satellite, the Earth and the Sun. The implicit analytical formula of the shadow conditions can he derived based on the constant variation method, namely the coefficients of the equation are given by the real-time orbit parameters. The spaceborne algorithm is designed into two-layer structure to simplify calculations. The shadow moments of satellites at every node are precisely predicted by constructing an iteration algorithm according to the real-time orbit parameters, and the analytical algorithm can be used to approximatively predict the shadow moments between nodes. Numerical simulations have shown that the spacehorne algorithm is of high predicting accuracy and small computational effort, and is suitable for the on-board computer to predict the shadow moments autonomously.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《宇航学报》
  • 中国科技核心期刊
  • 主管单位:中国科学技术协会
  • 主办单位:中国宇航学会
  • 主编:杜善义
  • 地址:北京市海淀区阜成路8号主楼306
  • 邮编:100048
  • 邮箱:yhxb@vip.163.com
  • 电话:010-68768614 68767316
  • 国际标准刊号:ISSN:1000-1328
  • 国内统一刊号:ISSN:11-2053/V
  • 邮发代号:2-167
  • 获奖情况:
  • 2006、2011年百种中国杰出学术期刊,2007年中国科协精品科技期刊工程,2006-2008年中国科技期刊优秀学术论文奖,2011年《中国精品科技期刊》称号
  • 国内外数据库收录:
  • 美国化学文摘(网络版),荷兰文摘与引文数据库,美国工程索引,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:17670