基于深度神经网络补偿模型的轨道预报技术

基于深度神经网络补偿模型的轨道预报技术

ID:33370921

大小:3.70 MB

页数:87页

时间:2019-02-25

基于深度神经网络补偿模型的轨道预报技术_第1页
基于深度神经网络补偿模型的轨道预报技术_第2页
基于深度神经网络补偿模型的轨道预报技术_第3页
基于深度神经网络补偿模型的轨道预报技术_第4页
基于深度神经网络补偿模型的轨道预报技术_第5页
资源描述:

《基于深度神经网络补偿模型的轨道预报技术》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、万方数据承诺书本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本承诺书)作者签名:日期:万方数据万方数据南京航空航天大学硕士学位论文摘要卫星轨道预报是卫星应用研究的基础。建立高精度的卫星轨道预报模型对于提高卫星导航定位精度、增强卫星星

2、座自主导航能力以及空间交会对接等航天任务的完成都有重要的意义。本文研究了提高卫星轨道预报精度的方法,主要研究内容和创新点如下:1、建立了精度为米级的导航卫星动力学模型,分析了摄动力对导航卫星轨道预报的影响。建立了适合GPS导航卫星的动力学模型预报方案,进行了短期和长期预报仿真,对仿真结果进行了分析。2、研究了深度神经网络的拓扑结构及其训练算法,给出了训练算法原理图。受限玻尔兹曼机是深度神经网络的基石,训练的关键步骤是对模型的采样。分析了三种基于马尔可夫链蒙特卡洛采样算法和受限玻尔兹曼机的结构特性,将最适用于受限玻尔兹曼机结构特性的blockedGibbs采样算法用在仿真中

3、。3、基于动力学模型预报误差的特性,建立了基于深度神经网络的补偿混合模型。以GPS导航卫星为对象,分别采用BP网络和深度神经网络对预报误差进行建模并进行了预报对比仿真实验,仿真结果表明基于BP网络的补偿混合模型主要补偿了预报误差中的长期发散项,而基于深度神经网络的补偿混合模型不仅补偿了长期发散项还对反应空间环境特性的周期项有较佳的补偿效果。关键词:轨道预报,深度神经网络,混合模型,周期项,发散项i万方数据基于深度神经网络补偿模型的轨道预报技术ABSTRACTSatelliteorbitpredictionisthefoundationofsatelliteapplicat

4、ionresearch.Inordertoimprovetheaccuracyofsatellitenavigationandpositioning,thehighaccuracymodeloforbitpredictionshouldbeformulated.Highaccuracypredictionmodelisalsoveryimportantwhenitcomestospacemissionlikesatelliteautonomousnavigationandspacecraftrendezvousanddocking.Thispaperemphasizeso

5、nthemethodwhichcanimprovetheaccuracyofnavigationsatelliteorbitprediction,themaincontentsandinnovationsaresummarizedasfollows:1.Thedynamicmodelofnavigationalsatellitewithmeterlevelaccuracyisintroducedindetail,variousperturbativeforcesandtheirinfluenceonnavigationalsatelliteareanalyzed.Adyn

6、amicalmethodtopredicttheorbitofGPSnavigationalsatelliteispresented.Shorttermandlongtermpredictionsimulationaremadeandsimulationresultisanalyzed.2.Thetopologicalstructureandtrainingalgorithmofdeepneuralnetworkareintroduced.Aschematicdiagramoftrainingalgorithmisgiven.Restrictedboltzmannmach

7、ineisthecornerstoneofdeepneuralnetwork,thecoreofitstrainingalgorithmissamplingfromthemodel.ThereMarkovchainMonteCarlosamplingalgorithmsandstructuralcharacteristicsofRestrictedboltzmannmachineareanalyzed,blockedGibbssamplingalgorithmwhichfitsRestrictedboltzmannmachin

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。