一种用于广义小行星轨迹预测的两阶段框架,该框架结合了基于物理规律的求解器

《Acta Astronautica》:A two-stage framework for generalized asteroid trajectory prediction with a physics-informed base solver

【字体: 大 中 小 】 时间:2026年08月30日 来源:Acta Astronautica 3.7

编辑推荐:

  摘要 准确传播小行星轨迹及其不确定性对于近距离接近评估至关重要。在近距离接近过程中,非线性动力学可能会改变B平面上的不确定性集,并重塑B平面距离分布的低尾部,而蒙特卡洛传播对于大型克隆集合来说成本较高。我们提出了一种两阶段的替代方法用于基于任务条件的小行星轨迹预测。第一阶段结合了

  摘要
准确传播小行星轨迹及其不确定性对于近距离接近评估至关重要。在近距离接近过程中,非线性动力学可能会改变B平面上的不确定性集,并重塑B平面距离分布的低尾部,而蒙特卡洛传播对于大型克隆集合来说成本较高。我们提出了一种两阶段的替代方法用于基于任务条件的小行星轨迹预测。第一阶段结合了共享的时间表示和考虑扰动的物理重建,以生成特定于任务的基线轨迹。第二阶段应用基于任务的残差校正来减少系统性的位置和速度误差。在一个按故障模式分层的近距离接近挑战集上,最终模型再现了参考B平面的几何形状,保持了B平面距离分布的低尾部结构,并保留了根据阈值定义的候选集。结合批量GPU评估,这些结果表明在大规模克隆集合中进行高效近距离接近筛选是可行的。

引言
非线性不确定性传播是天体动力学的基础,因为引力动力学将轨道状态不确定性转化为用于近距离接近和撞击风险分析的分布[1]、[2]、[3]、[4]。诸如Catalina天空调查、NEOWISE、Pan-STARRS和Vera C. Rubin天文台时空遗产调查等调查正在生成越来越多的近地天体发现、跟踪和轨道监测的数据集[5]、[6]、[7]、[8]、[9]。这些应用需要传播名义状态及其轨道不确定性分布中抽出的样本。高精度数值积分仍然是参考方法,但独立传播每个候选体和样本可能会限制大规模筛选工作流的吞吐量[3]、[4]、[10]。
当传播窗口包含行星近距离接近时,这一挑战尤为突出。接近几何形状的微小变化可能会将一个紧凑的不确定性区域转变为一个严重扭曲的分布,从而限制了单一全局近似的有效性[1]、[11]、[12]、[13]、[14]。近距离接近分析和高阶不确定性图使用局部表示、重新映射或自适应域分割来解决这种非线性演化[11]、[12]、[13]。在这种情况下,替代方法应该能够在强烈扰动期间解决局部响应问题,而无需为每个轨迹任务单独建模。
物理信息学习提供了一种实现这一目标的方法,它结合了参数化轨迹表示与控制方程的残差以及初始或边界约束[15]、[16]。物理信息神经网络(PINN)方法已应用于三体动力学、轨道确定、状态估计和轨道传播[17]、[18]、[19]、[20]、[21]、[22]。然而,传统的PINN通常是为特定的控制系统和任务实例进行训练的,因此将它们应用于新任务可能需要额外的优化过程[16]、[23]。元学习通过将共享结构适应新任务来减少重复拟合[24]、[25]、[26]、[27],而物理信息操作符学习将问题描述符映射到解字段[28]、[29]。对于近距离接近应用,替代方法还必须解决在指定输出网格上接近响应的局部时间变化问题。这促使我们发展了一种两阶段的小行星轨迹预测替代方法。第一阶段通过岭正则化最小二乘和有限步长Picard迭代从考虑 encounters 的时间基础重建特定于任务的基线轨迹。第二阶段在独立的低秩轨迹坐标中预测剩余的位置和速度误差。主要贡献有三个方面:
1. 我们提出了一个两阶段替代方法,它结合了考虑 encounters 的共享时间表示、特定于任务的物理重建以及对剩余状态条件的校正。
2. 我们开发了一种稳定的最小二乘-Picard重建方法,以及独立设计的低秩位置和速度残差模型,其坐标设计和秩通过受控消融进行了研究。
3. 我们使用状态准确性、基于网格的有限差分诊断、传播的不确定性几何形状、B平面距离分布的低尾部指标以及基于阈值的候选者筛选,在名义和协方差克隆基准上评估了该框架。

问题定义
我们考虑在太阳和选定扰动体的引力场下,一个质量可以忽略不计的小行星的日心传播。设???(??)和???(??)分别表示目标天体的日心位置和速度。设?????(??)表示扰动体??的日心位置。扰动体集合为??={金星、地球、月球、火星、木星}。第一阶段使用以下力模型:???(??)=???⊙???‖??‖3+∑??∈???????[???????‖???????‖3?????‖????‖3]+??1PN?(??,??),其中??⊙和????是标准引力常数。

外部模型比较
外部基准比较了完整的两阶段流程与六个基于学习和物理引导的基线的端到端状态准确性。比较使用了相同的1000个任务的训练集和第2.5节中描述的独立冻结的1000个任务的评估集。没有任何小行星同时出现在这两个集合中。每个轨迹的位置和速度RMSE分布通过它们的平均值、中位数和第90百分位数进行了总结。比较包括了最终的两阶段模型、深度神经网络模型。

结论
本研究提出了一个基于任务条件的小行星轨迹预测的两阶段替代方法。一种考虑 encounters 的物理残差重建方法生成基线轨迹,而低秩的基于任务的校正方法减少了其剩余的状态误差。在冻结的1000个轨迹评估集上,最终模型在评估的实施中实现了最低的平均值、中位数和P90位置和速度RMSE。第一阶段的消融确定了遇到局部时间支持。

CRediT作者贡献声明
Minghu Tan:写作 – 审稿与编辑,概念化。
Yu Lei:写作 – 原始草稿,方法论。
Yitao Chen:可视化,验证。
Jingyu Wang:资源,资金获取。

利益冲突声明
作者声明他们没有已知的可能会影响本文所报告工作的竞争性财务利益或个人关系。

致谢
本研究得到了航空航天飞行动力学关键实验室开放基金的支持,资助编号为KGJ6142210240108。

Minghu Tan | Yu Lei | Yitao Chen | Jingyu Wang
西北工业大学宇航学院,中国西安,710072
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号