priborИзвестия высших учебных заведений. ПриборостроениеJournal of Instrument Engineering0021-34542500-0381Национальный исследовательский университет ИТМО10.17586/0021-3454-2022-65-8-565-574pribor-231Research ArticleГИРОСКОПИЧЕСКИЕ И НАВИГАЦИОННЫЕ СИСТЕМЫGYROSCOPIC AND NAVIGATION SYSTEMSОбоснование структуры нейронной сети для определения параметров движения орбитального объекта по результатам его наблюдений с борта космического аппаратаSubstantiation of the Neural Network Structure for Determining an Orbital Object Motion Parameters Based on Results of Its Observations from a SpacecraftАнаненкоВ. М.AnanenkoV. M.

Владимир Михайлович Ананенко — канд. техн. наук, доцент, кафедра автономных систем управления; старший преподаватель

Санкт-Петербург

Vladimir М. Ananenko — PhD, Associate Professor,Department of Autonomous Control Systems; Senior Lecturer

St. Petersbur

avm-brok@mail.ruГоляковА. Д.GolyakovA. D.

Алексей Дмитриевич Голяков — д-р техн. наук, профессор, кафедра автономных систем управления; профессор

Санкт-Петербург

Alexeу D. Golyakov — Dr. Sci., Professor, Department of Autonomous Control Systems; Professor

St. Petersbur

algol1949@mail.ruСасункевичА. А.SasunkevichA. A.

Александр Анатольевич Сасункевич — канд. техн. наук,кафедра автономных систем управления

Санкт-Петербург

Aleхandеr A. Sasunkevich — PhD, Department of AutonomousControl Systems

St. Petersbur

saa-soso@rambler.ruВоенно-космическая академия им. А. Ф. МожайскогоA. F. Mozhaisky Military Space Academy202201122024658565574Copyright © Национальный исследовательский университет ИТМО, 20242024Национальный исследовательский университет ИТМОНациональный исследовательский университет ИТМОhttps://pribor.ifmo.ru/jour/about/submissions#copyrightNoticehttps://pribor.ifmo.ru/jour/article/view/231

Обоснована структура многослойной нейронной сети прямого распространения, предназначенной для определения параметров движения центра масс некооперируемого орбитального объекта по результатам измерений, проводимых с помощью оптико-электронной системы космического аппарата. В качестве измеряемых параметров выбраны зенитные расстояния орбитального объекта в характерных точках орбиты космического аппарата и время пролета орбитального объекта между этими точками. Установлена наименьшая продолжительность обучения при заданной точности определения параметров движения центра масс орбитального объекта. Представленные результаты могут быть использованы при обосновании и разработке систем автономного определения параметров движения центра масс орбитального объекта на основе бортовых оптических средств космического аппарата.

The structure of a multilayer neural network of direct propagation, designed to determine the motion parameters of the mass center of a non-cooperating orbital object by results of measurements carried out by a spacecraft optical-electronic system, is substantiated. The orbital object zenith distances at characteristic points of the spacecraft's orbit and the time of the orbital object's passage between these points were chosen as the measured parameters. The shortest duration of training for a given accuracy of determining the of the orbital object's center of mass motion parameters is determined. The presented results can be used in justification and development of systems for autonomous determination of the parameters of motion of the orbital object center of mass based on a spacecraft onboard optical means.

космический аппаратбортовая системаорбитальный объектпараметры движения центра масс орбитального объектабортовые измерениянейронная сетьspacecraftonboard systemorbital objectmotion parameters of orbital object mass centeronboard measurementsneural networkReferencesХуторовский З. Н. Ведение каталога космических объектов // Космические исследования. 1993. Т. 31, вып. 4. С. 101—114.Hutorovsky Z.N. Space Research, 1993, no. 4(31), pp. 101–114. (in Russ.)Брандин В. Н., Разоренов Г. Н. Определение траекторий космических аппаратов. М.: Машиностроение, 1978. 216 с.Brandin V.N., Razorenov G.N. Opredeleniye trayektoriy kosmicheskikh apparatov (Determination of Spacecraft Trajectories), Moscow, 1978, 216 p. (in Russ.)Минаков Е. П., Власов Р. П. Алгоритм обработки траекторной информации уточнения параметров движения объектов по одновременным двукратным измерениям двумя космическими аппаратами роторного типа // Изв. ТулГУ. Технические науки. 2019. Вып. 3. С. 184—191.Minakov E.P., Vlasov R.P. Proceedings of the Tula State University, Technical Sciences, 2019, no. 3, pp. 184–191. (in Russ.)Глущенко А. А., Хохлов В. П. Алгоритм идентификации изменений и уточнения параметров движения техногенного объекта в околоземном космическом пространстве на основе радиолокационных измерений // Изв. ТулГУ. Технические науки. 2021. Вып. 12. С. 164—170.Glushchenko A.A., Khokhlov V.P. Proceedings of Tula State University, Technical Sciences, 2021, no. 12, pp. 164–170. (in Russ.)Голяков А. Д. Введение в теорию взаимной навигации искусственных спутников Земли. СПб: ВКА им. А. Ф. Можайского, 1992. 142 с.Golyakov A.D. Vvedeniye v teoriyu vzaimnoy navigatsii iskusstvennykh sputnikov Zemli (Introduction to the Theory of Mutual Navigation of Artificial Earth Satellites), St. Petersburg, 1992, 142 p. (in Russ.)Кузнецов В. И. Автоматизированная система научных исследований методов и алгоритмов автономной навигации и ориентации космических аппаратов. Монография. СПб: ВКА им. А.Ф. Можайского, 2010. 453 с.Kuznetsov V.I. Avtomatizirovannaya sistema nauchnykh issledovaniy metodov i algoritmov avtonomnoy navigatsii i oriyentatsii kosmicheskikh apparatov (Automated System of Scientific Research of Methods and Algorithms of Autonomous Navigation and Orientation of Spacecraft), St. Petersburg, 2010, 453 p. (in Russ.)Аншаков Г. П., Голяков А. Д., Петрищев В. Ф., Фурсов В. А. Автономная навигация космических аппаратов. Самара: Гос. науч.-произв. ракетно-космический центр „ЦСКБ-Прогресс“, 2011. 486 с.Anshakov G.P., Golyakov A.D., Petrishchev. V.F., Fursov V.A. Avtonomnaya navigatsiya kosmicheskikh apparatov (Autonomous Navigation of Spacecraft), Samara, 2011, 486 p. (in Russ.)Голяков А. Д., Ананенко В. М., Фоминов И. В. Системы навигации летательных аппаратов. СПб: ВКА им. А.Ф. Можайского, 2018. 273 с.Golyakov A.D., Ananenko V.M., Fominov I.V. Sistemy navigatsii letatel'nykh apparatov (Aircraft Navigation Systems), St. Petersburg, 2018, 273 p. (in Russ.)Трещалин А. П. Применение оптико-электронной аппаратуры космических аппаратов для предварительного определения параметров орбит околоземных объектов // Труды МФТИ. 2012. Т. 4, № 3. С. 122—131.Treshchalin A.P. Proceedings of the MIPT, 2012, no. 3(4), pp. 122–131. (in Russ.)Ананенко В. М., Голяков А. Д., Калабин П. В. Метод предварительного решения задачи навигации космического робота по бортовым астрономическим измерениям с использованием фильтра Баттерворта // Вестн. Самарского университета. Аэрокосмическая техника, технологии и машиностроение. 2020. Т. 19, № 2. С. 7—18.Ananenko V.M., Golyakov A.D., Kalabin P.V. Vestnik of Samara University. Aerospace engineering, technology and engineering, 2020, no. 2(19), pp. 7–18. (in Russ.)Суханов Н. В. Схема управления летательным аппаратом на основе нейронных сетей // Электронный журнал „Труды МАИ“. 2013. Вып. 65 [Электронный ресурс]: http://trudymai.ru/published.php?ID=36013Sukhanov N.V. Proceedings of the MAI, 2013, no. 65, http://trudymai.ru/published.php?ID=36013. (in Russ.)Кореванов С. И., Казин В. В. Искусственные нейронные сети в задачах навигации беспилотных летательных аппаратов // Науч. вестн. МГТУ ГА. 2014. № 201. С. 46—49.Korevanov S.I., Kazin V.V. Scientific Vestnik of MSTU GA, 2014, no. 201, pp. 46–49. (in Russ.)Воронцов В. А., Федоров Е. А. Разработка прототипа интеллектуальной системы оперативного мониторинга и технического состояния основных бортовых систем космического аппарата // Труды МАИ. 2015. Вып. 82 [Электронный ресурс]: https://trudymai.ru/published.php?ID=58817Vorontsov V.A., Fedorov E.A. Proceedings of MAI, 2015, no. 82. https://trudymai.ru/published.php?ID=58817. (in Russ.)Михайлин Д. А. Нейросетевой алгоритм безопасного облета воздушных препятствий и запрещенных наземных зон // Науч. вестн. МГТУ ГА. 2017. Т. 20, № 04. С. 18—24.Mikhailin D.A. Scientific Bulletin of MSTU GA, 2017, no. 04(20), pp. 18–24. (in Russ.)Саттон Р. С., Барто Э. Дж. Обучение с подкреплением / Пер. с англ. А. А. Слинкина. М.: ДМК Пресс, 2020. 552 с.Sutton R.S., Barto Andrew G. Reinforcement learning, Cambridge, Mass MIT Press, 2018.Горбачевская Е. Н. Классификация нейронных сетей // Вестн. Волжского университета им. В.Н. Татищева. 2012. Вып. 2 (19). С. 23—24.Gorbachevskaya E.N. Bulletin of Volga University named after V.N. Tatishchev, 2012, no. 2(19), pp. 23–24. (in Russ.)Богославский С. Н. Область применения искусственных нейронных сетей и перспективы их развития // Науч. журн. КубГАУ. 2007. № 27(3). С. 228—238.Bogoslavskiy S.N. Scientific Journal of KubGAU, 2007, no. 3(27), pp. 228–238. (in Russ.)Sogomonyan E.S., Slabakov E.V. Samoproveryaemye ustroystva i otkazoustoychivye sistemy (The SelfChecked Devices and Failure-Safe Systems), Moscow, 1989, 208 р. (in Russ.)Sogomonyan E.S., Slabakov E.V. Samoproveryaemye ustroystva i otkazoustoychivye sistemy (The SelfChecked Devices and Failure-Safe Systems), Moscow, 1989, 208 р. (in Russ.)

The authors declare that there are no conflicts of interest present.