Satellite Orbit Prediction Through Observation Data and the Artificial Neural Networks

Shamlu, Farshad; Naghash, Abolghasem

Satellite Orbit Prediction Through Observation Data and the Artificial Neural Networks

Document Type : Original Research Paper

Authors

farshad shamlu

Abolghasem Naghash

Department of Aerospace Engineering, Amirkabir University of Technology, Tehran, IRAN

Abstract

In this study, a different approach to the prediction of satellite position is introduced.
All methods are based on the Kepler’s laws of planetary motion and the orbital
perturbations such as the Earth’s oblateness, atmospheric drag, third-body perturbation
and the solar-radiation pressure. All these perturbations are modeled and are included
separately in the equation. However, this paper offers a new view of the prediction which
suggests the use of artificial neural networks and observation data. The advantage of this
method is based on the usage of observation data, so that all disturbances are taken into
account and there is no need to use perturbation models. For this reason, the use of the
TLE as the most reachable actual data is considered. Comparison of the output of this
method with actual data shows the accuracy of the proposed method which is very high.

Keywords

prediction

Artificial Neural Networks

time series

Satellite Position

TLE

Article Title Persian

پیش‌بینی موقعیت مداری ماهواره با استفاده از داده‌های مشاهداتی و شبکة عصبی

Authors Persian

فرشاد شاملو

ابوالقاسم نقاش

دانشکدة مهندسی هوافضا، دانشگاه صنعتی امیرکبیر، تهران، ایران

Abstract Persian

در این مقاله هدف ارائة دیدگاه متفاوتی در مبحث پیش‌بینی موقعیت مداری ماهواره است. دیدگاه روش‌های فعلی دیدگاه جزئی‌نگر است که عوامل مؤثر را به‌صورت مجزا به محاسبات اعمال می‌کند. این روش‌ها مبتنی‌بر معادلة حرکت کپلری و مهم‌ترین اغتشاشات وارد به ماهواره می‌باشند. دیدگاه پیشنهادی این مقاله دیدگاه کلی‌نگر است که دیدگاه متفاوت و نوینی در این مبحث به‌شمار می‌آید. این روش با استفاده از داده‌های مشاهداتی و هوش مصنوعی محقق می‌شود که به‌صورت غیرمستقیم و ضمنی معادلة حرکت کپلری و تمامی اغتشاشات موجود -چه آن‌هایی که قابل مدل‌سازی بوده و چه آن‌هایی که هنوز امکان مدل‌سازی ندارند- در محاسبات اعمال می‌شود. این روش علاوه‌بر داشتن مزیت‌های روش‌های موجود، مزیت‌های دیگری هم دارد. مهم‌ترین مزیت این روش عدم نیاز به محاسبة مدل‌های اغتشاشات مداری است. با استفاده از این روش به نتیجه‌های قابل قبولی رسیده‌ایم به‌طوری‌که در پیش‌بینی چهارده روز برای المان‌های دو خطی، میانگین درصد خطا در حد 1/0 درصد و کمتر بوده است و براین باور هستیم که می‌توان به نتایج بهتری نیز رسید.

Keywords Persian

پیش‌بینی

شبکة عصبی مصنوعی

سری‌های زمانی

موقعیت مداری

المان‌های دو خطی

[1] McNeil, L.M. and Keslo, T.S., Spatial Temporal Information System, An Ontological Approach Using STK, Taylor & Francis, 2013.

[2] Bustan, D., Pariz, N. and Hosseini Sani, S.K., “Intelligent Satellite Orbit Prediction Based on Time Series Analysis”, Journal of Space Science and Technology (JSST), Vol. 7, No.3, Autumn 2014, pp. 43-49 (In Persian).

[3] Curtis, D. Howard; Orbital Mechanics for Engineering Student, Third Edition, Elsevir, 2014.

[4] Vallado, D., Fundamentals of Astrodynamics and Applications, 3^rd Ed., McGraw-Hill Space Technology Series, 2007.

[5] Vallado, D.A, Crawford, P., Hujsak, R. and Keslo, T. S., “Revisiting Spacetrack Report #3,” Astrodynamics Specialist Conference and Exhibit, AIAA/AAS 2006-6753-Rev2.

[6] Hoots, F.R., Paul W.S.Jr. and Robert, A.G., “History of Analytical Orbit Modeling in the U. S. Space Surveillance System,” Journal of Guidance ,Control and Dynamics, AIAA, Vol. 27, No. 2, 2004, pp.174– 185.

[7] Brockwell, P.J. and Davis, R.A., Introduction to Time Series and Forecasting, Springer, 2002.

[8] Hykins, S., Neural Networks: A Comprehensive Foundation, 2^nd ed, Prentice-Hall, 1999.

[9] Kelso, T. S., “Validation of SGP4 and IS-GPS-200D Against GPS Precision Ephemerides,” 17^th AAS/AIAA Space Flight Mechanics Conference, Sedona, AZ, 2007.

[10] William, H. Boyce, III, “Examination of
NORAD TLE Accuracy using the Iridium Constellations,” Proceedings of the
AAS/AIAA Space Flight Mechanics
Meeting, 2004.

[11] Mudoon, R.A., Elkaim, H.G., Rickard, F.I. and Weeden, B., “Improved Orbital Debris Trajectory Estimation Based On Sequential TLE Processing,” Proceedings of the International Astronautical Congress, 2009.