[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)的空間非合作目標(biāo)角速度測(cè)量方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011176669.8
• 申請(qǐng)日: 2020-10-28
• 公開(kāi)（公告）號(hào): CN112327317B
• 公開(kāi)（公告）日: 2023-09-22
• 發(fā)明（設(shè)計(jì)）人: 鄭子軒;馬川;安效民
• 申請(qǐng)（專利權(quán)）人: 西北工業(yè)大學(xué)深圳研究院;西北工業(yè)大學(xué)
• 主分類號(hào): G01S17/08
• 分類號(hào): G01S17/08;G01S7/48;G06N3/0464;G06N3/08
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 李紅霖

本發(fā)明公開(kāi)了一種基于卷積神經(jīng)網(wǎng)絡(luò)的空間非合作目標(biāo)角速度測(cè)量方法，屬于航天領(lǐng)域。本發(fā)明利用仿真法生成訓(xùn)練數(shù)據(jù)，訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)，得到訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)；將激光測(cè)距雷達(dá)測(cè)到的原始距離數(shù)據(jù)進(jìn)行預(yù)處理，將預(yù)處理完畢的原始距離數(shù)據(jù)輸入到訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)中，得到非合作目標(biāo)的角速度；預(yù)處理的具體過(guò)程為：將原始距離數(shù)據(jù)矩陣中所有元素進(jìn)行重新排列，對(duì)于第i行、第j列的元素，若將其移動(dòng)到第(2i?1)行，否則移動(dòng)到第2(N?i+1)行；若將其移動(dòng)到第(2j?1)列，否則移動(dòng)到第2(M?j+1)列。本發(fā)明極大地增強(qiáng)了卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別能力，進(jìn)而提高對(duì)非合作目標(biāo)角速度的測(cè)算精度。

技術(shù)領(lǐng)域

本發(fā)明屬于航天領(lǐng)域，尤其是一種基于卷積神經(jīng)網(wǎng)絡(luò)的空間非合作目標(biāo)角速度測(cè)量方法。

背景技術(shù)

隨著人類對(duì)太空探索和開(kāi)發(fā)的規(guī)模的擴(kuò)大，對(duì)空間非合作目標(biāo)進(jìn)行在軌服務(wù)的需求也日益增長(zhǎng)。空間非合作目標(biāo)主要包括在軌的故障或失效衛(wèi)星和各種空間碎片，對(duì)其進(jìn)行在軌服務(wù)有兩方面的重要意義：其一，對(duì)于故障或失效衛(wèi)星，對(duì)其進(jìn)行維修、燃料加注等在軌服務(wù)，可以大幅延長(zhǎng)其在軌壽命，顯著降低空間探索與開(kāi)發(fā)任務(wù)的成本；其二，對(duì)于占據(jù)重要軌道的空間碎片進(jìn)行清除或回收，可以降低衛(wèi)星與碎片碰撞的風(fēng)險(xiǎn)，提高空間環(huán)境的安全性。

對(duì)空間翻滾目標(biāo)進(jìn)行在軌服務(wù)的關(guān)鍵在于對(duì)其進(jìn)行安全地捕獲或?qū)印Ｓ捎诳臻g環(huán)境中空氣阻力很小，空間非合作目標(biāo)在初始角動(dòng)量的影響下通常處于失控的自由翻滾狀態(tài)。為避免在捕獲或?qū)舆^(guò)程中出現(xiàn)碰撞造成損害，需要在接觸前對(duì)非合作目標(biāo)的姿態(tài)角和角速度等運(yùn)動(dòng)狀態(tài)進(jìn)行精確的測(cè)量。由于絕大部分非合作目標(biāo)都沒(méi)有明顯的可識(shí)別特征點(diǎn)，因此，當(dāng)前主流的基于特征的方法都無(wú)法勝任這類任務(wù)。對(duì)于無(wú)需明顯識(shí)別特征點(diǎn)的方法，主要有基于相機(jī)的圖像數(shù)據(jù)和基于激光測(cè)距雷達(dá)的距離數(shù)據(jù)兩類。基于相機(jī)的姿態(tài)測(cè)量方法對(duì)光照環(huán)境依賴性很強(qiáng)，實(shí)際應(yīng)用場(chǎng)景有限。因此，基于激光測(cè)距雷達(dá)的非接觸式姿態(tài)測(cè)量方法是非合作目標(biāo)在軌服務(wù)任務(wù)中的首選。然而，傳統(tǒng)的基于激光測(cè)距雷達(dá)的測(cè)算方法往往需要先重構(gòu)目標(biāo)的三維模型，因此這類算法不但耗時(shí)很長(zhǎng)，精度也往往難以保證。

近年來(lái)，以卷積神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)為大幅提升非接觸式姿態(tài)測(cè)量方法的精度和效率提供了可能。然而，卷積神經(jīng)網(wǎng)絡(luò)通常被用于處理圖像數(shù)據(jù)，在被直接用于處理激光測(cè)距雷達(dá)數(shù)據(jù)時(shí)，往往不能準(zhǔn)確提取數(shù)據(jù)的關(guān)鍵特征，很容易出現(xiàn)欠擬合或過(guò)擬合的現(xiàn)象，因此很難在實(shí)際中應(yīng)用。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服卷積神經(jīng)網(wǎng)絡(luò)在處理激光測(cè)距雷達(dá)原始數(shù)據(jù)時(shí)易出現(xiàn)欠擬合或過(guò)擬合的缺點(diǎn)，從而提供一種基于卷積神經(jīng)網(wǎng)絡(luò)的空間非合作目標(biāo)角速度測(cè)量方法。

為達(dá)到上述目的，本發(fā)明采用以下技術(shù)方案予以實(shí)現(xiàn)：

一種基于卷積神經(jīng)網(wǎng)絡(luò)的空間非合作目標(biāo)角速度測(cè)量方法，利用仿真法生成訓(xùn)練數(shù)據(jù)，訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)，得到訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)；

將激光測(cè)距雷達(dá)測(cè)到的原始距離數(shù)據(jù)進(jìn)行預(yù)處理，將預(yù)處理完畢的原始距離數(shù)據(jù)輸入到訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)中，得到非合作目標(biāo)的角速度；

預(yù)處理的具體過(guò)程為：

將原始距離數(shù)據(jù)矩陣中所有元素進(jìn)行重新排列，對(duì)于第i行、第j列的元素，若將其移動(dòng)到第(2i-1)行，否則移動(dòng)到第2(N-i+1)行；若將其移動(dòng)到第(2j-1)列，否則移動(dòng)到第2(M-j+1)列；

其中，1≤i≤N，1≤j≤M，N為原始距離數(shù)據(jù)矩陣的總行數(shù)，M為總列數(shù)。

進(jìn)一步的，包括以下步驟：

S1、根據(jù)激光測(cè)距雷達(dá)的原始距離數(shù)據(jù)維度，構(gòu)造一個(gè)卷積神經(jīng)網(wǎng)絡(luò)；

S2、根據(jù)所述卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，通過(guò)計(jì)算機(jī)仿真生成訓(xùn)練數(shù)據(jù)；

S3、使用訓(xùn)練數(shù)據(jù)對(duì)卷積神經(jīng)網(wǎng)絡(luò)的權(quán)重進(jìn)行訓(xùn)練；

S4、將激光測(cè)距雷達(dá)測(cè)量得到的原始距離數(shù)據(jù)進(jìn)行預(yù)處理；