›› 2017, Vol. 37 ›› Issue (2): 110-116.doi: 10.16708/j.cnki.1000-758X.2017.0044

• 技术交流 • 上一篇    下一篇

天琴计划轨道构型长期漂移特性分析

 万小波, 张晓敏*, 黎明   

  1. 航天东方红卫星有限公司,北京  100094
  • 收稿日期:2017-03-17 修回日期:2017-04-18 出版日期:2017-06-25 发布日期:2017-05-18
  • 作者简介:万小波(1990-),男,硕士研究生,873806425@qqcom,研究方向为航天器轨道优化与设计 *通讯作者:张晓敏(1971-),男,研究员,zhangxiaomin01@tsinghua.org.cn,研究方向为航天器轨道动力学与控制

Analysisoflong-perioddriftcharacteristicsfororbitconfigurationoftheTianqinMission

 WAN  Xiao-Bo, ZHANG  Xiao-Min*, LI  Ming   

  1. DFHSatelliteCoLTD.,Beijing100094,China
  • Received:2017-03-17 Revised:2017-04-18 Online:2017-06-25 Published:2017-05-18

摘要: 为了实现天琴计划航天器轨道构型的长期稳定漂移并满足轨道构型的稳定性指标,文章应用优化算法搜索航天器初始最优瞬时轨道要素。建立考虑摄动情况下航天器轨道动力学模型,对导致等边三角形轨道构型发生长周期漂移的轨道要素进行了分析,并且将这些要素作为轨道设计的待优化参量,应用粒子群(ParticleSwarmOptimization,PSO)智能寻优算法进行优化,应用最终优化得到的轨道要素进行轨道构型仿真。仿真结果表明,在不进行轨道控制的情况下,4年内轨道构型呼吸角变化小于1.5°,臂长变化小于1500km,臂长变化速率小于10km/s,初步满足轨道构型的稳定性指标。

关键词: 天琴计划, 轨道构型, 长期漂移, 稳定性, 粒子群优化算法

Abstract: InordertorealizethelongtermsteadydriftofTianqinMission′sorbitalconfigurationandmeetstabilityindex,initialoptimuminstantaneousorbitalelementsweresearchedbytheoptimizationalgorithm.Firstly,orbitaldynamicsmodelconsideringperturbationwassetup.Secondly,theorbitalconfigurationofequilateraltriangledriftedforlong-periodbytheorbitalelements′varietywasresearchedandtheorbitalelementsleadingtotheorbitalconfigurationofequilateraltriangledriftedinalongperiodweremadeasparameterstobeoptimized.Particleswarmintelligentoptimizationalgorithm(PSO)wasappliedtooptimizeparametersselectedforoptimization.Finally,thesimulationresultsshowthatthearmlengthchangeslessthan1500km,thebreathanglechangeslessthan1.5degreesandthevelocityofthearmlengthvarietychangeslessthan10m/sinnaturaldriftingoffouryearswithoutorbitalmaneuver.Theresultsmeettheinitialindicatorsoftheorbitalconfiguration.

Key words: TianqinMission, orbitalconfiguration, longtermdrift, stability, particleswarmoptimization