多模型融合定轨：基于模型概率的卫星轨道确定方法

"这篇研究论文探讨了一种基于模型概率的多模型融合技术在卫星定轨建模和仿真的应用。面对实际卫星定轨系统中出现的不确定性与非线性问题，该方法通过组合多个线性模型来近似复杂的非线性动态过程。它将最优估计方法与多模型融合策略相结合，利用模型观测残差设计性能指标函数，并提出了两种表示模型概率的形式。此外，论文还建立了一套相应的多模型融合估计算法。通过仿真结果证明，与单一模型定轨相比，这种方法能显著提高定轨精度和可靠性，同时还能识别和估计模型参数的真实值，并具有对环境变化的强自适应能力。关键词包括模型概率、多模型融合、最优估计和精度仿真。" 这篇研究深入研究了如何在卫星轨道确定中处理不确定性因素和非线性问题。传统的定轨方法可能因模型的不完善或参数的不确定性而受到影响，而论文提出的基于模型概率的多模型融合方法旨在克服这些挑战。作者提出使用多个线性模型来逼近非线性的轨道动力学，这是通过将这些模型结合并应用最优估计理论来实现的。这种方法的优势在于，它不仅能够提高定轨的精确度，而且能够通过残差分析来优化性能指标，从而选择最佳模型。 论文中提到了两种模型概率的表示形式，这可能是通过某种统计或概率方法来衡量每个模型在特定情况下的适用性。这些概率可以用于动态调整模型的权重，以适应卫星轨道的变化。多模型融合估计算法的设计是为了在不同模型之间进行有效切换，确保在各种条件下都能获得高精度的轨道估计。 仿真结果证明了这种方法的有效性，它不仅提高了卫星定轨的精度，还增强了系统的可靠性。通过这种方法，模型参数的真值能够被辨识和估计，这对于系统校正和维护至关重要。此外，该方法具有出色的自适应性，能够应对外界环境变化，比如大气阻力、太阳辐射压力等不确定因素的影响，这对于实时的卫星轨道跟踪和控制至关重要。 这篇论文提供了一种创新的解决策略，对于改善卫星轨道确定的效率和准确性，以及增强系统对不确定性和环境变化的响应能力具有重要意义。这种基于模型概率的多模型融合方法为未来航天器轨道确定的研究和发展开辟了新的方向。