文献

J-GLOBAL ID：202202260000128583   整理番号：22A1046782

機械学習を用いた極低地球軌道におけるナノ衛星の軌道再構成【JST・京大機械翻訳】

Trajectory reconstruction for nanosatellite in very low Earth orbit using machine learning

著者 (4件)： Takahashi Yusuke (Hokkaido University, Kita 13 Nishi 8, Kita-ku, Sapporo, Hokkaido 060-8628, Japan) ,  Saito Masahiro (Hokkaido University, Kita 13 Nishi 8, Kita-ku, Sapporo, Hokkaido 060-8628, Japan) ,  Oshima Nobuyuki (Hokkaido University, Kita 13 Nishi 8, Kita-ku, Sapporo, Hokkaido 060-8628, Japan) ,  Yamada Kazuhiko (Japan Aerospace Exploration Agency, 3-1-1 Yoshinodai Chuo-ku, Sagamihara, Kanagawa 252-5210, Japan)
資料名： Acta Astronautica  (Acta Astronautica)
巻： 194  ページ： 301-308  発行年： 2022年 
JST資料番号： B0035B  ISSN： 0094-5765  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： マイクロおよびナノ衛星は非常に低い地球軌道(VLEO)に打ち上げられる。しかし,VLEOの大気密度は不明であり,衛星挙動と寿命の予測を困難にする。ナノ衛星の軌道と再突入ミッションの間,グローバル位置決めシステム(GPS)ベースの位置決めを,Iridium衛星ネットワークを用いて400から100kmで実行した。これはVLEOの大気密度を推定する有用な洞察を提供する。しかし,GPSデータの間欠性は,これらの推定を困難にした。訓練データとしてGPSデータを用いてGaussプロセス回帰(GPR)を行い,スパース位置決めデータから連続データを再構成した。提案した再構成法は,カーネル関数の選択において柔軟であった。衛星の速度分布を,得られたGPR結果,非慣性座標系における3自由度質量点システムの運動方程式,およびBayes最適化を用いて再構成した。GPRによる軌道再構成の予測性能と特性を検証した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 運動方程式 ,  *衛星 ,  最適化 ,  速度分布 ,  大気密度 ,  Gauss過程 ,  *軌道 ,  自由度 ,  再突入 ,  GPS ,  *機械学習
準シソーラス用語： 訓練データ ,  Kernel関数 ,  GPSデータ ,  *地球軌道 , 【Automatic Indexing@JST】

著者キーワード (4件)： 衛星軌道 ,  膨張式空力減速機 ,  Gauss過程回帰 ,  Bayes最適化

分類 (3件)： 宇宙飛行体  (QK08000Y) ,  宇宙飛行体の運動・軌道  (QK02060W) ,  電子航法一般  (ND14010O)

タイトルに関連する用語 (6件)： 機械学習 ,  極 ,  地球軌道 ,  ナノ衛星 ,  軌道 ,  再構成