轨道辨识

本文作者：天疆说
本文编辑来源：Qiao et al. (2025) "Orbital parameter characterization and objects cataloging for Earth-Moon collinear libration points"
本站地址：https://cislunarspace.cn

定义

轨道辨识（Orbit Identification）是地月空间态势感知中的核心问题：给定一段时间内观测得到的航天器状态序列，识别出该航天器所运行的参考轨道（reference orbit），即 CR3BP 模型中的周期或准周期轨道。

这一问题的本质是：在 CR3BP 建立的标准轨道库中，寻找与观测到的实际运动最匹配的参考轨道，从而获得该航天器的物理特征（周期、振幅等），服务于空间目标编目、碰撞预警和空间交通管理。

问题的逆性质

轨道辨识与轨道设计是互逆的两个过程：

过程	输入	输出
轨道设计	参考轨道的物理参数（周期、振幅等）	在星历模型下的实际轨道（数值积分）
轨道辨识	观测到的实际轨道状态序列	对应的 CR3BP 参考轨道及其物理参数

在轨道设计中，先在 CR3BP 中获得参考轨道，再通过多步打靶法、两级微分修正等方法在星历模型中精化，获得满足实际引力环境的真实轨道。

在轨道辨识中，方向相反：需要从实际轨道状态序列出发，提取物理上可解释的参数（如周期、振幅），找到对应的参考轨道。

传统方法的局限性

最直接的轨道辨识方法是数值积分后比对：选择特定状态向量进行积分得到完整轨道，再与观测结果比对。然而在地月空间，该方法面临根本性困难：

1. 观测误差

对于非合作目标，轨道状态来自雷达/光学跟踪，存在噪声误差。

2. 动力学模型不确定性

积分过程中存在未建模因素：摄动（太阳辐射压、月球非球形引力、其他天体）以及非合作航天器的未知轨道机动。

3. 混沌敏感性

CR3BP 本身是非可积的混沌系统，初始误差会导致数值积分快速发散。Qiao et al. (2025) 的数值实验表明：当位置误差超过 10 km、速度误差超过 0.1 m/s 时，积分轨迹迅速发散，无法识别初始 Halo 轨道。

基于特征参数的辨识方法

Qiao et al. (2025) 提出了一种基于六维特征参数的轨道辨识方法，有效规避了数值积分发散问题：

核心思想

将六维状态 $(X, Y, Z, \dot{X}, \dot{Y}, \dot{Z})$ 转换为六维特征参数 $[q_1, p_1, I_2, \theta_2, I_3, \theta_3]$
特征参数的物理含义清晰，与轨道的周期、振幅等直接相关
在 Poincaré 截面图上，参考轨道与截面坐标 $[I_2^{(0)}, I_3^{(0)}]$ 有一一对应关系
通过优化方法在截面图上搜索，使实际轨道与参考轨道的均方误差（MSE）最小

优化模型

给定观测序列 $[t_1, t_2, ..., t_n]$ 对应的状态 $[X_1, X_2, ..., X_n]$ ，定义 MSE：

\text{MSE} = \frac{1}{n}\sum_{i=1}^{n}\left[(I_2^{(i)} - \varphi_{I_2}(\sigma_0; t_0, t_i))^2 + (I_3^{(i)} - \varphi_{I_3}(\sigma_0; t_0, t_i))^2\right]

其中 $\varphi$ 为中心流形正则方程的积分流函数。

优化问题：

\min_{\text{MSE}} \quad x = [I_2^{(0)}, I_3^{(0)}, t_0]

\text{s.t.} \quad |I_j^{(0)} - I_j^*| \leq I_{\max}, \quad j=2,3

\quad t_0 \in [0, T_{\max}]

贝叶斯优化

由于 MSE 函数是黑箱优化问题（计算代价高、无显式导数），Qiao et al. (2025) 采用贝叶斯优化（Bayesian Optimization）求解，在 30 次函数评估内即可找到全局最优，计算效率高。

敏感性分析

Qiao et al. (2025) 对影响轨道辨识的两大因素进行了系统性分析：

1. 观测弧段长度

弧段长度	辨识结果特征
短弧（1小时）	结果分散，主要沿等能量线分布，代表"瞬时轨道"
长弧（1个月）	结果收敛至参考轨道，代表"平均轨道"

这一现象与二体问题中的瞬时根数（osculating elements）和平均根数（mean elements）的概念类似。

2. 观测误差（状态偏差）

对状态误差的鲁棒性：

位置误差 < 100 km 且速度误差 < 1 m/s 时，辨识结果波动小
100 km 位置误差与 1 m/s 速度误差对鲁棒性的影响相当
这为未来地月空间轨道测定技术发展指明方向：应更加注重速度测量精度的提升

位置鲁棒性：位置误差 < 100 km 时辨识结果波动小
速度鲁棒性：速度误差 < 1 m/s 时辨识结果稳定
计算效率：贝叶斯优化在 30 次评估内收敛
观测弧段要求：长弧（约 1 个月）可收敛至参考轨道

系统组成

特征参数提取模块：六维状态到六维特征参数的转换
参考轨道库：CR3BP 标准轨道库（Halo、Lissajous 等）
贝叶斯优化引擎：黑箱优化求解器
观测数据接口：雷达/光学跟踪数据输入

应用价值

该方法为地月空间态势感知提供了一种不依赖长期数值积分的轨道辨识途径，在非合作目标、低精度观测条件下依然有效。可快速判定目标所处轨道族及其物理参数，服务于空间目标编目、碰撞预警和空间交通管理。

参考文献

Qiao C, Long X, Yang L, et al. Orbital parameter characterization and objects cataloging for Earth-Moon collinear libration points[J]. Chinese Journal of Aeronautics, 2025. doi: 10.1016/j.cja.2025.103869.
Wang X, Jin Y C, Schmitt S, et al. Recent advances in Bayesian optimization[J]. ACM Comput Surv, 2023, 55(13s): 1-36.