Lasere lærer nøjagtigt at spotte pladskram

Kinesiske forskere har forbedret nøjagtigheden ved at opdage rumskram i jordens bane, giver en mere effektiv måde at plotte sikre ruter til rumfartøjsmanøvrer.

"Muligheden for med succes at navigere i et asteroidefelt er cirka 3, 720 til en! "Udbrød C-3PO, da Han Solo dirigerede Millennium Falcon ind i et asteroidefelt i" Star Wars:The Empire Strikes Back. "Jordens bane er ikke nær så farlig, men efter mere end et halvt århundrede med rumaktivitet, kollisioner mellem nedstøbte motorer og sønderdelte rumfartøjer har dannet et planetskrab, som rumfartøjer skal unddrage sig.

Forskere har udviklet systemer til identifikation af rumskram, men det har vist sig vanskeligt at identificere det hurtige, små pletter af rumaffald. Et unikt sæt algoritmer til laser -teleskoper, beskrevet i Journal of Laser Applications , har betydeligt forbedret succesraten for detektering af rumrester.

"Efter at have forbedret kikkertens nøjagtighed gennem et neuralt netværk, rumrester med et tværsnitsareal på 1 meter i kvadrat og en afstand på 1, 500 kilometer kan registreres, "sagde Tianming Ma, fra det kinesiske akademi for landmåling og kortlægning, Beijing og Liaoning Technical University, Fuxin.

Laserafstandsteknologi bruger laserrefleksion fra objekter til at måle deres afstand. Men ekkosignalet reflekteret fra overfladen af ​​rumrester er meget svagt, reducere nøjagtigheden. Tidligere metoder har forbedret laserintervaller med at lokalisere snavs, men kun til et niveau på 1 kilometer.

Anvendelse af neurale netværk - algoritmer modelleret efter den menneskelige hjernes sensoriske input, bearbejdnings- og outputniveauer - til laser -varierende teknologier er tidligere blevet foreslået. Imidlertid, Ma's undersøgelse er første gang, at et neuralt netværk har forbedret pegningsnøjagtigheden betydeligt af et laser-teleskop.

Ma og kolleger uddannede et neuralt netværk i ryggen til at genkende rumaffald ved hjælp af to korrigerende algoritmer. Den genetiske algoritme og Levenberg-Marquardt optimerede det neurale netværks tærskler for genkendelse af rumaffald, at sikre, at netværket ikke var for følsomt og kunne trænes i lokaliserede rumområder. Holdet demonstrerede den forbedrede nøjagtighed ved at teste mod tre traditionelle metoder på Beijing Fangshen laser range teleskopstation.

Observationsdataene på 95 stjerner blev brugt til at løse algoritmkoefficienterne fra hver metode, og nøjagtigheden af ​​at opdage 22 andre stjerner blev vurderet. De nye pegekorrigeringsalgoritmer viste sig at være de mest nøjagtige, samt let at betjene med god real-time ydeevne.

Ma har til formål at forfine metoden yderligere. "At opnå den præcise bane for rumrester kan give effektiv hjælp til sikker drift af rumfartøjer i kredsløb."