STK12 RPO模块学习(3)

2024-05-15 20:20
文章标签 模块 学习 rpo stk12

本文主要是介绍STK12 RPO模块学习(3),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、Maintain NMC RPO Sequence

Maintain Natural Motion Circumnavigation RPO序列在目标星和追踪星经历不同的力的情况下保持NMC。通常这种差异是由于阻力和太阳光压造成的。这些是主要不同力当执行接近任务的时候,因为重力和相对三体摄动力非常小当相对距离在100km以内的时候。

目标卫星和追逐卫星之间的阻力和SRP差异很大程度上是由于不同的尺寸、面积、质量和形状。要有效地使用此序列,必须在正确的位置使用Update_Spacecraft_parameters序列,特别注意这些参数。

维持NMC序列利用参考卫星创建NMC,该NMC具有与目标匹配的力模型。追逐卫星具有不同的航天器参数(面积、质量、大小和形状),导致NMC偏离参考NMC。这需要保持位置操纵以保持在所需的NMC上。

在这个序列,你能够指定位置Natural Motion Circumnavigation的时间,对于期望NMC的最大误差。从这些输入,这个序列计算所有需要的Delta-V来维持从理想绕飞的最大误差。

下面两个照片展示了保持自然环绕导航在一圈5m的最大误差内。在GEO的例子中,这个Delta-V序列100%Cr的区别是接近于1cm/sec一圈,下面照片展示了如果没有轨位保持的机动,NMC将会如何进行

二、Natural Motion Circumnavigation RPO Sequence

Natural Motion Circumnavigation RPO序列产生初始的情况对于一次绕飞。这个序列将追逐卫星从当前位置移动到NMC的起点。它通过一组前置运动路点来实现这一点,默认情况下,该路点沿着当前相对位置和NMC起始位置的路径以接近直线的方式移动追踪。如果您更喜欢简单的跃点而不是一系列路点。则将Way_MaxDegrees参数设置为一个最大值(>180deg)

在NMC中的自由度,包括size orientation,translation。您可以更改这些参数以实现许多不同的NMC配置。该序列将状态返回到NMC的开始,您可以在该序列之后添加Coast(很少或没有差动力)或者Maintain NMC Sequence

对于特殊情况“等距NMC”——NMC与目标接近一个近似恒定的距离,选择RBar_CrossTrack_Offset是半长轴的\sqrt3倍。于是VBar_CrossTrack_Offset,InTrack_Offset,和InTrack_Drift均设置为0.在这种情况下,NMC的结果大约是目标的恒定值,这个距离大概是半长轴的两倍。同时,对于这种情况,NMC经过VBar。

SemiMinor-Axis:输入NMC的尺寸

RBar_CrossTrack_Offset:输入NMC与+RBar交叉时的交叉轨道偏移距离(下图是100m)

VBar_CrossTrack_Offset:输入NMC与+VBar交叉轨道偏移距离(下图是100m)

Init_Phase_Angle:初始相位角,下图1为0deg,图2为80

InTrack_Offset:输入沿迹向偏差,下图为80m

InTrack_Drift:沿迹向的漂移率,下图为100m

Way_MaxDegrees:输入最大航天器的度数在强迫绕飞点的之间,下图是20°

这篇关于STK12 RPO模块学习(3)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/992821

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识