論文の概要: Probability of Collision of satellites and space debris for short-term encounters: Rederivation and fast-to-compute upper and lower bounds
- arxiv url: http://arxiv.org/abs/2311.08978v2
- Date: Tue, 10 Dec 2024 12:02:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-11 14:32:57.971067
- Title: Probability of Collision of satellites and space debris for short-term encounters: Rederivation and fast-to-compute upper and lower bounds
- Title(参考訳): 衛星と宇宙デブリの衝突による短期衝突の確率--再活性化と高速計算-
- Authors: Ricardo Ferreira, Cláudia Soares, Marta Guimarães,
- Abstract要約: LEOにおける宇宙デブリの拡散は、宇宙産業にとって大きな関心事となっている。
Akella と Alfriend が2000年に提案した手法は、短期的な衝突の確率を推定するために広く使われている。
本研究は、衝突の確率に対して、自然に強固で高速な上下境界を許容する第一原理に基づく新しい導出を導入する。
- 参考スコア(独自算出の注目度): 2.94944680995069
- License:
- Abstract: The proliferation of space debris in LEO has become a major concern for the space industry. With the growing interest in space exploration, the prediction of potential collisions between objects in orbit has become a crucial issue. It is estimated that, in orbit, there are millions of fragments a few millimeters in size and thousands of inoperative satellites and discarded rocket stages. Given the high speeds that these fragments can reach, even fragments a few millimeters in size can cause fractures in a satellite's hull or put a serious crack in the window of a space shuttle. The conventional method proposed by Akella and Alfriend in 2000 remains widely used to estimate the probability of collision in short-term encounters. Given the small period of time, it is assumed that, during the encounter: (1) trajectories are represented by straight lines with constant velocity; (2) there is no velocity uncertainty and the position exhibits a stationary distribution throughout the encounter; and (3) position uncertainties are independent and represented by Gaussian distributions. This study introduces a novel derivation based on first principles that naturally allows for tight and fast upper and lower bounds for the probability of collision. We tested implementations of both probability and bound computations with the original and our formulation on a real CDM dataset used in ESA's Collision Avoidance Challenge. Our approach reduces the calculation of the probability to two one-dimensional integrals and has the potential to significantly reduce the processing time compared to the traditional method, from 80% to nearly real-time.
- Abstract(参考訳): LEOにおける宇宙デブリの拡散は、宇宙産業にとって大きな関心事となっている。
宇宙探査への関心が高まり、軌道上の物体同士の衝突の可能性を予測することが重要な問題となっている。
軌道上には、数百万の破片が数ミリメートル、何千もの非手術衛星と捨てられたロケットステージがあると推定されている。
これらの破片が到達できる速度を考えると、数ミリの破片でさえ衛星の船体に亀裂を引き起こしたり、スペースシャトルの窓に深刻な亀裂を発生させたりする。
Akella と Alfriend が2000年に提案した手法は、短期的な衝突の確率を推定するために広く使われている。
1)軌道は一定の速度で直線で表され、(2)速度の不確実性はなく、その位置は遭遇全体を通して定常分布を示し、(3)位置の不確実性は独立してガウス分布で表される。
本研究は、衝突の確率に対して、自然に強固で高速な上下境界を許容する第一原理に基づく新しい導出を導入する。
我々はESAのCollision Avoidance Challengeで使用した実CDMデータセットにおいて,確率計算と有界計算の両方を原式と定式化で実装した。
提案手法は,確率を2つの1次元積分に削減し,従来の手法に比べて処理時間を80%からほぼリアルタイムに大幅に短縮する。
関連論文リスト
- Time-inversion of spatiotemporal beam dynamics using uncertainty-aware latent evolution reversal [46.348283638884425]
本稿では,フォワードビームダイナミクスの時相を考慮したリバースラテント進化モデル(rLEM)を提案する。
この2段階の自己教師型深層学習フレームワークでは、空調オートエンコーダ(CVAE)を用いて荷電粒子ビームの6次元空間投影を低次元潜在分布に投影する。
次に,Long Short-Term Memory (LSTM) ネットワークを用いて,潜在空間における逆時間力学を自動回帰的に学習する。
論文 参考訳(メタデータ) (2024-08-14T23:09:01Z) - Precise and Efficient Orbit Prediction in LEO with Machine Learning using Exogenous Variables [1.9336815376402723]
地球の軌道における宇宙物体の量の増加は、宇宙状況認識(Space situational Awareness, SSA)にとって重要な課題である。
正確な軌道予測は、宇宙物体の位置と速度を予測し、衝突回避と宇宙デブリの緩和のために重要である。
機械学習と時系列技術を用いることで、計算コストが非常に低い位置決め誤差を発生させることができることを示す。
論文 参考訳(メタデータ) (2024-07-03T07:12:33Z) - Inclusive reactions from finite Minkowski spacetime correlation functions [44.99833362998488]
任意のキネマティクスのための数ハドロン系の散乱振幅をリアルタイムに決定する。
理論の最も軽い質量の単位において、$mathcalO(10%)$内の実時間法を用いて振幅を制限するためには、時空体積は$mL sim mathcalO(10-102)$および$mTsim mathcalO(102-104)$を満たす必要がある。
論文 参考訳(メタデータ) (2024-06-11T01:39:24Z) - Predicting the Probability of Collision of a Satellite with Space
Debris: A Bayesian Machine Learning Approach [0.0]
宇宙は、宇宙活動の増大により、ローアース軌道でさらに混雑している。
定期的な運用の一環として衝突回避を検討する必要性は、衛星運用者にとって明らかである。
現在の手順は、人間アナリストによる多重衝突警告の分析に依存している。
論文 参考訳(メタデータ) (2023-11-17T16:41:35Z) - A 5-Point Minimal Solver for Event Camera Relative Motion Estimation [47.45081895021988]
本稿では,直線パラメータと線形カメラ速度予測を推定し,複数の直線を考慮した場合の1つの平均線形速度に融合できる新しい最小5点解法を提案する。
本手法は,既存の閉形式解法が23%から70%しか達成できない線形速度の推定において,連続的に100%の成功率を達成する。
論文 参考訳(メタデータ) (2023-09-29T08:30:18Z) - Forecasting Particle Accelerator Interruptions Using Logistic LASSO
Regression [62.997667081978825]
インターロックと呼ばれる予期せぬ粒子加速器の割り込みは、必要な安全対策にもかかわらず、突然の運用変更を引き起こす。
このような中断を予測することを目的とした,単純かつ強力なバイナリ分類モデルを提案する。
このモデルは、少なくとも絶対収縮と選択演算子によって罰せられるロジスティック回帰として定式化される。
論文 参考訳(メタデータ) (2023-03-15T23:11:30Z) - Machine Learning in Orbit Estimation: a Survey [1.9336815376402723]
約100万個の天体が現在地球を公転していると推定されている。
現在の近似物理学に基づく手法は、7日間の予測に数キロの誤差がある。
本稿では,軌道決定,軌道予測,大気密度モデリングに機械学習を適用した研究の概要について述べる。
論文 参考訳(メタデータ) (2022-07-19T00:17:27Z) - Gravitational orbits, double-twist mirage, and many-body scars [77.34726150561087]
境界共形場理論におけるAdSブラックホールの周囲の安定な重力軌道の影響について検討する。
軌道は長寿命な状態であり、最終的には重力放射とトンネルによって崩壊する。
論文 参考訳(メタデータ) (2022-04-20T19:18:05Z) - Towards Automated Satellite Conjunction Management with Bayesian Deep
Learning [0.0]
ローアース軌道は、廃棄されたロケット本体、死んだ衛星、および衝突や爆発による何百万もの破片のジャンクヤードです。
速度は28,000km/hで、これらの軌道上の衝突は断片を発生させ、ケスラー症候群として知られるさらなる衝突のカスケードを引き起こす可能性がある。
この問題に対するベイジアン深層学習のアプローチを導入し、時系列の協調データメッセージで動作する繰り返しニューラルネットワークアーキテクチャ(LSTM)を開発します。
論文 参考訳(メタデータ) (2020-12-23T02:16:54Z) - Spacecraft Collision Risk Assessment with Probabilistic Programming [0.0]
長さ10cmを超える34,000体以上が地球を周回していることが知られている。
そのうち、活動的な衛星はわずかの割合しかなく、残りの人口は死んだ衛星、ロケット本体、および運用中の宇宙船に衝突の脅威を与える破片でできています。
結合データメッセージを合成生成するための新しい物理ベースの確率的生成モデルを構築する。
論文 参考訳(メタデータ) (2020-12-18T14:26:08Z) - A Spatial-Temporal Attentive Network with Spatial Continuity for
Trajectory Prediction [74.00750936752418]
空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。
まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。
第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
論文 参考訳(メタデータ) (2020-03-13T04:35:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。