对于太空太阳能电池来说，在近地轨道上飞行的卫星形成是很困难的。每颗卫星必须保持稳定才能保持团队的团结。这有助于从太阳能电池获得很多的能量。测试任务表明 阻力、态度改变和智能控制可以提供帮助。这些东西将卫星保持在一起并更好地利用电力。实时工具和摄像头有助于将太阳能电池指向正确的方向。这可以给 太阳能增加高达 35% 。轨道和姿态共同作用，因此需要强有力的控制。即使是很小的错误也会损害团队以及卫星的工作效果。测试项目表明，平衡飞行、卫星运动和太阳能电池对于低地轨道的良好工作非常重要。
我们需要对太阳辐射压力、大气阻力和地球形状等力进行建模。这有助于卫星保持在一起并获得很多的太阳能。
改变角度 太空太阳能电池s 往往有助于卫星获得更多能量。它还可以帮助他们留在稳定的群体中。
智能控制算法和不同的驱动方法帮助卫星更好地移动。当一起飞行时，他们可以节省燃油并减少错误。
使用精确的相对定位和实时数据使卫星保持接近。这有助于他们在近地轨道上作为一个团队很好地工作。
使用分析模型和模拟工具可以帮助团队规划和测试任务。这使他们能够执行更好的卫星任务，具有更大的地球覆盖范围和更好的电力使用。
太阳辐射压力是近地轨道卫星上的稳定力。当光子撞击卫星表面时，就会发生这种力，例如 太空太阳能电池。随着时间的推移，太阳辐射压力会改变卫星的移动和转动方式。研究表明它可以使轨道摆动并改变其形状。这些变化可能有助于卫星落回地球或停留在墓地轨道上。我们需要对太阳辐射压力进行建模，以了解轨道将如何变化。详细的计算机模型（例如 SimORBIT）利用这种力来更好地预测轨道。太阳辐射压力还与其他力一起作用，因此对于将卫星保持在一起并获得更多能量非常重要。
大气阻力 是影响近地轨道卫星的主要力量，尤其是450公里以下的卫星。空气很稀薄，但阻力仍然会减慢卫星的速度并使其轨道缩小。阻力取决于空气的厚度，空气的厚度随太阳和地球磁场的变化而变化。当太阳非常活跃时，卫星每隔几周就需要增强。当事情平静时，就不需要那么多的推动。阻力还取决于卫星的形状和卫星的面积 太阳能电池盖。为了模拟阻力，我们使用跟踪数据、传感器和空气密度模型。好的模型可以帮助我们猜测轨道收缩的速度、阻止坠毁并使卫星工作更长时间。新任务使用实时数据来改进阻力模型并帮助控制轨道。
J2 扰动的 发生是因为地球不是一个完美的球。这使得卫星轨道的某些部分发生变化，例如倾斜和方向。 J2 效应对卫星群很重要，因为它们会随着时间的推移而逐渐分开。一些模型将 J2 更改添加到卫星运动的数学中。这些模型有助于规划行动并选择控制卫星的优选方法。通过使用 J2 模型，团队可以保持卫星靠近并在需要时改变其路径。将 J2、太阳辐射压力和阻力模型结合使用，可以多维了解影响 LEO 卫星的因素。
注意：很好地模拟太阳辐射压力、大气阻力和 J2 扰动非常重要。这有助于将卫星保持在一起，将太阳能电池指向正确的方向，并力保任务在近地轨道上进行。
太空太阳能电池的指向方式非常重要。它可以帮助卫星顺利飞行并在近地轨道上发电。当卫星一起飞行时，每颗卫星都必须将其太阳能电池转向太阳。这称为优化。它可以帮助他们获得很多的阳光。改变一颗卫星的角度可以改变整个卫星群上的力量。
卫星使用传感器和控制器来保持优选角度。当阳光或卫星位置发生变化时，这些系统必须发生变化。他们还观察该组中的其他卫星。优选角度取决于卫星的位置和一年中的时间。例如，冈比亚布里卡马的一项研究发现，一年中优选倾斜度在 5.1° 优 28.2° 之间。更大的力量来自接近 14.8° 优 15.5° 的倾斜。这使得太阳能在一年内增加了 18%。 PMC 的另一项研究发现，26° 倾斜可提供更大功率。较高或较低的角度产生的功率较小。这些研究表明，选择正确的角度确实有助于收集更多的能量。
不同地点的卫星需要不同的倾斜角度。一项研究比较了中国南方和乌干达。在华南地区，优选倾斜度约为 比当地纬度高2.8° 。在乌干达，优选角度每个月都在变化，从 0.0° 到 11.2°。每个月或每个季节改变角度有助于获得更多阳光。这些结果表明，经常改变角度对于力量和群体飞行非常重要。
提示：团队应使用实时数据和控制来进行更改 太阳能电池角度 经常。这使团队保持稳定并获得更大的能量。
太阳辐射压（SRP）是阳光照射到卫星时产生的力。它推动或转动卫星，尤其是它们的太阳能电池。好的 SRP 模型可以帮助我们了解卫星将如何移动。他们还帮助规划如何控制卫星。
现代模型使用特殊工具来了解 SRP 如何影响卫星。这些工具使用 光线追踪 追踪阳光如何反射并在太阳能电池上形成阴影。光线追踪适用于硬形状和不同的材料。某些模型使用具有 OpenCL 和 OpenGL 的 GPU 来快速运行。快速模型有助于快速控制卫星。
模型还使用 BRDF 来显示 SRP 如何随不同表面而变化。 BRDF 有助于预测太阳能电池的闪亮和暗淡反射。工程师使用傅里叶展开将光线追踪结果添加到轨道模型中。这有助于卫星运动的实时和计划建模。
分析模型帮助我们了解 SRP 如何改变太阳能电池的功率。一些模型求解太阳能电池发射极部分的方程。它们将发射极饱和电流密度与表面复合速度联系起来。数据来自 传播阻力分析 (SRP) 检查这些模型是否正确。通过观察不同的掺杂分布，工程师可以了解表面如何改变太阳能电池的功率。 Silvaco 的 ATHENA 等工具使用 SRP 数据来猜测太阳能电池在太空中的工作情况。
模拟 SRP 对 LEO 卫星群太阳能电池影响的主要方法有：
反射、阴影和材质的光线追踪
使用旧数据和新数据的半分析模型
GPU 加速模型可提供快速、详细的结果
用于良好反射预测的 BRDF 模型
使用 SRP 数据将表面连接到电源的分析模型
| 建模方法 | 主要特点 | 在动力学中的应用 |
|---|---|---|
| 光线追踪 | 适用于硬形状和反射 | 预测 SRP 力和转弯 |
| 半解析模型 | 使用许多数据源 | 启动后效果更好 |
| GPU加速 | 跑得很快 | 帮助实时控制卫星 |
| 双向反射分布函数建模 | 善于表现倒影 | 使 SRP 力预测更好 |
| 分析模型 | 将表面连接优电源 | 检查太阳能电池效率 |
注意：良好的太阳辐射压力模型非常重要。它们有助于将卫星保持在一起并从太阳能电池中获取很多的能量。
控制算法对于 卫星编队飞行。它们有助于将卫星保持在正确的位置和方向。团队使用特殊模型来猜测卫星如何在近地轨道上移动。这些模型包括太阳辐射压、大气阻力和 J2 扰动等。通过了解这些力量，工程师可以找到更好的方法来控制团队。
模型预测控制（MPC）是控制卫星的优选方法。 MPC 使用实时模型和数学来改变卫星位置。它猜测接下来会发生什么并选择较好的动作。当 MPC 与固定时间控制 (FTC) 配合使用时，错误可以更快地养护并且波动更少。单独使用滑模控制和 FTC 速度较慢且波动较大。基于空气动力学力的控制使用阻力和升力来帮助进行 3D 运动。这在测试和真实硬件中效果很好。
| 控制策略 | 绩效指标和功能 | 主要成果 |
|---|---|---|
| MPC 与固定时间控制相结合 | 姿态误差收敛优~0.015；角速度误差~0.07；控制扭矩稳定在±0.1 Nm左右；更快的收敛并减少振荡 | 卓越的稳定性和鲁棒性；更快的误差收敛；提高沟通效率 |
| 仅固定时间控制 (FTC) | 收敛速度较慢；更多振荡 | 维持地层稳定性效果较差 |
| 滑模控制 (SMC) | 收敛速度较慢；更多振荡 | 维持地层稳定性效果较差 |
| 基于空气动力的控制 | 使用 MPC 进行约束紧缩；在模拟和硬件在环中进行验证；处理输入约束复杂性 | 通过改进的约束处理实现 3D 相对运动控制 |
| 低推力欠驱动控制 (MPC) | 油耗及控制精度分析；集中式和分布式框架比较 | 自主、可靠的闭环控制；针对现有方法的性能基准 |
所有这些算法都需要良好的优化。工程师使用模型为每颗卫星选择优选动作。他们努力节省体力，保持正确的位置，并保持队伍稳定。较新的算法，例如自适应评估 DWA 和 DWA-ORCA 融合，有助于规划路径并避免崩溃。这些方法可以加快任务速度并帮助卫星应对变化。这 DWA-ORCA 融合方法比旧方法有助于避免崩溃 40% 。
卫星使用不同的 驱动方法。 保持队形的每种方式都需要关于卫星如何移动以及作用在卫星上的力的良好模型。内部移动质量有助于改变质量核心和控制方向。磁力扭矩器利用地球磁场产生旋转力。电力推进系统，如低推力推进器，可以提供较小的推动力来改变位置。
工程师根据任务需要选择驱动方法。对于小型卫星群，电力推进可以提供精细控制并节省燃料。磁力扭矩器非常适合在不使用燃料的情况下进行转动。内部移动质量有助于快速改变方向。团队使用优化来决定何时以及如何使用每种方式。模型有助于猜测每次驱动会对整个群体产生什么影响。
MPC 的低推力欠驱动控制适用于小型和大型团体。集中式方式很适合小团体，而分布式方式则适合较大团体。优化有助于节省燃油并保持控制准确。这些方法可以让卫星自行改变形状并保持控制良好运行。
提示：使用不同的驱动方法和智能控制算法可以使卫星编队飞行更好并节省能源。
卫星编队飞行需要良好的相对定位。团队使用特殊的模型和数学来跟踪每颗卫星的位置。几何精度稀释（GDOP）显示了组的形状如何影响位置错误。较低的GDOP意味着更好的定位精度。位置误差取决于测量误差和组的形状。
使用实时 GNSS 基线测量，卫星可以获得非常接近的位置精度。 GRACE 任务的位置误差小优一毫米。一些高精度的方法可以获得更小的误差。 PRISMA 任务显示卫星之间的精度高达 10 厘米。快速计算机每次处理数据的时间不到 0.1 秒。
| 指标类型 | 描述/值 | 上下文/源示例 |
|---|---|---|
| 绝对位置误差 | 厘米级精度 | 卫星编队中的实时 GNSS 基线测量 |
| 绝对位置误差 | 毫米级精度 | GRACE卫星微波测距基线 |
| 绝对位置误差 | 微米级精度 | 高精度相对定位方法（Wang et al., 2021） |
| 相对位置精度 | 精度高达 10 厘米 | PRISMA卫星星载相对运动测定 |
| 计算速度 | 每个 epoch 少于 0.1 秒 | 实时处理基线测量 |
| 基线长度范围 | 10 m 优 9.3 km | 保持厘米级精度的范围 |
GPS、北斗、IIMU结合使用等智能控制方式，使定位精度更高。这些系统可以 95%以上的位置保持在5米以内。更好的模型和算法可以帮助卫星更准确、更可靠地一起飞行。
注：良好的模型、控制和相对位置优化有助于卫星编队飞行任务在近地轨道上顺利进行。
分析方法帮助工程师了解在近地轨道飞行的卫星编队。这些方法使用数学模型来显示卫星如何在太空中移动。这 经典的径向-横向-法向坐标系 有助于轻松跟踪每颗卫星。该系统可以让工程师规划出优选的低推力动作。它有助于设置速度限制并力保卫星安心。团队利用它来规划如何使卫星保持靠近。
编队飞行 L 波段孔径合成任务就是一个例子。这次任务使用这个数学系统来实时控制卫星。分析模型还添加了太阳辐射压力和大气阻力等力。这些力会改变轨道并影响卫星如何保持在一起。通过精确的轨道确定，工程师可以猜测轨道将如何变化并确定控制计划。
分析模型为卫星的分组飞行提供了坚实的基础。它可以帮助团队做出有关轨道、控制和能源使用的选择。这些模型还提供了良好的轨道信息，这对于任务的成功非常重要。
仿真工具让工程师可以在发射前测试卫星编队飞行。这些工具使用计算机模型来显示卫星如何在太空中移动。它们包括所有主要力，例如太阳辐射压力、大气阻力和 J2 扰动。模拟工具还展示了如何 太阳能电池 改变卫星运动。
工程师使用降阶模型来加快模拟速度。这些模型保留了主要部件，但使用较少的计算机功率。可靠性分析检查模拟是否与实际结果相符。蒙特卡罗模拟和灵敏度分析有助于找到卫星编队飞行中很重要的事情。这些方法显示了输入的变化如何影响轨道和精确的轨道确定。
仿真工具还可以检查建模中的错误。他们寻找舍入、截断和离散化错误。通过发现这些错误，工程师可以信任仿真结果。仿真和数学结果之间的紧密匹配证明这些工具运行良好。
现代仿真工具有助于基于 GPS 的动态低地轨道确定。它们帮助团队获得精确的轨道信息并将卫星保持在正确的位置。这些工具对于规划、测试和运行卫星编队飞行任务非常重要。
提示：团队应同时使用分析模型和模拟模型，以获得卫星编队飞行的优选结果。通过这种方式，他们可以获得精确的轨道信息和可靠的任务。
近地轨道的示范任务展示了带有太阳能电池的卫星编队在现实生活中的工作原理。团队使用这些任务来测试地球覆盖范围， 太阳能，以及卫星保持在一起的情况。在单次任务中， 三颗带有 X 波段 SAR 有效载荷的卫星 作为一个团队工作。他们对阿根廷专属经济区进行了多维覆盖。即使天气或阳光发生变化，卫星也能发现隐藏的船只。这次任务表明，卫星路径和太阳能电池方向的良好建模有助于地球覆盖和任务成功。
另一项任务着眼于机载处理。卫星使用智能模型来养护 SAR 图像中的散斑噪声。这使得更容易找到目标并减少错误。团队还测试了卫星如何相互通信。他们利用地对空和卫星间链路来共享数据并改变其编队。这些任务证明，如果卫星具有强大的模型和控制能力，则可以使用延迟容忍网络。
演示任务展示了为什么建模对于地球覆盖、太阳能和协同工作很重要。
团队使用明确的方法来衡量任务的运作情况。其中包括科学价值、覆盖范围检查和面临的问题。下表显示了不同卫星类型在任务中的表现：
| 架构类型 | 科学价值 指标 | 成本和风险考虑因素 | 结果/挑战 |
|---|---|---|---|
| POD架构 | 0.08优0.12 | 未达到主要测量目标；很难扩大规模。 | 没有使用，因为它们工作得不够好。 |
| GG架构 | 高达3.5 | 可以提供大量科学数据，但尚未准备好，计划也不清楚。 | 未来十年不选择使用。 |
| LEO-MEO 架构 | 1.12（4 颗卫星） | 卫星之间难以测量；激光功率限制；并不比老方法更好。 | 没有使用，因为没有改进，问题太多。 |
| 小卫星/立方卫星星座 | 不适用 | 成本太高；即使它们很小并且使用新技术，风险也更大。 | 因成本高、风险较大而未采用。 |
性能检查还包括地球覆盖范围、卫星通行证和机载处理。团队使用模型来规划地球覆盖范围，并使卫星通过更好地发送数据。机载处理有助于养护 SAR 图像噪声，良好的链路有助于卫星独立工作。任务发现了散斑噪声、棘手的组设计以及卫星尺寸和太阳能电池功率的权衡等问题。
这些任务的主要教训是，良好的模型、周密的计划和实时控制有助于获得更好的地球覆盖范围和更多的太阳能。
在低地球轨道上一起飞行卫星需要仔细规划。团队必须确切地知道每颗卫星的位置。他们还需要强大的模型和聪明的方法来控制团队。测试任务表明，良好地覆盖地球并保持轨道稳定非常重要。随着时间的推移，团队已经改变了控制卫星的方式。下表显示了利用人工智能实现更好能源和覆盖范围的新方法。
| 控制方法 | 设计方法 仿真性能 | 现实 | 性能 | 与现实的鲁棒性 差距 | 进化趋势注释 |
|---|---|---|---|---|---|
| 巧克力 | AutoMoDe 系列，偏向设计 | 高的 | 相对较高 | 高的 | 引入偏差以减少过度拟合，跨任务稳健 |
| 神经进化 | 神经网络，偏差较小 | 高的 | 显着下降 | 降低 | 更灵活，但容易出现过度拟合和现实差距问题 |
| 随机游走 | 非优化基线 | 低的 | 稳定的 | 稳定的 | 没有优化，作为失败比较的基准 |
较好的方法是经常测试，不断更新模型，并始终知道卫星在哪里。团队必须在使用太阳能电池板供电和处理阻力之间找到平衡。他们还需要继续很好地覆盖地球。未来，团队将使用更好的面板、对抗阻力的方法和新的传感器。这些东西将有助于测试和覆盖地球。团队应该不断测试、建模和检查卫星位置，以力保它们正常工作。
想要执行新测试任务的团队应该使用好的模型，了解卫星的位置，并使用智能控制。这将帮助他们更好地覆盖地球并保持轨道运转良好。
卫星编队飞行 有助于覆盖地球更多区域。团队小心翼翼地控制卫星以使其保持在适当的位置。这使他们能够拍摄更多照片并收集更多用于科学和传播的数据。
太空太阳能电池 为卫星提供长途旅行所需的电力。太阳能电池的指向方式会改变它们获得的电力。团队移动太阳能电池以捕捉更多阳光并持续观察正确的地方。
对阻力和太阳辐射压力等力进行建模可以显示卫星如何移动。好的模型可以帮助团队规划卫星的去向。这可以消除间隙并在测试期间保持覆盖范围。
演示任务使用真实的卫星来尝试覆盖想法。团队观察卫星覆盖某些区域的情况。这些测试帮助团队为未来制定更好的计划。
团队面临着移动轨道、太空力量和力量不足等问题。他们必须移动卫星并改变太阳能电池角度才能继续观察。良好的规划和快速的控制有助于解决这些问题。
