杨轹文Liwen Yang

博士研究生 · 北京航空航天大学

空间碎片多级碰撞动力学、自主预警与规避系统、可持续空间环境治理 —— 为轨道安全未来而研究。

研究方向

探索空间碎片科学与轨道环境保护的前沿

1

空间碎片的多级碰撞

空间碎片多级碰撞动力学

研究空间碎片在低轨环境中的多级碰撞链式反应机制,建立碎片演化的动力学模型,预测碰撞级联效应对轨道环境的长期影响。

空间碎片 多级碰撞 链式反应 动力学模型 Space Debris Multi-Stage Collision Chain Reaction Kinetic Model
论文Papers 论文 2/4 篇 papers
实验Experiment 实验进度 65%
Learn More了解更多
2

空间碰撞的预警与规避

自主预警与规避系统

开发基于机器学习的空间碎片碰撞预警系统,实现多阶段自主避碰决策,结合时空注意力网络提升预测精度与实时性。

碰撞预警 自主避碰 机器学习 时空注意力 Collision Warning Autonomous Avoidance Machine Learning Spatio-Temporal Attention
论文Papers 论文 2/3 篇 papers
实验Experiment 实验进度 80%
Learn More了解更多
3

太空碎片环境治理

可持续空间环境治理

探索太空碎片环境的可持续治理策略,包括主动碎片清除技术评估、空间交通管理框架设计及国际空间环境治理政策研究。

环境治理 碎片清除 空间交通管理 可持续性 Environment Governance Debris Removal Space Traffic Management Sustainability
论文Papers 论文 1/3 篇 papers
实验Experiment 实验进度 40%
Learn More了解更多

论文发表

太空碎片碰撞预警与自主规避相关研究成果

Learning-based framework for multistage space debris collision warning and avoidance

Liwen Yang, Jikai Wang, Ming Xu, Xue Bai

提出一种基于学习的多阶段空间碎片碰撞预警与规避框架,整合了轨道预测、碰撞风险评估和最优规避策略。Proposes a learning-based framework for multi-stage space debris collision warning and avoidance, integrating orbit…

空间碎片 多级碰撞 链式反应 Space Debris Multi-Stage Collision Chain Reaction
Aerospace Science and Technology 2026 DOI PDF

Low-orbit Space Debris Warning and Autonomous Collision Avoidance for Space Environment Governance

Liwen Yang, Jikai Wang, Jun Jiang, Xue Bai, Ming Xu

针对低轨空间碎片环境治理需求,提出碎片预警与自主碰撞规避方法,为空间环境可持续利用提供技术支撑。Addressing the need for LEO space debris environment governance, this work proposes debris warning and autonomous…

空间碎片 多级碰撞 链式反应 Space Debris Multi-Stage Collision Chain Reaction
Journal of Physics: Conference Series (EESE 2024) 2025 DOI PDF

STAN: A Spatio-Temporal Attention Network for Space Debris Multistage Collision Avoidance

Liwen Yang, Jikai Wang, Ming Xu, Xue Bai

提出 STAN——一种时空注意力网络,用于空间碎片多阶段碰撞规避,通过捕捉碎片运动的时空依赖关系提升预测精度。Proposes STAN — a Spatio-Temporal Attention Network for space debris multi-stage collision avoidance, capturing…

碰撞预警 自主避碰 机器学习 Collision Warning Autonomous Avoidance Machine Learning
Submitted to ICLR 2026 2026 URL PDF