“沒錯，主要蘇俄的進展太快了。

    去年他們的東方3號和東方4號雖然不算是對接，但雙航天器在軌，還是已經領先我們了。

    至少他們能夠通過精確的軌道參數，實現兩個不同航天器在軌道層面的接近。

    我們懷疑他們最早今年，最晚明年就能實現軌道對接。

    我們應該要加快進度。”克拉夫特補充道。

    林燃隨手在黑板上寫下方程：“各位，我們的核心問題是實時數學精度的不足。當前的軌道預報算法誤差累積嚴重。讓我們分解問題。”林燃指著黑板接著說道：“首先，軌道傳播。現在用的是開普勒模型，短期內可以，但長時間模擬中攝動效應會讓誤差變大。我們需要升級模型，考慮地球扁率和大氣阻力。”

    突然，林燃說：“海恩斯，還記得我曾經教你的減小誤差方法嗎？”

    海恩斯突然被提起，面露難色：“抱歉，教授，我不知道你指的是什么。

    攝動算法好像解決不了這個問題。我們試過恩克法減少誤差，但計算量太大，ibm7090撐不住。”

    林燃微笑著說道：“恩克法是個好方向，但它太冗長了，你們可以考慮采用變步長龍格-庫塔法優化。

    步長在近地點小，遠地點大，這樣既提高精度又減輕計算負擔。”

    海恩斯若有所思，開始低頭在自己的筆記本上演算起來，十來分鐘后，他驚喜地抬起頭：“這確實能節省不少時間！”

    克拉夫特問道：“教授，但傳感器數據融合仍是個問題，雷達和慣性導航常不一致。”

    克拉夫特想著林燃難得來一次休斯頓，能多薅點羊毛就多薅一點。

    作為和林燃共事過的nasa管理層，克拉夫特可是太清楚教授的本事了。

    林燃在黑板上畫出濾波器示意圖：“這可以用卡爾曼濾波解決。它實時融合多源數據，減少噪聲。

    不知道的就和通用航天商量，他們那肯定有這技術的儲備，另外可以用簡化的最小二乘法先試試。”