地月空间轨道编目：为什么哈密顿力学是更自然的语言

---

1. 从开普勒根数说起

给一个卫星定位，最常见的办法是报出它的开普勒根数：半长轴、偏心率、轨道倾角、升交点赤经、近地点幅角、平近点角。给出这六个数，地球上的跟踪站就能预测它下一秒在哪儿。这是二体问题的标准语言，经过了几百年的工程检验。

但这个语言有个前提：地球是唯一的引力源，其他所有因素都是可以被忽略或修正的次要项。

这个前提在近地空间基本成立。到了地月空间，事情就不一样了。

---

2. 地月空间的尴尬

地月空间指的是地球静止轨道之外，到月球轨道附近这片区域。这里同时受地球和月球引力作用，两者量级相近——月球的引力虽然比地球小，但近地点距离只有约36万公里，足够在地月拉格朗日点附近与地球的引力分庭抗礼。

描述这个场景的标准模型叫圆形限制性三体问题（CRTBP）：两个大天体（地球和月球）绕它们的公共质心作圆周运动，航天器质量小到对这两个天体没有任何引力扰动。在这个模型下，航天器在旋转坐标系中的运动方程是一组非线性常微分方程，相空间是六维的。

CRTBP 有一个在二体问题中不存在的困难：它不可积。

二体问题有六个独立的运动积分——开普勒根数，对应相空间的对称性（各向同性和旋转不变性）。CRTBP 没有这么多守恒量。除了能量（哈密顿量）之外，没有其他解析的全局守恒量。这意味着没有办法像二体问题那样，用几个常数就把轨道的全部信息装进去。

带来的实际问题是：如何给地月空间的轨道建立一套识别和编目体系？

近地空间的编目靠开普勒根数。给定一组根数，就能唯一确定一条轨道；给定一条观测弧段，就能反推出根数。这套机制是太空态势感知的基础。但 CRTBP 里，开普勒根数不再是运动积分，直接搬过来不行。

---

3. 相空间的形状：鞍 × 中心 × 中心

CRTBP 的平动点（L1、L2、L3、L4、L5）附近，相空间有一种很特别的结构。把运动方程在平动点处做线性化，分析特征根，会发现所有线性化系统都是鞍 × 中心 × 中心的结构：有一个方向是不稳定的（沿不稳定流形，指数放大），两个方向是稳定的周期或准周期运动（中心流形）。

这不是巧合，而是由三体问题的数学结构决定的。L1、L2、L3 是鞍点，L4、L5 是三角平动点（条件稳定）。

理解这个结构之后，一个自然的想法是：能不能利用它来参数化轨道？

---

4. 六参数体系：把混沌变成可分

哈密顿力学给出了系统性的办法，核心工具是辛变换和作用角变量。

思路分三层。

第一层：线性化正规形式。 把哈密顿函数在平动点处展开到二阶，然后找一个辛变换矩阵，把二次型化成实正规形式。这步做完之后，哈密顿量变成

$$H_2=\lambda q_1{p}_1+\frac{{\omega }_p}{2}(q_2^2+p_2^2)+\frac{{\omega }_{\nu }}{2}(q_3^2+p_3^2)$$

其中 $\lambda q_1{p}_1$ 项描述鞍方向——$q_1$ 指数增长，$p_1$ 指数衰减，对应沿不稳定和稳定流形的运动；后两项描述两个中心方向上的小幅振荡。

第二层：Lie 变换解耦高阶项。 线性化只适用于平动点附近非常小的区域。要描述实际有用的轨道（周期轨道、准周期轨道），必须把高阶项也考虑进来。这里用 Lie 变换（一种保持辛结构的坐标变换）逐步正规化，目标是让双曲方向和中心方向彻底解耦——即使考虑了非线性效应，$q_1$ 和 $p_1$ 的动力学仍然独立于中心流形上的振荡。这步做完，哈密顿量变成一个只含 $q_1{p}_1$ 和两个中心坐标的函数，高阶项被吸收进新的坐标系。

第三层：作用角变量。 对中心方向的振荡，用作用角变量 $(I_j,{\theta }_j)$ 替代原来的 $(q_j,p_j)$，关系是 $q_j=\sqrt{2I_j}\sin {\theta }_j$，$p_j=\sqrt{2I_j}\cos {\theta }_j$。角变量 ${\theta }_j$ 随时间线性增长，作用变量 $I_j$ 在没有扰动时是常数。

最终，描述一条平动点轨道只需要六个数：$[q_1,p_1,I_2,{\theta }_2,I_3,{\theta }_3]$。

这六个数各有物理含义：$q_1$ 和 $p_1$ 表示航天器沿不稳定流形和稳定流形的运动程度——当航天器从平动点出发沿不稳定流形飞走，$q_1$ 会迅速增大；当它沿稳定流形接近平动点，$p_1$ 趋向于零。$I_2$ 和 $I_3$ 是垂直于旋转轴平面内和沿旋转轴方向上运动的振幅，对应轨道的几何尺度。${\theta }_2$ 和 ${\theta }_3$ 是相位，决定轨道在周期或准周期运动中的当前位置——当两个相位满足特定关系，就得到严格周期轨道（Halo 轨道就是这类）；否则是准周期轨道（Lissajous 轨道）。

更重要的是，这套参数体系与相空间坐标之间是双射：给定轨道初态，可以唯一算出这六个参数；给定六个参数，可以唯一还原相空间中的运动。

---

5. 为什么比直接积分更稳定

用传统方法做轨道识别，给定一段观测弧段（比如某航天器连续七天的跟踪数据），最直接的做法是：猜测它可能是某条参考轨道，用观测弧段的起点做数值积分，把积分结果和实际观测对比，看误差大小。然后换一个猜测，再来一次。

这个方法在地月空间遇到了麻烦。平动点轨道对初始条件极度敏感——在 L1 点附近，位置误差超过10公里、速度误差超过0.1米/秒，积分轨迹就会在几天内与真实轨道完全分叉。换句话说，混沌系统里，用数值积分做"正向预测"是非常脆弱的。

用六参数体系做识别则绕过了一步脆弱的数值积分。原因是：参数本身是从相空间的局部几何结构中提取出来的，$q_1$ 和 $p_1$ 的指数放大效应在提取参数的过程中已经被单独处理，不会传播到 $I_2$、$I_3$ 的估计里。在 Poincaré 截面（取 ${\theta }_2=0$ 的截面）上，轨道族的分布有清晰的几何结构：Lyapunov 轨道族、Halo 轨道族、Lissajous 轨道族各占不同区域，交叠关系一目了然。

识别问题由此变成了一个二维优化：在 Poincaré 截面图上，找到使均方误差最小的 $[I_2^{(0)},I_3^{(0)}]$。这个搜索过程不依赖长弧段积分，只依赖参数空间中的局部比较，对初始误差的敏感度远低于直接积分。

---

6. 真实星历中的强迫运动：平衡点为什么会"消失"

CRTBP 是个理想化模型。真实的地月空间还要考虑月球的轨道偏心率（不是完美的圆轨道）、太阳引力摄动，以及其他太阳系大天体的长期影响。工程上通常用星历模型来描述这些真实因素——通过 JPL 星历表可以查到任意时刻太阳系各大天体的精确位置。

问题来了：在星历模型下，平动点不再满足"平衡点"的定义了。平衡点的条件是 $\dot{q}=\dot{p}=0$，即航天器在该点处的加速度为零。但在星历模型中，由于月球轨道的实际运动（实际是椭圆而非圆），以及太阳引力摄动的存在，平动点处航天器会受到与时间有关的非保守力——这些力不来自任何势函数，时间也不是哈密顿量的共轭变量，所以系统不再能用标准哈密顿力学描述。

这时平动点只有几何意义，动力学上它们不再是"静点"。

处理办法是把强迫运动从自由运动中解耦出来：在星历模型的运动方程中，把受摄项分成两部分，一部分只与时间有关（强迫运动，反映月球和太阳的实际轨道运动），另一部分描述航天器相对于平动点的自由振荡。

在哈密顿力学框架下，这个解耦通过消除一阶项实现。具体做法是：把星历模型的运动方程写成哈密顿形式，其中一阶项（线性项）对应强迫加速度；然后构造一个生成函数，用 Lie 变换把这些一阶项消去。消去之后，新的哈密顿函数只含二阶及以上项，系统的平衡点特性被恢复——此时平动点重新成为平衡点，而强迫运动（叫动态替代轨道）被分离出来，作为时间函数直接写出。

动态替代轨道本身是一个拟周期运动，主要包含月球和太阳运动的基本频率。通过 FFT 分析（快速傅里叶变换），可以把这个拟周期运动写成有限个正弦和余弦项的叠加，精度可以达到 360 年的跨度。每次求解只需要做几次迭代，初始猜测取零值即可收敛。

这套方法的价值在于：恢复平衡点特性之后，就可以把 CRTBP 框架下的整套参数化方法（辛变换、Lie 正规化、作用角变量）直接移植到真实星历模型中使用，不需要重新建立分析工具。

---

7. 与大语言模型结合：态势表征的思路

轨道识别解决了"这是什么轨道"的问题。但在追逃博弈中，还需要回答另一个问题：对手下一步可能往哪儿飞？

这涉及态势表征——把连续的轨道状态信息（位置、速度、相对几何关系、燃料余量等）转化为可供决策的描述。

地月空间追逃的特殊之处在于：动力学极其复杂，双方在三维相空间里运动，任何一次机动都可能因为三体引力的非线性效应而产生意想不到的后果。一个在近地空间简单直观的策略（比如"追方降轨加速"），在地月三体环境中可能因为流形结构的影响而完全失效。

传统方法靠微分博弈和最优控制求解，核心是解两点边值问题。计算量大，难以实时响应。更重要的是，策略是数值解，操作者只知道"应该往这个方向推"，不知道为什么是这个方向。

强化学习方法在近地空间追逃中有过成功案例，但同样存在问题：策略是隐式映射，不可解释；面对训练集外的态势，泛化能力不足；在地月三体环境中，由于状态空间的高维和混沌特性，训练样本的覆盖难度更大。

大语言模型提供了一个新的思路。它能做的不是替代数值积分，而是做态势推理：给定当前双方的位置、速度、轨道根数或特征参数，让模型判断"如果我是逃方，下一步最合理的机动方向是什么；推力应该多大；这次机动会导致轨道进入哪个流形"。这个推理过程可以生成自然语言描述，操作者能够评判模型给出的理由是否合理。

但这里有一个根本性障碍：LLM 的训练数据以自然语言为主，它的"直觉"是语言模式，不是物理方程。直接输入轨道状态让它推理，它大概率会给出看似合理但物理上荒谬的回答。

解决这个障碍有两条路。

第一条路是提示工程。在提示词中显式注入轨道力学知识：CRTBP 的基本方程、平动点附近相空间的鞍 × 中心结构，不同轨道族的几何特征，脉冲机动对轨道的定性影响。好的提示模板能把模型的推理引导到物理上合理的方向，同时要求它给出推理步骤，使得结果可检查。

第二条路是态势文本化。不是把原始的 $(x,y,z,\dot{x},\dot{y},\dot{z})$ 直接喂给模型，而是先把轨道状态转换成六参数体系中的特征——逃方目前沿哪个流形运动，运动振幅有多大，相位在哪个位置，距平动点的双曲距离是多少。这些量有明确的几何含义，比原始坐标更容易被语言模型理解。

这两条路可以结合：用六参数体系做态势理解，用提示工程做博弈推理，用数值积分做最终验证。

---

8. 一些没有回答的问题

写到这里，需要诚实地说，这个方向还有很多没有解决的问题。

问题一：六参数体系能用于实时态势表征吗？ 参数提取依赖于完整的轨道弧段，需要知道过去一段时间的位置和速度序列。在追逃的实时对抗中，观测弧段可能很短，甚至只能依赖不完整的目标信息。六参数体系在短弧段下的鲁棒性还没有被系统研究过。

问题二：提示工程的可重复性如何保证？ 不同模型、不同版本的 LLM 对同样提示词的行为可能差异很大。在轨道博弈这种安全关键场景中，策略质量必须可重复、可验证，而不是依赖模型的随机性。提示工程的系统化测试和基准建立，目前基本是空白。

问题三：LLM 的博弈推理与数值积分的闭环稳定性如何？ 即使 LLM 给出了一个看起来合理的策略，把这个策略转化成推力指令后，轨道实际演化是否会如预期？模型有没有可能因为忽略了某些非线性效应而做出错误判断，却没有渠道自我纠正？这些问题需要在仿真环境中系统验证。

问题四：非完全信息下的博弈推理有无理论支撑？ 追逃双方通常无法获取对方的完整状态信息，这是非完全信息动态博弈。LLM 在这种场景下表现出的"心理博弈"能力（比如推理对手可能的意图），目前更多是实验观察，缺乏理论解释。如果能用博弈论框架对它建模，就能更清晰地知道它的能力和边界在哪里。

这些问题不只是技术细节，而是这个方向能否从"有意思的探索"变成"可信赖的方法"的关键。

---

9. 小结

地月空间的轨道编目和追逃博弈，是太空态势感知中两个既相关又不同的问题。前者要解决的是"这是什么轨道"，后者要解决的是"对手会怎么动"。

在两个问题上，哈密顿力学都提供了比牛顿力学更自然的描述语言。近地空间的二体轨道可以用开普勒根数编目，是因为二体问题是可积的，有足够的对称性；地月三体空间不可积，但哈密顿力学的辛几何工具——正则变换、中心流形约化、作用角变量——提供了另一种组织信息的方式，它不依赖全局守恒量，而是利用局部几何结构来参数化相空间。

大语言模型加入之后，带来的变化是把"数值计算"和"语言推理"分离开：数值积分负责精确推进轨道，LLM 负责在数值结果的基础上做博弈推理和策略建议。两者如何高效耦合、互相校验，是这个方向最值得探索的地方。

---

主要参考文献

1. Qiao C. et al. Orbital parameter characterization and objects cataloging for Earth-moon collinear libration points. Chinese Journal of Aeronautics, 2025.
2. Qiao C. et al. Calculation of a dynamical substitute for the real earth–moon system based on hamiltonian analysis. 2025.
3. Rodriguez-Fernandez V. et al. Language Models are Spacecraft Operators. arXiv, 2024.
4. Greydanus S. et al. Hamiltonian Neural Networks. NeurIPS 2019.
5. Chen Z. et al. Learning Neural Hamiltonian Dynamics: A Methodological Overview. arXiv 2022.