CN116882142B - 基于松耦合的对地观测多层级规划策略方法、设备及介质 - Google Patents
基于松耦合的对地观测多层级规划策略方法、设备及介质 Download PDFInfo
- Publication number
- CN116882142B CN116882142B CN202310774258.6A CN202310774258A CN116882142B CN 116882142 B CN116882142 B CN 116882142B CN 202310774258 A CN202310774258 A CN 202310774258A CN 116882142 B CN116882142 B CN 116882142B
- Authority
- CN
- China
- Prior art keywords
- satellite
- calculation
- task
- planning
- observation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013439 planning Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000008878 coupling Effects 0.000 title claims abstract description 20
- 238000010168 coupling process Methods 0.000 title claims abstract description 20
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 20
- 238000003860 storage Methods 0.000 claims abstract description 15
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 67
- 230000005540 biological transmission Effects 0.000 claims description 46
- 238000003384 imaging method Methods 0.000 claims description 39
- 230000002068 genetic effect Effects 0.000 claims description 33
- 238000005259 measurement Methods 0.000 claims description 33
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical compound CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000011069 regeneration method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Physiology (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种基于松耦合的对地观测多层级规划策略方法、设备及存储介质，基于松耦合的对地观测多层级规划策略方法包括：步骤S1、获取综合需求并进行分析；步骤S2、结合不同轨道类型的卫星***的基本功能定位和特征，完成任务分解与筹划；步骤S3、根据每个卫星***的任务规划，整合输出全局多***、多层级的任务规划方案。本发明，能够分别从地面和星上独立规划每一环节的相关任务，形成自由可组合的多层级规划方案，以实现对突发事件的快速响应和对星上资源的充分利用。
Description
技术领域
本发明涉及卫星对地观测任务规划方法技术领域，尤其涉及一种基于松耦合的对地观测多层级规划策略方法、设备及介质。
背景技术
随着自主卫星***技术的发展，卫星自主管理、在线决策、星间协同需求越来越高，卫星的使用灵活性越来越大，单纯依靠地面管理已无法充分发挥新型自主卫星效能，难以实现高时效性任务的快速响应。而自主卫星规划模式根据实时状态信息和对地观测结果，实现星上任务自主引导、在线决策和自主协同，形成观测与在线规划的闭环。因此，如何实现高效自主的多层级星地协同任务规划策略成为亟待解决的问题。
对于传统的全局集中式地面任务规划，无论是未执行的已规划卫星测控、观测或是数传任务等，均无法达到动态规划卫星和地面站网资源、实时更新卫星计划的功能。而应急规划、快速响应规划等特殊任务，要求做到能够随时临机规划，新增的卫星***也需要融入已有方案并实现观测方案的快速迭代。仅通过地面全局任务规划，往往会面临规划流程耦合性过强的问题，很难结合新的任务需求快速更新卫星任务计划。
遗传算法是一种具有较好全局搜索能力的元启发式算法，它可以通过一种交叉变异的方法，在解空间中进行快速搜索出较优解，而不是像传统算法那样最终落入某种局部最优解。而且，遗传算法通常具备内在并行性，可以利用这一点进行单节点并行计算或者是分布式计算，从而能够更快的获取优化方案。然而，遗传算法在局部搜索的过程中，表现得不尽人意，若是单独运用遗传算法在搜索最优解的过程中，耗时会逐步迅速增长，在进化的后期搜索效率难以提升。
发明内容
为解决上述现有技术中存在的技术问题，本发明的目的在于提供一种的基于松耦合的对地观测多层级规划策略方法、设备及存储介质，建立了基于改良遗传算法特征的卫星自主成像规划模型，根据任务规划中的测控、成像和数传等各流程特点，能够按照解耦后的核心流程进行自主更新任务规划。
为实现上述发明目的，本发明提供一种基于松耦合的对地观测多层级规划策略方法，包括以下步骤：
步骤S1、获取综合需求并进行分析；
步骤S2、结合不同轨道类型的卫星***的基本功能定位和特征，完成任务分解与筹划；
步骤S3、根据每个卫星***的任务规划，整合输出全局多***、多层级的任务规划方案。
根据本发明的一个技术方案，在所述步骤S2中，包括：
将全局任务需求分解到多类卫星***上，为任一类卫星***生成相应的任务规划输入，得到对应的方案。
根据本发明的一个技术方案，在所述步骤S2中，具体包括：
步骤S21、基于测控速率、测控天线数量、测控天线覆盖范围和测控天线负载的多类测控约束，对任一类卫星***进行地面全局测控任务规划，输出测控方案；
步骤S22、基于成像分辨率、可见窗口、瞬时视场、姿态机动能力的多类成像约束，结合目标对不同观测载荷的需求频次的因素，对人一类卫星***进行地面全局成像任务规划，输出观测方案；
步骤S23、基于卫星姿态、能源和存储，对任一卫星进行星上自主任务规划，输出目标观测时序和姿态机动方案；
步骤S24、基于数传速率、数传天线数量、数传天线覆盖范围、传输数据量和数传天线负载的多类数传约束，对任一类卫星***进行地面全局数传任务规划，输出数传方案。
根据本发明的一个技术方案，在所述步骤S21中，具体包括：
步骤S211、完成卫星对地球表面某一点的测控可见计算；
步骤S212、考虑单个地面站的同一时间的最大可用天线数量以及每个天线的占用情况，完成天线约束计算。
根据本发明的一个技术方案，在所述步骤S22中，具体包括：
步骤S221、完成成像可见窗口计算，成像可见窗口计算包括几何可见计算和太阳高度角计算，几何可见计算包含视锥角计算和仰角计算，
分别计算太阳高度角、视锥角、仰角的时间窗口，取三个时间窗口的交集，得到卫星对点目标的成像可见窗口；
步骤S222、完成成像分辨率约束计算，成像分辨率随着卫星进行姿态机动而改变，与卫星及观测目标的距离正相关；
步骤S223、完成目标观测频次约束计算。
根据本发明的一个技术方案，在所述步骤S23中，具体包括：
步骤S231、完成姿态机动约束计算，所述姿态机动约束指的是任务集合中的观测目标都需要在中心视场范围内，所述姿态机动约束涉及的载荷参数包含视场半角能力和姿态机动能力；
步骤S232、完成能源约束计算；
步骤S233、完成储存约束计算；
步骤S234、从观测时间、分辨率和观测路径的角度对元任务进行优化排序。
根据本发明的一个技术方案，所述步骤S234中，采用改良遗传算法进行元任务安排，优化目标为卫星的姿态机动总时长或路径总长度，具体包括：
步骤S234a、执行种群初始化流程，设置遗传迭代数值tP＝0，设置种群最大遗传迭代数dMax＝200，随机生成w＝100个初始个体作为初代种群groupA(0)；
步骤S234b、采用改良圈法得到初始较优解；
步骤S234c、进行种群个体适应度计算，计算种群groupA(tP)中各个个体的适应度，适应度定义为姿态机动总时长或路径总长度；
步骤S234d、保留种群中的适应个体，再将种群中的优秀个体直接遗传迭代或是通过交叉配对产生新的种群个体再进行遗传迭代，得到种群groupA’(tP)；
步骤S234e、对种群进行交叉操作，获得种群groupB(tP)；
步骤S234f、对种群进行变异操作，获得种群groupC(tP)；
步骤S234g、在获得选择、交叉和变异的种群后，整合groupA’(tP)、groupB(tP)和groupC(tP)，获得下一代种群groupA(tP+1)，执行下一次迭代。
根据本发明的一个技术方案，所述步骤S24中，具体包括：
步骤S241、完成数传可见窗口计算，数传可见窗口计算包括视锥角计算和仰角计算，分别计算视锥角和仰角的时间窗口，取两个时间窗口的交集，得到卫星对点目标的数传可见窗口；
步骤S242、完成数传天线约束计算。
根据本发明的一个方面，提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行如上述技术方案中任一项所述的一种基于松耦合的对地观测多层级规划策略方法。
根据本发明的一个方面，提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，实现如上述技术方案中任一项所述一种基于松耦合的对地观测多层级规划策略方法。
本发明与现有技术相比，具有以下有益效果：
本发明提出了一种基于松耦合的对地观测多层级规划策略方法、设备及存储介质，对于多层级的混合卫星***，能够根据基本功能定位和特征进行分层、分类，将全局任务需求分解到多类卫星***上，为每一类卫星***生成相应的任务规划方案输入；针对测控、成像和数传等各流程的特点，分别从地面和星上独立规划每一环节的相关任务，形成自由可组合的多层级规划方案，以实现对突发事件的快速响应和对星上资源的充分利用。
进一步地，本发明采用改良遗传算法进行元任务安排，算法主要从观测时间、分辨率和观测路径的角度对元任务进行优化排序，在改良遗传算法的迭代开始之前，本说明还应用了Hamilton改良圈法，通过不断选取子圈(并调整顺序)计算得到更优的初始种群。
附图说明
为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示意性表示根据本发明一个实施例中提供的基于松耦合的对地观测多层级规划策略方法流程图；
图2示意性表示本发明一种实施方式步骤S221中视锥角约束计算原理示意图；
图3示意性表示本发明一种实施方式步骤S221中仰角约束计算原理示意图；
图4示意性表示本发明一种实施方式步骤S221中太阳高度角约束计算原理示意图；
图5示意性表示本发明一种实施方式步骤S234中遗传算法元任务安排的详细流程图；
图6示意性表示本发明一种实施方式步骤S2中任务分解与筹划的具体流程图。
具体实施方式
此说明书实施方式的描述应与相应的附图相结合，附图应作为完整的说明书的一部分。在附图中，实施例的形状或是厚度可扩大，并以简化或是方便标示。再者，附图中各结构的部分将以分别描述进行说明，值得注意的是，图中未示出或未通过文字进行说明的元件，为所属技术领域中的普通技术人员所知的形式。
此处实施例的描述，有关方向和方位的任何参考，均仅是为了便于描述，而不能理解为对本发明保护范围的任何限制。以下对于优选实施方式的说明会涉及到特征的组合，这些特征可能独立存在或者组合存在，本发明并不特别地限定于优选的实施方式。本发明的范围由权利要求书所界定。
如图1至图6所示，本发明的一种基于松耦合的对地观测多层级规划策略方法，包括以下步骤：
步骤S1、获取综合需求并进行分析；
步骤S2、结合不同轨道类型的卫星***的基本功能定位和特征，完成任务分解与筹划；
步骤S3、根据每个卫星***的任务规划，整合输出全局多***、多层级的任务规划方案。
其中，在所述步骤S3中，具体包括：根据每个卫星***的测控、成像、数传任务规划以及卫星自主任务规划结果，整合全局多***、多层级的任务规划方案。分别从任务目标、观测卫星、任务时间等维度，对全局方案进行数据治理，为评估多层级的卫星***能力提供数据输入，即可以从任务目标、观测卫星、任务时间维度进行筛选排序等。
在本发明的一个实施例中，优选地，在所述步骤S2中，包括：
将全局任务需求分解到多类卫星***上，为任一类卫星***生成相应的任务规划输入，得到对应的方案。
如图6所示，在本发明的一个实施例中，优选地，在所述步骤S2中，具体包括：
步骤S21、基于测控速率、测控天线数量、测控天线覆盖范围和测控天线负载的多类测控约束，对任一类卫星***进行地面全局测控任务规划，输出测控方案；
步骤S22、基于成像分辨率、可见窗口、瞬时视场、姿态机动能力的多类成像约束，结合目标对不同观测载荷的需求频次的因素，对人一类卫星***进行地面全局成像任务规划，输出观测方案；
步骤S23、基于卫星姿态、能源和存储，对任一卫星进行星上自主任务规划，输出目标观测时序和姿态机动方案；
步骤S24、基于数传速率、数传天线数量、数传天线覆盖范围、传输数据量和数传天线负载的多类数传约束，对任一类卫星***进行地面全局数传任务规划，输出数传方案。
在本发明的一个实施例中，优选地，在所述步骤S21中，具体包括：
步骤S211、测控可见窗口计算。卫星对地球表面某一点的测控可见计算在本质上是一种矢量运算。其中，测控可见计算包含视锥角计算和仰角计算。分别计算上述角度约束的时间窗口，并取时间窗口的交集就能得到卫星对某一点的可见窗口；
步骤S212、天线约束计算。在天线约束计算过程中，需要考虑单个地面站的同一时间的最大可用天线数量以及每个天线的占用情况。通过对同一时刻的可用天线数量进行约束，能够排除同时不可链接的卫星；通过对每个天线的占用情况进行约束，能够均衡安排或尽快安排卫星的测控指令窗口。
在本发明的一个实施例中，优选地，在所述步骤S22中，具体包括：
步骤S221、成像可见窗口计算。成像可见窗口计算的原理与测控窗口计算类似，成像可见计算可以分为两类：几何可见计算和太阳高度角计算，其中几何可见计算包含视锥角计算和仰角计算。分别计算上述角度约束的时间窗口，并取三个时间窗口的交集就能得到卫星对点目标的可见窗口；
在所述步骤S221中，具体包括：
步骤S221a、视锥角约束计算。卫星通过成像载荷进行对地观测，以圆锥视场载荷为例，介绍视锥角的计算方法。圆锥视场载荷通常具有视锥半角，将该参数记作αc。
如图2所示，rsite是从地心出发到地面点的矢量，rsat是从地心出发到卫星的矢量，由rsite和rsat作差得到地面点到卫星的矢量△r：
△r＝rsat-rsite
△r与rsat的夹角记作βc，由几何关系可以得到视锥角的约束条件是βc<αc。
视锥角的余弦值可以通过下式计算得到：
因此，视锥约束问题转化为V1与视锥半角余弦值的关系。
步骤S221b、仰角约束计算。如图3所示，O点为地心，rsite为从地心出发到地面点的矢量，OP为该矢量所在直线，AB为地面点当地水平面在二维视图上的投影，直线AB与椭圆相切。rsat是从地心出发到卫星的矢量，由rsat和rsite作差得到△r。rnadir为天顶点矢量，也是当地水平面的法向量，与直线AB垂直。
归一化后的rnadir可以通过下式计算得到：
其中，latg和long分别为地面点的地理纬度和经度。
将△r和OP的夹角记作αe，若采用地球圆球模型，αe就是地面点对卫星仰角的余角。将△r和rnadir的夹角记作βe，其为地球椭球模型下地面点对卫星仰角的余角，与地面点对卫星的仰角γe互余。不难发现，两种模型的仰角偏差在rnadir和rsite的夹角。
βe的余弦值或仰角γe的正弦值可以通过下式计算得到：
因此，仰角约束问题转化为V2与最小可见仰角正弦值的关系。
步骤S221c、太阳高度角约束计算。卫星携带可见光成像载荷对地观测时，需要考虑光照对成像的影响。如图4所示，O点为地心，rsite为从地心出发到地面点的矢量，AB为地面点当地水平面在二维视图上的投影，直线AB与椭圆相切。rsun是从地心出发到太阳的矢量，由rsun和rsite作差得到△r。rnadir为天顶点矢量，也是当地水平面的法向量，与直线AB垂直，此处rnadir的计算公式与仰角模型中的相同。
将△r和rnadir的夹角记作ccβs，其为地球椭球模型下地面点对太阳仰角的余角，与太阳高度角γs互余。
βs的余弦值或太阳高度角γs的正弦值可以通过下式计算得到：
因此，可见光成像载荷的光照约束问题转化为V3与最小太阳高度角正弦值的关系。
步骤S222、成像分辨率约束计算。卫星具有基本的标称成像分辨率sR，但是卫星对地观测任务中，往往伴随着姿态机动调整。实时成像分辨率会随着卫星进行姿态机动而改变，具体变化和卫星与观测目标的距离正相关。若卫星的轨道高度为H，目标与卫星的实时距离为L，实时成像分辨率sR_t为：
若卫星的实时成像分辨率无法达到任务目标的观测需求，则需要放弃该次观测计划；
步骤S223、目标观测频次约束计算。在本说明的卫星对地观测任务中，观测目标的频次需求可能是单次或多次，不同目标的观测频次需求也可能不同。若目标无观测频次需求，则默认其需求为单次观测。假设当前目标对应的观测频次需求为Pcfi，此前已经完成观测次数为Pfi，观测任务观测频次约束需要满足下式：
其中，n为任务中的目标个数，若当前目标成功被观测后，Pfi＝Pfi+1，否则Pfi不变。
在本发明的一个实施例中，优选地，在所述步骤S23中，具体包括：
步骤S231、姿态机动约束计算。姿态机动约束是指：任务集合中的观测目标都需要在中心视场范围内，即成像条带需要覆盖任务集合中的所有目标。
姿态机动约束涉及的载荷参数包含视场半角能力和姿态机动能力。在可见窗口计算后，需要计算卫星对目标的姿态属性。通过载荷的视场半角大小和卫星对观测目标的姿态属性，可以由下式得到姿态机动约束：
其中，rollm为视场中心的滚转角属性，rolli为当前目标的滚转角属性，pitchm为视场中心的俯仰角属性，pitchi为当前目标的俯仰角属性，hav为卫星载荷在垂直于星下点轨迹方向的视场半角能力，hah为卫星载荷在平行于星下点轨迹方向的视场半角能力，n为任务集合中的观测目标个数。
若卫星不具备俯仰能力，可以由下式得到姿态机动约束：
步骤S232、能源约束计算。卫星通常具有单圈累计工作时间wt_sum和单次最大开机时间wst_max的限制。因此，在编排卫星任务时，需要考虑卫星的实时能源状况。若当前任务时长wst_cur满足以下条件时，则可以安排进入观测方案：
其中，wt_dis为当前已经分配的观测时长；
步骤S233、存储约束计算。卫星通常具有单圈累计成像数据量imd_sum和单次最大成像数据量ims_max的限制。因此，在编排卫星任务时，需要考虑卫星的实时存储状况。若当前任务数据量ims_cur满足以下条件时，则可以安排进入观测方案：
其中，imd_dis为卫星当前已经占用的存储空间；
步骤S234、卫星自主元任务安排。本说明采用改良遗传算法进行元任务安排，算法主要从观测时间、分辨率和观测路径的角度对元任务进行优化排序。
本说明的遗传算法的优化目标是卫星的姿态机动总时长或路径总长度。在这个优化目标下，元任务安排的建模与旅行商问题相似。在遗传算法的迭代算法开始之前，本说明还应用了Hamilton改良圈法，通过不断选取子圈(并调整顺序)计算得到更优的初始种群。如图5所示，本说明设计的基于遗传算法的基本流程如下：
步骤S234a、执行种群初始化流程，设置遗传迭代数值tP＝0，设置种群最大遗传迭代数dMax＝200，随机生成w＝100个初始个体作为初代种群groupA(0)；
步骤S234b、采用改良圈法得到初始较优解，以更少的遗传迭代次数获得更好的结果，同时减少程序运行的时间开销；
步骤S234c、种群个体适应度计算，计算种群groupA(tP)中各个个体的适应度，适应度定义为姿态机动总时长或路径总长度；
步骤S234d、保留种群中的适应个体，之后将种群中的优秀个体直接遗传迭代或是通过交叉配对产生新的种群个体再进行遗传迭代，得到种群groupA’(tP)。这一步操作基于适应度评估函数，本说明使用随机遍历抽样法进行再生选择，此外还有比例适应度和局部再生法；
步骤S234e、对种群进行交叉操作，获得种群groupB(tP)，这也是遗传算法中的核心步骤。这一步操作是指将父代种群中个体的部分基因进行替换重组，从而生成新的种群个体。本说明采用随机基因分界点划分法进行交叉操作，并对交换后可能发生冲突的部分进行消解，这一步操作能够使得算法的搜索能力得到改善；
步骤S234f、对种群进行变异操作，获得种群groupC(tP)。本说明通过设置变异率和多个随机基因位变异进行这一步操作，变异率一般设置为较小的百分数，例如8％。遗传算法进行变异操作能够为解集带来两种改良：其一是提高算法的局部随机搜索能力，当遗传算法通过交叉操作已迭代至最优解的邻域时，通过变异操作可以使得解集更快收敛到最优解；其二是维持种群的多样性，能够一定程度上避免种群的过早成熟现象；
步骤S234g、在获得选择、交叉和变异的种群后，整合groupA’(tP)、groupB(tP)和groupC(tP)，获得下一代种群groupA(tP+1)，执行下一次迭代。
在本发明的一个实施例中，优选地，所述步骤S24中，具体包括：
步骤S241、完成数传可见窗口计算，数传可见窗口计算包括视锥角计算和仰角计算，分别计算视锥角和仰角的时间窗口，取两个时间窗口的交集，得到卫星对点目标的数传可见窗口；
步骤S242、数传天线约束计算。在天线约束计算过程中，需要考虑单个地面站的同一时间的最大可用天线数量以及每个天线的占用情况。数传天线考虑传输数据量和传输速率，计算每个任务的传输占用天线耗时，通过对同一时刻的可用天线数量进行约束，能够排除同时不可链接的卫星；通过对每个天线的占用情况进行约束，能够均衡安排或尽快安排卫星的数传窗口。
根据本发明的一个方面，提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行如上述技术方案中任一项的一种基于松耦合的对地观测多层级规划策略方法。
根据本发明的一个方面，提供了一种计算机可读存储介质，用于存储计算机指令，计算机指令被处理器执行时，实现如上述技术方案中任一项一种基于松耦合的对地观测多层级规划策略方法。
本发明的一种基于松耦合的对地观测多层级规划策略方法、设备及存储介质，基于松耦合的对地观测多层级规划策略方法包括：步骤S1、获取综合需求并进行分析；步骤S2、结合不同轨道类型的卫星***的基本功能定位和特征，完成任务分解与筹划；步骤S3、根据每个卫星***的任务规划，整合输出全局多***、多层级的任务规划方案；对于多层级的混合卫星***，能够根据基本功能定位和特征进行分层、分类，将全局任务需求分解到多类卫星***上，为每一类卫星***生成相应的任务规划方案输入；针对测控、成像和数传等各流程的特点，分别从地面和星上独立规划每一环节的相关任务，形成自由可组合的多层级规划方案，以实现对突发事件的快速响应和对星上资源的充分利用。
进一步地，本发明采用改良遗传算法进行元任务安排，算法主要从观测时间、分辨率和观测路径的角度对元任务进行优化排序，在改良遗传算法的迭代开始之前，本说明还应用了Hamilton改良圈法，通过不断选取子圈(并调整顺序)计算得到更优的初始种群。
此外，需要说明的是，本发明可提供为方法、装置或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
最后需要说明的是，以上所述是本发明优选实施方式，应当指出，尽管已描述了本发明优选实施例，但对于本技术领域的技术人员来说，一旦得知了本发明的基本创造性概念，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
Claims (7)
1.一种基于松耦合的对地观测多层级规划策略方法，其特征在于，包括以下步骤：
步骤S1、获取综合需求并进行分析；
步骤S2、结合不同轨道类型的卫星***的基本功能定位和特征，完成任务分解与筹划；
步骤S3、根据每个卫星***的任务规划，整合输出全局多***、多层级的任务规划方案；
在所述步骤S2中，具体包括：
步骤S21、基于测控速率、测控天线数量、测控天线覆盖范围和测控天线负载的多类测控约束，对任一类卫星***进行地面全局测控任务规划，输出测控方案；
步骤S22、基于成像分辨率、可见窗口、瞬时视场、姿态机动能力的多类成像约束，结合目标对不同观测载荷的需求频次的因素，对人一类卫星***进行地面全局成像任务规划，输出观测方案；
步骤S23、基于卫星姿态、能源和存储，对任一卫星进行星上自主任务规划，输出目标观测时序和姿态机动方案；
步骤S24、基于数传速率、数传天线数量、数传天线覆盖范围、传输数据量和数传天线负载的多类数传约束，对任一类卫星***进行地面全局数传任务规划，输出数传方案；
在所述步骤S23中，具体包括：
步骤S231、完成姿态机动约束计算，所述姿态机动约束指的是任务集合中的观测目标都需要在中心视场范围内，所述姿态机动约束涉及的载荷参数包含视场半角能力和姿态机动能力；
步骤S232、完成能源约束计算；
步骤S233、完成储存约束计算；
步骤S234、从观测时间、分辨率和观测路径的角度对元任务进行优化排序；
所述步骤S234中，采用改良遗传算法进行元任务安排，优化目标为卫星的姿态机动总时长或路径总长度，具体包括：
步骤S234a、执行种群初始化流程，设置遗传迭代数值tP＝0，设置种群最大遗传迭代数dMax＝200，随机生成w＝100个初始个体作为初代种群groupA(0)；
步骤S234b、采用改良圈法得到初始较优解；
步骤S234c、进行种群个体适应度计算，计算种群groupA(tP)中各个个体的适应度，适应度定义为姿态机动总时长或路径总长度；
步骤S234d、保留种群中的适应个体，再将种群中的优秀个体直接遗传迭代或是通过交叉配对产生新的种群个体再进行遗传迭代，得到种群groupA’(tP)；
步骤S234e、对种群进行交叉操作，获得种群groupB(tP)；
步骤S234f、对种群进行变异操作，获得种群groupC(tP)；
步骤S234g、在获得选择、交叉和变异的种群后，整合groupA’(tP)、groupB(tP)和groupC(tP)，获得下一代种群groupA(tP+1)，执行下一次迭代。
2.根据权利要求1所述的基于松耦合的对地观测多层级规划策略方法，其特征在于，在所述步骤S2中，包括：
将全局任务需求分解到多类卫星***上，为任一类卫星***生成相应的任务规划输入，得到对应的方案。
3.根据权利要求1所述的基于松耦合的对地观测多层级规划策略方法，其特征在于，在所述步骤S21中，具体包括：
步骤S211、完成卫星对地球表面某一点的测控可见计算；
步骤S212、考虑单个地面站的同一时间的最大可用天线数量以及每个天线的占用情况，完成天线约束计算。
4.根据权利要求1所述的基于松耦合的对地观测多层级规划策略方法，其特征在于，在所述步骤S22中，具体包括：
步骤S221、完成成像可见窗口计算，成像可见窗口计算包括几何可见计算和太阳高度角计算，几何可见计算包含视锥角计算和仰角计算，
分别计算太阳高度角、视锥角、仰角的时间窗口，取三个时间窗口的交集，得到卫星对点目标的成像可见窗口；
步骤S222、完成成像分辨率约束计算，成像分辨率随着卫星进行姿态机动而改变，与卫星及观测目标的距离正相关；
步骤S223、完成目标观测频次约束计算。
5.根据权利要求1所述的基于松耦合的对地观测多层级规划策略方法，其特征在于，所述步骤S24中，具体包括：
步骤S241、完成数传可见窗口计算，数传可见窗口计算包括视锥角计算和仰角计算，分别计算视锥角和仰角的时间窗口，取两个时间窗口的交集，得到卫星对点目标的数传可见窗口；
步骤S242、完成数传天线约束计算。
6.一种电子设备，其特征在于，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行如权利要求1至5中任一项所述的基于松耦合的对地观测多层级规划策略方法。
7.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，实现如权利要求1至5中任一项所述的基于松耦合的对地观测多层级规划策略方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310774258.6A CN116882142B (zh) | 2023-06-27 | 2023-06-27 | 基于松耦合的对地观测多层级规划策略方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310774258.6A CN116882142B (zh) | 2023-06-27 | 2023-06-27 | 基于松耦合的对地观测多层级规划策略方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116882142A CN116882142A (zh) | 2023-10-13 |
| CN116882142B true CN116882142B (zh) | 2024-03-05 |
Family
ID=88257767
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310774258.6A Active CN116882142B (zh) | 2023-06-27 | 2023-06-27 | 基于松耦合的对地观测多层级规划策略方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116882142B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111912412A (zh) * | 2020-06-05 | 2020-11-10 | 中国空间技术研究院 | 面向应用的异构星座天地一体化任务规划方法及装置 |
| CN114091892A (zh) * | 2021-11-18 | 2022-02-25 | 西安微电子技术研究所 | 一种多星在轨协同对地观测任务规划方法及*** |
| CN114612019A (zh) * | 2022-05-12 | 2022-06-10 | 北京开运联合信息技术集团股份有限公司 | 一种多卫星任务统筹规划方法及装置 |
| CA3213349A1 (en) * | 2021-07-12 | 2023-01-19 | Longfei TIAN | Autonomous mission planning method for carbon satellite |
| CN116245243A (zh) * | 2023-03-10 | 2023-06-09 | 中国电子科技集团公司电子科学研究院 | 一种格网驱动的卫星观测与数传任务解耦规划方法 |
| CN116307535A (zh) * | 2023-02-13 | 2023-06-23 | 中国人民解放军战略支援部队航天工程大学 | 一种基于改进差分进化算法的多星协作成像任务规划方法 |
-
2023
- 2023-06-27 CN CN202310774258.6A patent/CN116882142B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111912412A (zh) * | 2020-06-05 | 2020-11-10 | 中国空间技术研究院 | 面向应用的异构星座天地一体化任务规划方法及装置 |
| CA3213349A1 (en) * | 2021-07-12 | 2023-01-19 | Longfei TIAN | Autonomous mission planning method for carbon satellite |
| CN114091892A (zh) * | 2021-11-18 | 2022-02-25 | 西安微电子技术研究所 | 一种多星在轨协同对地观测任务规划方法及*** |
| CN114612019A (zh) * | 2022-05-12 | 2022-06-10 | 北京开运联合信息技术集团股份有限公司 | 一种多卫星任务统筹规划方法及装置 |
| CN116307535A (zh) * | 2023-02-13 | 2023-06-23 | 中国人民解放军战略支援部队航天工程大学 | 一种基于改进差分进化算法的多星协作成像任务规划方法 |
| CN116245243A (zh) * | 2023-03-10 | 2023-06-09 | 中国电子科技集团公司电子科学研究院 | 一种格网驱动的卫星观测与数传任务解耦规划方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于贪婪策略的遗传算法求解多星观测任务优化;刘翔;雷明佳;陈韬亦;陈金勇;冯小恩;;无线电工程;20181225(01);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116882142A (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109214564B (zh) | 一种具有多种规划模式的对地遥感卫星自主任务规划方法 | |
| CN109409775B (zh) | 一种卫星联合观测任务规划方法 | |
| Jiang et al. | Path planning for asteroid hopping rovers with pre-trained deep reinforcement learning architectures | |
| CN109933842B (zh) | 一种基于约束满足遗传算法的移动目标单星任务规划方法 | |
| CN110515708A (zh) | 卫星在轨自主任务规划方法及*** | |
| He et al. | Scheduling multiple agile earth observation satellites with an edge computing framework and a constructive heuristic algorithm | |
| CN109492834A (zh) | 基于遗传优化的敏捷卫星任务规划与调度建模方法 | |
| CN112580906A (zh) | 卫星遥感任务规划与地面资源调度联合求解方法 | |
| CN110782087B (zh) | 一种海上应急物资优化调度方法及*** | |
| CN109523025B (zh) | 针对地面区域目标的多星连续观测规划调度方法 | |
| Wu et al. | Ensemble of metaheuristic and exact algorithm based on the divide-and-conquer framework for multisatellite observation scheduling | |
| CN104063748A (zh) | 一种用于解决面向成像卫星的时间依赖型调度问题的算法 | |
| CN109918731B (zh) | 基于关键路径的卫星任务规划仿真分析方法与*** | |
| Wang et al. | Scheduling multiple agile earth observation satellites for oversubscribed targets using complex networks theory | |
| Qi et al. | A cooperative autonomous scheduling approach for multiple earth observation satellites with intensive missions | |
| CN105138011A (zh) | 一种航天器在轨服务观测空间目标局部范围的时间和燃料脉冲最优遍历方法 | |
| Qu et al. | Satellite observation and data-transmission scheduling using imitation learning based on mixed integer linear programming | |
| Zhao et al. | Agile satellite mission planning via task clustering and double-layer tabu algorithm | |
| CN116882142B (zh) | 基于松耦合的对地观测多层级规划策略方法、设备及介质 | |
| CN116341873B (zh) | 一种多星资源调度与任务规划方法、***及存储介质 | |
| CN109299490A (zh) | 基于带禁忌列表蚁群算法视频卫星对地凝视任务规划方法 | |
| CN112529300A (zh) | 一种天临空传感协同任务规划方法及装置 | |
| CN114115342B (zh) | 一种基于冲突处理的无人集群多域协同***及方法 | |
| CN108037986A (zh) | 一种双星星簇的目标观测方法 | |
| Han et al. | Optimal orbit design and mission scheduling for sun-synchronous orbit on-orbit refueling system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |