CN104657795A - 多卫星对地协同观测的待观测任务确定方法及装置 - Google Patents
多卫星对地协同观测的待观测任务确定方法及装置 Download PDFInfo
- Publication number
- CN104657795A CN104657795A CN201510113061.3A CN201510113061A CN104657795A CN 104657795 A CN104657795 A CN 104657795A CN 201510113061 A CN201510113061 A CN 201510113061A CN 104657795 A CN104657795 A CN 104657795A
- Authority
- CN
- China
- Prior art keywords
- satellite
- observation
- task
- hub
- satellite hub
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Genetics & Genomics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供了多卫星对地协同观测的待观测任务确定方法及装置,涉及对地卫星观测领域。本发明实施例提供的多卫星对地协同观测的待观测任务确定方法,其通过先使每个卫星中心均获取到相应的观测任务和每个受控卫星的星历,并且通过遗传算法,先针对每个卫星中心的观测任务和受控卫星的星历来计算每个卫星中心的全部受控卫星执行观测任务的第一任务集合,在确定了每个卫星中心的第一任务集合之后再通过遗传算法来计算全部卫星中总观测收益的最大化和总能耗最低的优化解,也就是第二任务集合,如果第二任务集合满足预先设定的优化条件,则可以将第二任务集合作为指定卫星中心执行任务的参考,从而使用遗传算法完成搜索全局最优解的方案。
Description
技术领域
本发明涉及对地卫星观测领域,具体而言,涉及多卫星对地协同观测的待观测任务确定方法及装置。
背景技术
作为航天器家族中最为重要的类别之一,对地观测卫星主要利用设置在卫星上的星载传感器,对地球表面和低层大气进行探测,进而获取有关信息。对地观测卫星具有覆盖区域广、持续时间长、不受空域国界限制等独特优势。目前,对地观测卫星在军事侦察、防灾减灾、气象观测、环境保护、现代农业、以及大地测绘等诸多领域都发挥了重要作用。
当前,对地观测需求的快速发展为卫星运控领域带来了前所未有的机遇与挑战。一方面用户对遥感信息的依赖日益加深,使得观测目标日趋多样化、观测范围更加广泛,期望对地观测卫星能够完成更加复杂的任务;另一方面同时在轨卫星数量逐年增多,星载遥感器种类日益丰富:从中低分辨率延伸至高分辨率,从单一角度跨越到多角度立体观测,从空间维拓展到光谱维。
虽然对地观测卫星的数量在逐渐增加,但同时,需要对地观测卫星需要执行的任务(获取到数据种类和数据内容)数量也在逐年增加,相对于复杂且数量巨大的观测任务需求,对地观测卫星资源依旧十分有限。如何统筹安排对地观测卫星资源,达到充分合理利用航天资源和最大化满足需求的目的,已成为目前对地观测领域亟待解决的问题。
发明内容
有鉴于此,本发明实施例的目的在于提供多卫星对地协同观测的待观测任务确定方法及装置,以提高多卫星对地进行协同观测的效率。
第一方面,本发明实施例提供了多卫星对地协同观测的待观测任务确定方法,包括:
获取每个卫星中心所需要执行的多个观测任务和每个卫星中心的受控卫星的星历;
根据每个卫星中心所需要执行的多个观测任务和受控卫星的星历,使用预先获取的遗传算法模型,以一个卫星中心的总观测收益和该卫星中心总观测能耗为满意度函数,分别确定每个卫星中心的每个受控卫星需要执行任务,以形成每个卫星中心的全部受控卫星执行观测任务的第一任务集合;
使用预先获取的遗传算法模型,根据每个卫星中心的第一任务集合,以全部卫星中心的总观测收益和全部卫星中心的总能耗为优化目标,分别确定每个卫星中心的全部受控卫星需要执行的第二任务集合;
若第二任务集合满足预设的优化条件,则将第二任务集合作为指定卫星中心的受控卫星的待执行任务。
第二方面,本发明实施例还提供了多卫星对地协同观测的待观测任务确定装置,包括:
获取模块,用于获取每个卫星中心所需要执行的多个观测任务和每个卫星中心的受控卫星的星历;
第一任务集合生成模块,用于根据每个卫星中心所需要执行的多个观测任务和受控卫星的星历,使用预先获取的遗传算法模型,以一个卫星中心的总观测收益和该卫星中心总观测能耗为满意度函数,分别确定每个卫星中心的每个受控卫星需要执行任务,以形成每个卫星中心的全部受控卫星执行观测任务的第一任务集合;
第二任务集合生成模块,用于使用预先获取的遗传算法模型,根据每个卫星中心的第一任务集合,以全部卫星中心的总观测收益和全部卫星中心的总能耗为优化目标,分别确定每个卫星中心的全部受控卫星需要执行的第二任务集合;
确定模块,若第二任务集合满足预设的优化条件,则将第二任务集合作为指定卫星中心的受控卫星的待执行任务。
本发明实施例提供的多卫星对地协同观测的待观测任务确定方法,采用遗传算法进行待执行任务的结算,与现有技术中的多个卫星执行的任务之间没有相互的关联相比,其通过先使每个卫星中心均获取到相应的观测任务和每个受控卫星的星历,并且通过遗传算法,先针对每个卫星中心的观测任务和受控卫星的星历来计算每个卫星中心的全部受控卫星执行观测任务的第一任务集合,在确定了每个卫星中心的第一任务集合之后再通过遗传算法来计算全部卫星中总观测收益的最大化和总能耗最低的优化解,也就是第二任务集合,如果第二任务集合满足预先设定的优化条件,则可以将第二任务集合作为指定卫星中心执行任务的参考,也就是能够确定指定卫星中心受控卫星的待执行任务,从而通过局部优化和全局优化两个步骤实现了,使用遗传算法来搜索全局最优解的方案。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,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相关的附图。
图1示出了相关技术中,关于卫星运行状态的示意图;
图2示出了相关技术中,卫星中心之间通信示意图;
图3示出了本发明实施例所提供的多卫星对地协同观测的待观测任务确定方法的基本流程图;
图4示出了本发明实施例所提供的多卫星对地协同观测的待观测任务确定方法的细节流程图;
图5示出了本发明实施例所提供的多卫星对地协同观测的待观测任务确定方法的分治-合作流程示意图;
图6示出了本发明实施例所提供的多卫星对地协同观测的待观测任务确定方法的染色体编码示意图;
图7示出了本发明实施例所提供的多卫星对地协同观测的待观测任务确定方法的两染色体片段合作示意图;
图8示出了本发明实施例所提供的多卫星对地协同观测的待观测任务确定方法的多个子种群计算目标函数的流程示意图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
相关技术中显示,我国所拥有的卫星数量是较多的,但通常,多个卫星是分别受不同部分所管辖的,如海洋1、2、3号卫星直接受同一个卫星中心的管辖。但是,实际使用中,受同一个卫星中心所管辖的多个卫星难以覆盖到地球表面的全部范围(或者说难以覆盖大多地面),这也就造成了,同一个卫星中心在观测不同地点的任务时,需要卫星进行大幅度的动作才能够完整对某一个任务的观测,进行这样观测的能耗是十分巨大的(主要是相机开关和调整侧摆角度所引起的)。这种基于单一卫星运行控制中心(卫星中心)规划调度本中心遥感资源的方式难以保证遥感需求的质效和时效性。但,不同部门所管理的卫星无法统一规划,遥感数据应用共享能力弱,部门之间协同提供数据的速度慢,难以满足整体的应用需求。因此,如何有效地对多个中心的遥感资源进行合理协调,以求在有限的时间内最大限度地满足不同用户、不同要求级别、不同目标类型的遥感图像需求,逐渐成为技术焦点。
在介绍本申请的技术内容前,先对有关对地观测的卫星进行相应的介绍。
1,对地观测,即遥感,主要指从远距离、高空、以至外层空间的平台上利用可见光、红外、微波等探测仪器,通过摄影或扫描、信息感应、传输和处理,从而识别地面物质的性质和运动状态的现代化技术系统。在遥感问题中,主要涉及到两类具体的对象:对地观测卫星和观测目标,其中,观测卫星和观测目标都有多个单位。针对观测目标,对地观测卫星需要采取特定的观测行动,同时花费一定的代价,此时存在一个规划问题:即如何在满足各种约束限制和资源承载能力的前提下,为尽量多的观测活动安排资源和时间。
规划问题是复杂的,由于不同类型的观测者在目标观测过程中存在一系列的限制条件和资源约束,例如卫星的观测活动必须满足众多使用约束、卫星必须满足观测目标的空间分辨率、时间分辨率、光谱分辨率要求等,而且观测目标的数量一般大于资源承载能力,这样使得很多情况下求解最优规划问题十分困难。除此之外,观测过程中涉及到搭载多种载荷的多颗卫星,卫星之间的复杂协作关系进一步加剧了问题求解的难度。
2,卫星对地观测过程
虽然不同卫星的成像原理和有效载荷参数不同,但是相对于成像卫星的任务调度问题,这些卫星的观测方式和约束条件有许多共同的特点。
卫星绕地球飞行和地球的自转使得卫星成像能力可以覆盖一定的地面区域,而这些区域范围可以通过星载传感器的参数和星下点轨迹来确定,如图1所示:
2.1:星下点轨迹
卫星在地面的投影点(或卫星和地心连线与地面的交点)称星下点,可以用地球表面的地理经、纬度表示。卫星运动和地球自转使星下点在地球表面移动,将连续的星下点连接起来,进而形成星下点轨迹。
2.2:对地覆盖
卫星的对地覆盖就是卫星对地面的有效可视范围。
在任务调度问题中,卫星对地面的覆盖是通过卫星的星下点轨迹结合成像卫星最大侧视角度确定的;卫星在轨运行时,其最大侧视角度范围内所能够观测到区域是一个以星下点轨迹为中线的带状区域,这个带状区域内的成像任务都可能被成像卫星实施成像。
2.3:观测条带
对地面进行观测时,卫星处于高速运动状态,同时星载传感器都有一定的视场角,所以每次成像动作在地面上形成的都是一个具有一定幅宽的观测条带,观测条带的宽度和卫星的视场角相对应。如果观测条带覆盖了任务就表示对该任务进行了观测。通常,卫星的观测条带相对较窄。
2.4:任务的侧视角和观测时间
对于不在星下点轨迹上的成像任务,卫星对其成像时需要调整传感器成像角度。本申请中仅考虑具有横向侧视能力的卫星,对于一个观测任务,卫星在其上方对其进行成像时的成像侧视角度是一定的。
任务的观测时间是指根据卫星的轨道参数和成像任务的地理位置所计算出的,是卫星对该观测任务进行观测的时间。在任务调度的过程中这个时间不会变化,因而也可以看成是成像任务的一种属性。
有鉴于相关技术中的缺点(单一卫星中心进行对指定任务进行观测的时效性较差和效率较低),本申请所提供的技术方案中,首先确定了一种多卫星中心协同规划问题的模型(多卫星中心相互合作以完成对任务目标的观测)。具体的,多卫星运控中心协同任务规划问题属于一类分布式优化问题,其难点主要表现为分布式条件下的问题求解,在多中心协同规划的环境下,每个卫星运控中心都能基于本地信息进行自主规划,如图2所示,为保证任务决策的一致性和有效性,多个中心之间在规划过程中需要基于网络通信进行协调。
针对在协同规划过程中,信息可实时交互的特点,本申请提供了基于分布式约束优化的多中心协同规划问题模型,在满足以下条件时可以反映协同规划问题。
(1)每个中心只能获取本中心内部的遥感资源,并根据当前可用资源进行规划。
(2)尽管各卫星中心在规划能力异构,但地位是平等的。并不存在一个“超级”中心,能够获取所有中心遥感资源的基础上做出全局优化的规划。
(3)各卫星中心之间在协同规划过程中,可以实时获取彼此之间的规划过程信息。
由此,如图3所示,本申请提供了多卫星对地协同观测的待观测任务确定方法,包括如下步骤:
S101,获取每个卫星中心所需要执行的多个观测任务和每个卫星中心的受控卫星的星历;
S102,根据每个卫星中心所需要执行的多个观测任务和受控卫星的星历,使用预先获取的遗传算法模型,以一个卫星中心的总观测收益和该卫星中心总观测能耗为满意度函数,分别确定每个卫星中心的每个受控卫星需要执行任务,以形成每个卫星中心的全部受控卫星执行观测任务的第一任务集合;
S103,使用预先获取的遗传算法模型,根据每个卫星中心的第一任务集合,以全部卫星中心的总观测收益和全部卫星中心的总能耗为优化目标,分别确定每个卫星中心的全部受控卫星需要执行的第二任务集合;
S104,若第二任务集合满足预设的优化条件,则将第二任务集合作为指定卫星中心的受控卫星的待执行任务。
步骤S101中,需要获取每个卫星中心所需要执行的多个观测任务和每个卫星中心受控卫星的星历。其中,属于每个卫星中心的多个观测任务是从一个完整的观测任务集合中分离后得出的。完整的观测任务是地球表面的全部需要观测任务的集合。之后将需要观测的任务的分配给每一个卫星中心。分配的时候尽量均匀的将全部任务分配给每个卫星中,以保证每个卫星中心的所分配到的任务是均匀覆盖在地球表面的,进而能够使用属于该卫星中心的卫星实现全面的观测,而不会发生个别任务距离任务主群体过远,导致需要单独对某一个任务进行观测的情况(该种情况会导致观测的效率下降和时效性降低)。
具体的,如卫星中心的数量为5,那么也将全部观测任务分成5份,并将每份任务分配给一个卫星中心。并且,每个卫星中心也知悉本地所能够控制的卫星的星历,进而步骤S102中,可以根据预先获取的遗传算法模型,来计算每个卫星中心如何执行分配到的任务的策略。具体而言,指定的一个每个卫星中心能够确定观测任务(主要是指观测任务的地点)和卫星的星历之后,便可以根据这两个要素(星历和分配到的任务)来随机生成多组可行解(可行解即是该卫星中心的受控卫星观测分配到的任务的方式,即遗传算法中的染色体)。再使用选择、交叉、变异三个算子来对多个可行解进行调整。需要说明的是,可行解的数量应是大量的,这样在进行交叉和变异的时候,才能够不会导致局部最优,而难以出现全局最优,因此,在使用交叉算子和变异算子之后,需要针对每个可行解来计算其适应值,并根据适应值的高低来确定其出现在下一代可行解群中的概率(也可以说根据适应值的高低来确定选择该可行解的概率)。
通过多代的选择、交叉和变异,能够得到一个相对于初始随机获得的可行解更为优化的解(通常此时的解并不是最优解)。此时得到的解(第一任务集合)是相对于某一个卫星中心而言的局部最优解,但并不一定是对于全部卫星中心而言的最优解,因此,在确定了多个第一任务集合后,可以将多个卫星中心的第一任务集合使用合作算子进行调整,以使局部优化解能够达到全局最优解。
具体而言,局部优化解(第一任务集合)是某一个卫星中心针对自己的星历和分配到的任务来确定的,但分配到的任务可能交给其他卫星中心的受控卫星进行观测更为合适,比如卫星中心A进行任务分配之后,发现某个观测任务需要单独进行观测,或者是需要花费大量的能量进行观测。此时,可以将这个不容易进行观测的任务交给其他卫星中心的卫星进行观测以保证观测的效率和时效性。在每个卫星中心单独为本地卫星中心的受控卫星进行任务分配的时候(生成第一任务集合时),可以对每个卫星所执行的任务进行划分,如对于任务A-D,卫星1可以观测任务A和C,不观测任务B,不确定观测任务D,不确定观测任务D的原因可能是观测任务D需要花费过量的能源,因此任务D便可以通过去其他卫星中心进行全局最优解确定的时候,来确定具体由哪个卫星中心的哪个卫星来对任务D进行观测。
具体的,步骤S102,即求取局部优化解的步骤和步骤S103,即求取全局最优解的步骤可以按照一定的次数比例来执行。使用遗传算法进行最优解求取的时候,每次通过选择、交叉和变异就能够产生下一代种群(可行解,或是不可行解),可以当使用选择、交叉和变异操作产生10代(也可以是8-15代)种群之后再执行步骤S103,即生成第二任务集合的步骤。这样既能够保证每个卫星中心在生成局部最优解的之前便进行全局最优解的解算,又能够保证步骤S103执行的频率较低,从而保证了多个卫星中心进行交互所花费的能耗较低。实际上,为了避免过早的出现局部最优解,可以在初始状态下,通过确定适应值的方式来进行控制,以避免系统过早的完成最优的第一任务集合的计算,而不再进行全局最优解的计算。需要说明的是,第一任务集合和第二任务集合均表达了每个卫星应当执行的任务。
在执行步骤S102和步骤S103的时候,可能会产生不可行解,进而在步骤S102和步骤S103之后应当对相应的不可行解进行修正,或者是删除。
步骤S104中,如果获取到的第二任务集合满足预定的优化条件时,就可以停止执行步骤S102和步骤S103,具体的优化条件可以是本地得到的第二任务集合的适应值与上一次得到的第二任务集合的适应值相等,或者变化幅度较小;也可以是达到了预定的计算次数(如,预定的执行交叉、变异的次数为5000次,那么,当交叉、变异执行的总次数到达5000的时候,便停止,并将停止时,适应值最高的解作为最终的优选解,当然,也可以是设置步骤S103的总执行次数作为优化条件)。
进一步,步骤S101,即获取每个卫星中心所需要执行的多个观测任务,如图4所示,可以分为如下几个子步骤:
S1011,获取全部观测任务;
S1012,将全部观测任务按照卫星中心的数量分为多个观测任务组,每个观测任务组中的多个观测任务均匀分布在地球表面;
S1013,将多个观测任务组与多个卫星中心进行一一匹配,以确定每个卫星中心的多个观测任务。
步骤S1011中,全部的观测任务时只需要进行观测的观测任务的总和,也就是全部卫星中心需要观测任务的总和。
步骤S1012,需要将全部观测任务根据卫星中心的数量进行分组,以保证在实行步骤S1013时,能够将每个观测任务均下发给相应的卫星中心(也可以说,将X组任务,以每个卫星中心分配一组任务的方式,将每组任务分配给对一个的卫星中心)。优选的,分配到一个卫星中心的任务应当是均匀分布在地球的表面,也就是相邻任务之间的距离最好是相等或者相近的。这样每个卫星中心则会更合理的依据受控卫星的星历进行更合理的任务分配。
具体的,步骤S1012,即将全部待观测任务按照卫星中心的数量分为多组包括:
根据任意两个观测任务间的欧氏距离,将全部待观测任务分为多组,每组中的任意两个实际距离的差值均小于预设的阈值,实际距离是同一观测任务组中任选的两个任务之间的欧式距离。
欧氏距离是指两个空间点之间的真实距离。通过计算任意两个实际距离的差值,能够保证分配给同一个卫星中心的任务是均匀分布在地球表面的。
具体的,步骤S102,即根据每个卫星中心所需要执行的多个观测任务和受控卫星的星历,使用预先获取的遗传算法模型,以一个卫星中心的总观测收益和该卫星中心总观测能耗为满意度函数,分别确定每个卫星中心的每个受控卫星需要执行任务,以形成每个卫星中心的全部受控卫星执行观测任务的第一任务集合包括如下步骤:
S1021,采用等二进制编码方式对全部观测任务进行统一编码,以确定每个观测任务的染色体编码;
S1022,对分配到每个卫星中心的多个观测任务进行交叉操作和变异操作,以确定多个卫星中心的多个第一任务集合。
步骤S1021中,根据多中心协同规划的特点,可以采用等长扩展二进制编码方式构造染色体序列。以便于在执行步骤S103的时候,能够较为简便。
步骤S1022中,便可以使用交叉算子和变异算子对每条染色体序列进行相应的调整。
更具体的,步骤S1022又可以分为如下几个步骤:
根据每个卫星中心所需要执行的多个观测任务的位置和受控卫星的星历,分别为每个卫星中心生成多个待交叉任务集合,一个卫星中心的每个待交叉任务集合是该卫星中心全部卫星对该卫星中心的多个观测任务进行观测的一种方式,待交叉任务集合包括属于该卫星中心的每个观测卫星的观测任务集合;
采用单点交叉算子,对任意两个待交叉任务集合进行交叉操作,以确定两个待变异任务集合;
采用单点变异算子,对待变异任务集合进行变异操作,以确定多个第一任务集合。
下面,以一个具体的实例,来说明本申请所提供的多卫星对地协同观测的待观测任务确定方法。
在对全部的观测任务进行分配前,首先,需要对多卫星中心协同任务规划问题进行简要描述。多卫星中心协同任务规划问题可以描述为:对于待观测目标集合T(指全部需要观测的任务的集合),NC个卫星中心根据各中心内的卫星能力(包括卫星数量、传感器类型、分辨率等)及其约束条件,以协作的方式规划观测目标集合T(指对整体的待观测目标集合T进行划分,以确定每个卫星中心的观测任务)。在协同规划过程中,各卫星中心反复交互阶段规划结果(即对每个卫星中心的第一任务集合进行交互),形成优化的各卫星中心的观测方案,从而期望以尽量少的遥感资源完成尽量多的遥感任务的目标。多中心协同规划的结果,需要从各中心未完成任务情况与遥感资源能量使用这两个方面进行评价。需要说明的是,本申请假设各中心地面站接收资源可满足任何遥感数据的传输要求,因此在本文中不再考虑数传因素对协同规划过程的影响。
考虑到多卫星中心的约束条件,我们建立数学模型对问题进行描述,首先给出如下定义,具体如下表:
本申请的决策变量为
本申请协同规划问题的数学模型为如下三个公式:
min f=(f1,f2) (1)
由(1)式可以看出,多卫星中心协同规划问题是一个多目标优化问题,两个目标函数分别为f1和f2。其中,f1表示未观测的目标收益之和,f2观测目标所消耗的能量,即每颗卫星为了完成观测进行侧摆和开机所消耗的能量。其中,表示任务i,k的侧视角度之差,表示观测任务连续情况下卫星实际的开关机次数。
约束条件为
(4)表示α中心卫星p增加虚拟的初始任务和终止任务,使得各卫星有着相同的初始和终止任务。
(5)表示在一个卫星中心内任务最多只可被一颗卫星观测。
(6)表示当前后时序任务出现时间上的交叉,且观测角度相同时,则认为两个任务重叠且可连续对任务i,k进行观测。
(7)表示当任务i,k的观测时间交叉且侧摆角度相同时,则可连续对任务i,k进行观测。
若
(8)表示若任务i,k时间上不重叠,当完成任务i后在时间允许的情况下可侧摆至任务k,则任务i,k构成前后时序关系,即任务i,k满足侧向摆动约束。
(9)表示观测任务所消耗能量不能超过卫星总的能量约束。
在以上约束中,(6)-(8)式分别说明了时序前后的两个任务在观测时间是否重叠、侧摆角度是否一致的情况下,能否实现观测的情况,即侧视约束,是卫星必须要满足的约束;(9)为卫星能量约束,也是卫星必须要满足的约束条件。(5)式也是必须要满足的约束条件。(4)式是为了后续问题编码方便,构造的一个假设条件,后续约束检查过程中不需要再对其进行检查。
需要说明的是,上述约束条件是在确定第一任务集合时需要使用的,以便能够更为准确的得出第一任务集合,即局部优化解。
在信息能够实时获取的条件下,任一卫星中心的规划阶段结果均可以实时向其他卫星中心提供。在每一次规划时,每个中心只需要求解一个本地优化问题(得出每个卫星中心的局部优化解,即第一任务集合),由于多个中心是呈物理分布的,因此所建立的模型是一个分布式优化模型。
其次,需要说明多卫星中心协同进化规划算法,即求取第二任务集合的方法。
根据各卫星中心之间的合作关系,本申请设计了基于合作协同进化思想的多中心分布式优化求解算法。具体流程如图5所示,算法基于“分治-合作”策略,首先,根据参与规划的各卫星中心的卫星数量与观测目标(观测任务)的地理分布,将观测目标集合分解并分配至各中心,并通过编码代表卫星的决策变量,进而构造卫星中心的子种群(解)在每一次迭代求解过程中,结合其它卫星中心个体代表,求解当前卫星中心个体的适应值,而交叉、变异、合作算子在确保得出可行解的前提下,扩展卫星子种群的多样性,加快收敛速度,经过不断迭代得到最终的协同观测方案(即第二任务集合),在本申请中,可以设置总体观测收益为100代不增加时,终止迭代,所选的任务序列为最终输出的观测结果。
本申请所提供方法的操作具体流程如下:
首先对各部分进行定义:
输入:T:观测目标集合;
tcooperation:执行种群协作算子的周期;
cα:参与规划的中心,cα∈C;
NC:参与规划中心数量;
t:迭代次数;
N:中心子种群Pα的规模;
pcrossover:交叉概率;
pmutation:变异概率;
pcooperation:合作概率;
外部子种群的规模;
输出:NC个中心的种规划方案;
具体步骤为:
①根据参与协同规划中心数目,采用k近邻目标测度分解算法将全部的任务T分解为Nc个目标任务子集;
②问题编码,初始化生成初始种群和外部种群令t←0;
③轮盘赌选择得到个体和
④对个体以概率pcrossover执行交叉操作得到
⑤个体以概率pmutation执行变异操作得到
⑥若t是tcooperate的整数倍,个体与中的个体执行合作操作,得到否则令
⑦修正之前由于交叉、变异、合作产生的不可行解;
⑧更新若满足终止条件,则输出外部种群否则令t←t+1,转入步骤③。
其中,等变量分别表示个体在执行各种算子所生成的中间变量个体。
在上述方法流程描述的基础上,下面介绍本申请所提供的方法的关键点。
1任务分解(将全部待观测任务分解为提供给每个卫星中心的任务)
在协同规划之前,首先要根据卫星中心的遥感资源分解目标集。可以采用基于k近邻目标测度策略将目标集合T平均分解为与卫星中心数目相同的目标集Ω,Ω作为任务分解的输出,作为后续合作协同进化算法的输入,构造初始种群。
下面给出具体算法流程:
算法名称:k近邻测度目标分解算法;
输入:T:待分解目标集合;NC:卫星中心数目;
输出:Ω:分解后目标任务集合;
① k←NC,Tremain←T,
② 当剩余任务集合不为空时
③ 从Tremain中随机选取目标t,
T1=T1+t,Ψ←T1,
Tremain=Tremain-t
④ 计算目标t的第k近邻的欧式距离
⑤ 对于每个属于Tremain的任务ti
⑥ 如果(如果ti与t的欧式距离小于)
⑦ 则(依次将与t的欧式距离小于的ti分配至其他卫星中心的任务集合Tj中)
Tj=Tj+ti,
Ψ=Ψ+Tj,Tremain=Tremain-ti;
⑧ 输出Ω
即能够得到分配给每个卫星中心的多个观测任务(观测任务集合)
2问题编码
在任务分解后,每个卫星中心得到了相应的任务集合,卫星中心所对应的每颗卫星根据其自身的星历情况,计算得到该卫星可访问任务按照观测时间的任务序列。根据进化算法的思想,需要对观测任务序列进行问题编码。
根据多中心协同规划的特点,可以采用一种等长扩展二进制编码方式构造染色体序列。如图6所示,每个卫星中心根据本中心卫星资源对分解后的目标集Tα进行编码,得到染色体chα。分别随机生成100个(具体数量可以根据卫星中心数量和每个卫星中心所控制的受控卫星的数量来确定)染色体,分配至初始种群和外部种群中。在每个染色体内部的染色体段代表卫星p的观测任务序列,内的任务按照观测起始时间序排列。与传统二进制编码不同的是,考虑到卫星中心的子种群间的合作操作(计算第二任务集合的步骤),需要对目标集T统一编码,对于中心子种群T-Tα中的目标(就是当前未分配至α卫星中心的目标)在chα中用Null标识。
每个中心随机生成的子种群作为输入,后续的目标函数值计算和协同进化算子操作都是针对这|Sα|个相对独立的扩展二进制序列所代表的染色体段进行。
3遗传算法中,适应值计算与选择机制
适应值的计算中,算法采用SPEA2中提出的适应值计算方法与协同进化思想相结合确定每个子种群中个体的适应值。利用精英解保持的方式保持每个种群最优解集。并引入拥挤距离的方式控制外部种群的大小的同时获得具有良好均匀性和宽广性的Pareto(帕累托最优)最优解集。虽然其计算复杂度为种群规模的立方,但是解分布具有良好的均匀性。
根据遗传算法的一般步骤,针对子种群中的每个染色体,需要根据设计的目标函数计算其适应值。在算法中适应值赋值方法描述如下:个体适应值
F(i)=R(i)+D(i)
其中,R(i)为同时考虑在进化种群和外部种群中的支配i的个体数量,D(i)是由个体i到它最近的第k个邻近个体距离决定的拥挤度度量。
在本方法中,支配是指对于种群中的个体i,k,当
f1′(i)<f1′(k)且f2(i)<f2(k)
则个体i支配个体k。
当
f1′(i)>f1′(k)且f2(i)<f2(k)
或者
f1′(i)<f1′(k)且f2(i)>f2(k)
时,则个体i与个体k互不支配彼此。R(i)=0说明个体i为非支配个体,R(i)值越大表示支配该个体的个体数量越多,即比该个体对应的方案更优的方案数量越多。
在协同进化过程中,当前种群中个体的目标函数值f1′是在综合考虑各中心遥感资源和约束的前提下与其它中心子种群共同确定,如图8所示。种群中个体i与其它中心精英种群最优个体组合求得目标函数值。
由 表示。
为综合考虑α中心的个体i与其他卫星中心的个体在重复观测任务的情况下的综合观测效益之和,由
表示。其中表示i,i′中重复观测的目标集合,cs为适应参数值,设置为常量。
拥挤度D(i):
D(i)是由个体i到它最近的第k个邻近个体距离决定的拥挤度度量。为个体i与第k个最近的个体的距离,其中
相应的精英解更新方法:
首先将全部非支配解集复制至下一代外部集合中:
若外部种群集的规模小于则从中选择最佳的前个受支配个体进行补充;反之,则需对进行截断。
4协同进化算子设计
由于算法需要考虑多种约束,若仅是简单的算子操作子种群将产生大量不可行解。为此我们设计了满足部分约束的交叉、变异、合作算子。每一个子种群的个体都由|Sα|个染色体段组成,每次交叉、变异、合作,染色体段均并行独立执行。
(1)交叉算子
根据问题编码特点,采用单点交叉算子对个体执行交叉操作。设中心cα以轮盘赌方式选择的两个父代个体 和 作为输入。对于这|Sα|个染色体段均独立并行执行交叉操作。
设交叉点Nc1为内的随机整数,对于父代个体的染色体段和执行单点交叉操作。
(2)变异算子
对于执行完交叉操作的个体,将该个体的|Sα|个染色体段以pmutation概率独立并行执行变异操作。对于每个染色体段,采用单点变异算子执行变异操作,即随机生成p∈[0,1],当p>pmutation执行将取反。
(3)合作算子
为保证MCCOPP能够收敛至全局最优,参与进化的各中心子种群在本中心内部执行交叉变异操作同时,每经过若干代中心子种群间需要交流进化的阶段结果。在合作的过程中,既要扩展中心外部子种群的搜索空间,又要尽量避免卫星中心之间的任务重复执行。
各中心通过交互外部种群选取的个体代表中未完成的任务扩展种群的搜索空间。具体合作过程见图7。
设中心Cα子种群内部经过交叉变异操作后得到个体从中心Cβ的外部种群中随机选择个体并将按照Cα中心任务时序重新映射得到两个体的基因按照(10)式的方式进行合作操作得到新的个体
对于两个个体中的基因,如果中的基因未被激活且中对应的基因为0,则对应的基因为1;如果中的基因为0,则不改变此基因值;其他情况下该基因不激活。
由(10)式可知,经过合作操作后新个体激活了任务分解时未分配至本中心的任务,从而扩展了当前种群的搜索空间。
为了均衡搜索结果和搜索效率,在专利中,若进化迭代10000次,则合作算子的执行频率为每10代执行1次。
5约束修正
需要指出的是,在进化过程中种群中个体经历交叉、变异和合作操作后产生不可行解,需要对不满足约束的个体进行约束修正。对于违反约束条件中,(6)-(8)约束的个体,则删除与协同进化算子基因点冲突的任务。若α中心卫星p染色体段不能满足约束(9),根据段内观测任务收益以轮盘赌方式进行删除,即对直至满足约束为止。
本发明实施例还提供了与多卫星对地协同观测的待观测任务确定方法相对应的装置,即多卫星对地协同观测的待观测任务确定装置,包括:
获取模块,用于获取每个卫星中心所需要执行的多个观测任务和每个卫星中心的受控卫星的星历;
第一任务集合生成模块,用于根据每个卫星中心所需要执行的多个观测任务和受控卫星的星历,使用预先获取的遗传算法模型,以一个卫星中心的总观测收益和该卫星中心总观测能耗为满意度函数,分别确定每个卫星中心的每个受控卫星需要执行任务,以形成每个卫星中心的全部受控卫星执行观测任务的第一任务集合;
第二任务集合生成模块,用于使用预先获取的遗传算法模型,根据每个卫星中心的第一任务集合,以全部卫星中心的总观测收益和全部卫星中心的总能耗为优化目标,分别确定每个卫星中心的全部受控卫星需要执行的第二任务集合;
确定模块,若第二任务集合满足预设的优化条件,则将第二任务集合作为指定卫星中心的受控卫星的待执行任务。
优选的,获取模块包括:
获取单元,用于获取全部观测任务;
分组单元,用于将全部观测任务按照卫星中心的数量分为多个观测任务组,每个观测任务组中的多个观测任务均匀分布在地球表面;
任务分配单元,用于将多个观测任务组与多个卫星中心进行一一匹配,以确定每个卫星中心的多个观测任务。
优选的,分组单元包括:
分组子单元,用于根据任意两个观测任务间的欧氏距离,将全部待观测任务分为多组,每组中的任意两个实际距离的差值均小于预设的阈值,实际距离是同一观测任务组中任选的两个任务之间的距离。
优选的,第一任务集合生成模块包括:
编码单元,用于采用等二进制编码方式对全部观测任务进行统一编码,以确定每个观测任务的染色体编码;
任务分配单元,用于根据每个卫星中心所需要执行的多个观测任务的位置和受控卫星的星历,分别为每个卫星中心生成多个待交叉任务集合,一个卫星中心的每个待交叉任务集合是该卫星中心全部卫星对该卫星中心的多个观测任务进行观测的一种方式,待交叉任务集合包括属于该卫星中心的每个观测卫星的观测任务集合;
交叉单元,用于采用单点交叉算子,对任意两个待交叉任务集合进行交叉操作,以确定两个待变异任务集合;
变异单元,采用单点变异算子,对待变异任务集合进行变异操作,以确定多个第一任务集合。
需要说明的是,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.多卫星对地协同观测的待观测任务确定方法,其特征在于,包括:
获取每个卫星中心所需要执行的多个观测任务和每个卫星中心的受控卫星的星历;
根据每个卫星中心所需要执行的多个观测任务和受控卫星的星历,使用预先获取的遗传算法模型,以一个卫星中心的总观测收益和该卫星中心总观测能耗为满意度函数,分别确定每个卫星中心的每个受控卫星需要执行任务,以形成每个卫星中心的全部受控卫星执行观测任务的第一任务集合;
使用预先获取的遗传算法模型,根据每个卫星中心的所述第一任务集合,以全部卫星中心的总观测收益和全部卫星中心的总能耗为优化目标,分别确定每个卫星中心的全部受控卫星需要执行的第二任务集合;
若所述第二任务集合满足预设的优化条件,则将所述第二任务集合作为指定卫星中心的受控卫星的待执行任务。
2.根据权利要求1所述的多卫星对地协同观测的待观测任务确定方法,其特征在于,还包括:若所述第二任务集合不满足预设的优化条件,则再次执行步骤所述使用预先获取的遗传算法模型,以卫星中心的总观测收益和该卫星中心总观测能耗为满意度函数,分别确定每个卫星中心的受控卫星需要执行的第一任务集合。
3.根据权利要求1所述的多卫星对地协同观测的待观测任务确定方法,其特征在于,所述获取每个卫星中心所需要执行的多个观测任务包括:
获取全部观测任务;
将全部观测任务按照卫星中心的数量分为多个观测任务组,每个观测任务组中的多个观测任务均匀分布在地球表面;
将多个观测任务组与多个卫星中心进行一一匹配,以确定每个卫星中心的多个观测任务。
4.根据权利要求3所述的多卫星对地协同观测的待观测任务确定方法,其特征在于,所述将全部观测任务按照卫星中心的数量分为多个观测任务组包括:
根据任意两个观测任务间的欧氏距离,将全部待观测任务分为多组,每组中的任意两个实际距离的差值均小于预设的阈值,所述实际距离是同一观测任务组中任选的两个任务之间的欧式距离。
5.根据权利要求3所述的多卫星对地协同观测的待观测任务确定方法,其特征在于,所述根据每个卫星中心所需要执行的多个观测任务和受控卫星的星历,使用预先获取的遗传算法模型,以一个卫星中心的总观测收益和该卫星中心总观测能耗为满意度函数,分别确定每个卫星中心的每个受控卫星需要执行任务,以形成每个卫星中心的全部受控卫星执行观测任务的第一任务集合包括:
采用等二进制编码方式对所述全部观测任务进行统一编码,以确定每个观测任务的染色体编码;
对分配到每个所述卫星中心的多个观测任务进行交叉操作和变异操作,以确定多个卫星中心的多个第一任务集合。
6.根据权利要求5所述的多卫星对地协同观测的待观测任务确定方法,其特征在于,所述对分配到每个所述卫星中心的多个观测任务进行交叉操作和变异操作,以确定多个卫星中心的多个第一任务集合包括:
根据每个卫星中心所需要执行的多个观测任务的位置和受控卫星的星历,分别为每个卫星中心生成多个待交叉任务集合,一个卫星中心的每个所述待交叉任务集合是该卫星中心全部卫星对该卫星中心的多个观测任务进行观测的一种方式,所述待交叉任务集合包括属于该卫星中心的每个观测卫星的观测任务集合;
采用单点交叉算子,对任意两个待交叉任务集合进行交叉操作,以确定两个待变异任务集合;
采用单点变异算子,对所述待变异任务集合进行变异操作,以确定多个第一任务集合。
7.多卫星对地协同观测的待观测任务确定装置,其特征在于,包括:
获取模块,用于获取每个卫星中心所需要执行的多个观测任务和每个卫星中心的受控卫星的星历;
第一任务集合生成模块,用于根据每个卫星中心所需要执行的多个观测任务和受控卫星的星历,使用预先获取的遗传算法模型,以一个卫星中心的总观测收益和该卫星中心总观测能耗为满意度函数,分别确定每个卫星中心的每个受控卫星需要执行任务,以形成每个卫星中心的全部受控卫星执行观测任务的第一任务集合;
第二任务集合生成模块,用于使用预先获取的遗传算法模型,根据每个卫星中心的所述第一任务集合,以全部卫星中心的总观测收益和全部卫星中心的总能耗为优化目标,分别确定每个卫星中心的全部受控卫星需要执行的第二任务集合;
确定模块,若所述第二任务集合满足预设的优化条件,则将所述第二任务集合作为指定卫星中心的受控卫星的待执行任务。
8.根据权利要求7所述的多卫星对地协同观测的待观测任务确定装置,其特征在于,所述获取模块包括:
获取单元,用于获取全部观测任务;
分组单元,用于将全部观测任务按照卫星中心的数量分为多个观测任务组,每个观测任务组中的多个观测任务均匀分布在地球表面;
任务分配单元,用于将多个观测任务组与多个卫星中心进行一一匹配,以确定每个卫星中心的多个观测任务。
9.根据权利要求8所述的多卫星对地协同观测的待观测任务确定装置,其特征在于,所述分组单元包括:
分组子单元,用于根据任意两个观测任务间的欧氏距离,将全部待观测任务分为多组,每组中的任意两个实际距离的差值均小于预设的阈值,所述实际距离是同一观测任务组中任选的两个任务之间的距离。
10.根据权利要求7所述的多卫星对地协同观测的待观测任务确定装置,其特征在于,所述第一任务集合生成模块包括:
编码单元,用于采用等二进制编码方式对所述全部观测任务进行统一编码,以确定每个观测任务的染色体编码;
任务分配单元,用于根据每个卫星中心所需要执行的多个观测任务的位置和受控卫星的星历,分别为每个卫星中心生成多个待交叉任务集合,一个卫星中心的每个所述待交叉任务集合是该卫星中心全部卫星对该卫星中心的多个观测任务进行观测的一种方式,所述待交叉任务集合包括属于该卫星中心的每个观测卫星的观测任务集合;
交叉单元,用于采用单点交叉算子,对任意两个待交叉任务集合进行交叉操作,以确定两个待变异任务集合;
变异单元,采用单点变异算子,对所述待变异任务集合进行变异操作,以确定多个第一任务集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510113061.3A CN104657795A (zh) | 2015-03-16 | 2015-03-16 | 多卫星对地协同观测的待观测任务确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510113061.3A CN104657795A (zh) | 2015-03-16 | 2015-03-16 | 多卫星对地协同观测的待观测任务确定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104657795A true CN104657795A (zh) | 2015-05-27 |
Family
ID=53248891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510113061.3A Pending CN104657795A (zh) | 2015-03-16 | 2015-03-16 | 多卫星对地协同观测的待观测任务确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104657795A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106371448A (zh) * | 2016-08-04 | 2017-02-01 | 北京空间飞行器总体设计部 | 一种基于动作优化的成像卫星自主指令生成方法 |
CN106656308A (zh) * | 2017-01-05 | 2017-05-10 | 清华大学 | 空间信息网络中任务的规划方法和装置 |
CN106842350A (zh) * | 2016-12-26 | 2017-06-13 | 首都师范大学 | 同平台不同分辨率传感器联合动目标检测系统及检测方法 |
CN106885556A (zh) * | 2017-02-27 | 2017-06-23 | 中国地质大学(武汉) | 一种扫描式卫星对地俯仰观测覆盖带确定方法及装置 |
CN106918317A (zh) * | 2017-02-27 | 2017-07-04 | 中国地质大学(武汉) | 一种扫描式卫星对地侧摆观测覆盖带确定方法及装置 |
CN106941663A (zh) * | 2017-05-16 | 2017-07-11 | 重庆邮电大学 | 一种融合凸优化与多目标粒子群的uwb定位方法 |
CN108053051A (zh) * | 2017-11-16 | 2018-05-18 | 西安电子科技大学 | 基于任务拆分聚合的数据中继卫星系统任务规划方法 |
CN110098861A (zh) * | 2019-05-07 | 2019-08-06 | 中国人民解放军32039部队 | 多航天器自主协同通信方法、系统及电子设备 |
CN111309769A (zh) * | 2020-02-23 | 2020-06-19 | 哈尔滨工业大学 | 一种处理基于多星搜索的目标信息以进行成像任务规划的方法、装置及计算机存储介质 |
CN111913785A (zh) * | 2020-06-10 | 2020-11-10 | 合肥工业大学 | 多星任务调度方法和系统 |
US10981678B2 (en) | 2018-07-31 | 2021-04-20 | Loft Orbital Solutions Inc. | System and method for providing spacecraft-based services |
CN113179122A (zh) * | 2018-11-07 | 2021-07-27 | 长沙天仪空间科技研究院有限公司 | 一种卫星调度系统 |
CN113313349A (zh) * | 2021-04-20 | 2021-08-27 | 合肥工业大学 | 卫星任务资源匹配优化方法、装置、存储介质和电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1959430A (zh) * | 2006-11-24 | 2007-05-09 | 中国科学院上海技术物理研究所 | 一种中低轨卫星的精密定轨系统及其实现方法 |
CN102780523A (zh) * | 2012-07-31 | 2012-11-14 | 中国电子科技集团公司第五十四研究所 | 一种多卫星协同观测业务调度方法 |
CN104375511A (zh) * | 2014-10-28 | 2015-02-25 | 上海卫星工程研究所 | 波束协同控制的地球同步轨道sar卫星偏航导引方法 |
-
2015
- 2015-03-16 CN CN201510113061.3A patent/CN104657795A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1959430A (zh) * | 2006-11-24 | 2007-05-09 | 中国科学院上海技术物理研究所 | 一种中低轨卫星的精密定轨系统及其实现方法 |
CN102780523A (zh) * | 2012-07-31 | 2012-11-14 | 中国电子科技集团公司第五十四研究所 | 一种多卫星协同观测业务调度方法 |
CN104375511A (zh) * | 2014-10-28 | 2015-02-25 | 上海卫星工程研究所 | 波束协同控制的地球同步轨道sar卫星偏航导引方法 |
Non-Patent Citations (2)
Title |
---|
王冲 等: "协同进化方法求解多中心卫星任务规划问题", 《航空学报》 * |
王冲: "基于Agent的对地观测卫星分布式协同任务规划研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106371448A (zh) * | 2016-08-04 | 2017-02-01 | 北京空间飞行器总体设计部 | 一种基于动作优化的成像卫星自主指令生成方法 |
CN106371448B (zh) * | 2016-08-04 | 2018-12-18 | 北京空间飞行器总体设计部 | 一种基于动作优化的成像卫星自主指令生成方法 |
CN106842350A (zh) * | 2016-12-26 | 2017-06-13 | 首都师范大学 | 同平台不同分辨率传感器联合动目标检测系统及检测方法 |
CN106842350B (zh) * | 2016-12-26 | 2020-04-10 | 首都师范大学 | 同平台不同分辨率传感器联合动目标检测系统及检测方法 |
CN106656308A (zh) * | 2017-01-05 | 2017-05-10 | 清华大学 | 空间信息网络中任务的规划方法和装置 |
CN106656308B (zh) * | 2017-01-05 | 2019-11-12 | 清华大学 | 空间信息网络中任务的规划方法和装置 |
CN106885556B (zh) * | 2017-02-27 | 2018-05-01 | 中国地质大学(武汉) | 一种扫描式卫星对地俯仰观测覆盖带确定方法及装置 |
CN106918317A (zh) * | 2017-02-27 | 2017-07-04 | 中国地质大学(武汉) | 一种扫描式卫星对地侧摆观测覆盖带确定方法及装置 |
CN106885556A (zh) * | 2017-02-27 | 2017-06-23 | 中国地质大学(武汉) | 一种扫描式卫星对地俯仰观测覆盖带确定方法及装置 |
CN106918317B (zh) * | 2017-02-27 | 2018-05-01 | 中国地质大学(武汉) | 一种扫描式卫星对地侧摆观测覆盖带确定方法及装置 |
CN106941663A (zh) * | 2017-05-16 | 2017-07-11 | 重庆邮电大学 | 一种融合凸优化与多目标粒子群的uwb定位方法 |
CN106941663B (zh) * | 2017-05-16 | 2020-10-20 | 重庆邮电大学 | 一种融合凸优化与多目标粒子群的uwb定位方法 |
CN108053051B (zh) * | 2017-11-16 | 2021-08-10 | 西安电子科技大学 | 基于任务拆分聚合的数据中继卫星系统任务规划方法 |
CN108053051A (zh) * | 2017-11-16 | 2018-05-18 | 西安电子科技大学 | 基于任务拆分聚合的数据中继卫星系统任务规划方法 |
US11845572B2 (en) | 2018-07-31 | 2023-12-19 | Loft Orbital Solutions Inc. | System and method for providing spacecraft-based services |
US10981678B2 (en) | 2018-07-31 | 2021-04-20 | Loft Orbital Solutions Inc. | System and method for providing spacecraft-based services |
CN113179122B (zh) * | 2018-11-07 | 2022-07-29 | 长沙天仪空间科技研究院有限公司 | 一种卫星调度系统 |
CN113179122A (zh) * | 2018-11-07 | 2021-07-27 | 长沙天仪空间科技研究院有限公司 | 一种卫星调度系统 |
CN110098861A (zh) * | 2019-05-07 | 2019-08-06 | 中国人民解放军32039部队 | 多航天器自主协同通信方法、系统及电子设备 |
CN111309769A (zh) * | 2020-02-23 | 2020-06-19 | 哈尔滨工业大学 | 一种处理基于多星搜索的目标信息以进行成像任务规划的方法、装置及计算机存储介质 |
CN111913785A (zh) * | 2020-06-10 | 2020-11-10 | 合肥工业大学 | 多星任务调度方法和系统 |
CN111913785B (zh) * | 2020-06-10 | 2022-09-30 | 合肥工业大学 | 多星任务调度方法和系统 |
CN113313349B (zh) * | 2021-04-20 | 2022-09-23 | 合肥工业大学 | 卫星任务资源匹配优化方法、装置、存储介质和电子设备 |
CN113313349A (zh) * | 2021-04-20 | 2021-08-27 | 合肥工业大学 | 卫星任务资源匹配优化方法、装置、存储介质和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104657795A (zh) | 多卫星对地协同观测的待观测任务确定方法及装置 | |
CN104680238A (zh) | 多卫星对地协同观测的待观测任务确定方法 | |
Gharehchopogh et al. | A comprehensive survey on symbiotic organisms search algorithms | |
Zhang et al. | Application of variational mode decomposition and chaotic grey wolf optimizer with support vector regression for forecasting electric loads | |
Ma et al. | Biogeography-based optimization: a 10-year review | |
CN106020230B (zh) | 一种能耗约束下的多无人机任务分配方法 | |
Liu et al. | A multi-type ant colony optimization (MACO) method for optimal land use allocation in large areas | |
Rodrigues et al. | An evolutionary strategy enhanced with a local search technique for the space allocation problem in architecture, Part 1: Methodology | |
Huang et al. | A land-use spatial optimum allocation model coupling a multi-agent system with the shuffled frog leaping algorithm | |
CN108804220A (zh) | 一种基于并行计算的卫星任务规划算法研究的方法 | |
Butsch et al. | Districting for arc routing | |
CN108604310A (zh) | 用于使用神经网络架构来控制分配系统的方法、控制器和系统 | |
CN109933842A (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 | |
Godahewa et al. | Ensembles of localised models for time series forecasting | |
CN103279793A (zh) | 一种确定环境下的无人飞行器编队任务分配方法 | |
Wilson et al. | How to generate a thousand master plans: A framework for computational urban design | |
CN104154929B (zh) | 基于星密集度的星图仿真器导航星优选方法 | |
CN109409773A (zh) | 一种基于合同网机制的对地观测资源动态规划方法 | |
CN108038600A (zh) | 一种敏捷对地卫星的任务规划方法 | |
CN103136707A (zh) | 一种土地利用分层配置方法 | |
Li et al. | A knowledge-based heuristic particle swarm optimization approach with the adjustment strategy for the weighted circle packing problem | |
Ahrari et al. | A novel class of test problems for performance evaluation of niching methods | |
Agha et al. | Multi-criteria governmental crop planning problem based on an integrated AHP-PROMETHEE approach | |
CN110176063B (zh) | 一种基于人体拉普拉斯变形的服装变形方法 | |
CN106228235B (zh) | 一种顾及格局与过程耦合效应的土地利用空间优化配置方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150527 |
|
RJ01 | Rejection of invention patent application after publication |