CN106647787A - 一种卫星星上自主规划任务的方法及系统 - Google Patents
一种卫星星上自主规划任务的方法及系统 Download PDFInfo
- Publication number
- CN106647787A CN106647787A CN201611064046.5A CN201611064046A CN106647787A CN 106647787 A CN106647787 A CN 106647787A CN 201611064046 A CN201611064046 A CN 201611064046A CN 106647787 A CN106647787 A CN 106647787A
- Authority
- CN
- China
- Prior art keywords
- task
- satellite
- tasks
- time
- contingency tasks
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003384 imaging method Methods 0.000 claims description 75
- 238000003780 insertion Methods 0.000 claims description 34
- 230000037431 insertion Effects 0.000 claims description 34
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000002360 preparation method Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 6
- 238000004422 calculation algorithm Methods 0.000 description 73
- 230000006870 function Effects 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
- B64G1/00—Cosmonautic vehicles
- B64G1/22—Parts of, or equipment specially adapted for fitting in or to, cosmonautic vehicles
- B64G1/24—Guiding or controlling apparatus, e.g. for attitude control
- B64G1/244—Spacecraft control systems
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种卫星星上自主规划任务的方法及系统，该方法包括：建立卫星模型；根据所述卫星模型确定既定任务规划方案中已经完成的任务信息和未完成的任务信息；根据所述已经完成的任务信息和所述未完成的任务信息更新任务状态，得到第一任务状态；判断应急任务是否应插入到所述第一任务状态，得到第一判断结果；若所述第一判断结果表示为应急任务插入到所述第一任务状态，则根据消耗的计算资源确定应急任务插入所述第一任务状态的插入位置，形成新的卫星重规划模型；根据所述卫星重规划模型内的信息控制各个星务分系统完成重规划所安排的任务。采用本发明的方法及系统能够自主的规划任务，提高对应急突发事件的响应速率。
Description
技术领域
本发明涉及卫星领域，特别是涉及一种卫星星上自主规划任务的方法及系统。
背景技术
卫星在应对自然灾害、突发环境事件，打击恐怖活动、有组织犯罪、周边热点地区突发事件等应急行动都具有重大意义，但是这些应急行动在时间和空间上具有很强的突发性和不确定性，相应的需要卫星做出近实时快速响应。当前观测任务规划通常在地面进行，规划周期一天到数天不等，规划方案制定完成后，生成相应的控制指令，在星地时间窗口内上注卫星，卫星严格按照方案实施对地观测。考虑到测控机会的限制，这种方式时效性不佳，并欠缺对气象等动态环境影响的应变能力，因此应对突发事件不能遵循地面常规的任务分时段、分批次规划调度模式。比如，在2008年汶川地震救援和雪灾救援等非作战军事行动中，我国的对地观测卫星系统虽然发挥了重要作用，但缺乏自主性、灵活性，导致快速响应能力的欠缺，不能及时捕捉有利气象条件和实现快速重访，致使有关灾情的信息获取手段更多的受制于国外卫星系统。
发明内容
本发明的目的是提供一种卫星星上自主规划任务的方法及系统，能够自主的规划任务，在不影响既定任务的同时，提高应急任务的观测成功率，提高对应急突发事件的响应速率。
为实现上述目的，本发明提供了如下方案：
一种卫星星上自主规划任务的方法，包括：
建立卫星模型；
根据所述卫星模型确定既定任务规划方案中已经完成的任务信息和未完成的任务信息；所述既定任务为接收到的大于预设周期的周期性任务规划方案；
根据所述已经完成的任务信息和所述未完成的任务信息更新任务状态，得到第一任务状态；
判断应急任务是否应插入到所述第一任务状态，得到第一判断结果；
若所述第一判断结果表示为应急任务插入到所述第一任务状态，则根据消耗的计算资源确定应急任务插入所述第一任务状态的插入位置，形成新的卫星重规划模型；
根据所述卫星重规划模型内的信息控制各个星务分系统完成重规划所安排的任务。
可选的，所述建立卫星模型之前，还包括：
获取场景配置信息；
结合所述场景配置信息对应急任务需求信息进行预处理，生成既定任务中成像时间窗外的信息；所述成像时间窗表示为成像开始时间到成像结束时间；
根据所述成像时间窗外的信息和所述既定任务建立卫星模型。
可选的，所述第一判断结果表示为应急任务插入到所述第一任务状态，具体包括：
计算应急任务的最佳插入位置i；
判断第i-1个任务和第i个任务之间的任务准备时间是否满足加入应急任务后的姿态机动约束FOBegini-FOEndi-1≥PSTime(i-1,e)+CTimee+PSTime(e,i)，得到第二判断结果；
其中，所述FOBegini为任务i的成像时间窗开始时间；所述FOEndi-1为任务i-1的成像时间窗结束时间；所述PSTime(i-1,e)为第i-1个任务和第e个任务之间的最小姿态转换时间；所述CTinmei为第i个任务成像持续时间；所述PSTime(e,i)为第e个任务和第i个任务之间的最小姿态转换时间；
若所述第二判断结果为第i-1个任务和第i个任务之间的任务准备时间满足加入应急任务后的姿态机动约束，则直接插入应急任务；
若所述第二判断结果为第i-1个任务和第i个任务之间的任务准备时间不满足加入应急任务后的姿态机动约束，则删除任务i-1和任务i中收益低的任务，插入所述应急任务。
可选的，所述第一判断结果表示为应急任务插入到所述第一任务状态，具体包括：
将所有任务按照时间窗的结束时间从小到大排序；
按照所述排序为每个既定任务安排最早的成像机会进行成像；
判断成像的任务是否满足预设约束条件，得到第三判断结果；
若所述第三判断结果为成像的任务满足预设约束条件，则将所述应急任务插入到所述第一任务状态。
可选的，所述根据消耗的计算资源确定应急任务插入所述第一任务状态的插入位置，形成新的卫星重规划模型之前，还包括：
判断所述应急任务是否被成功规划，得到第四判断结果；
当所述第四判断结果表示为所述应急任务被成功规划，则根据系统运算过程消耗的计算资源确定应急任务插入所述第一任务状态的插入位置。
可选的，所述判断所述应急任务是否被成功规划，得到第四判断结果，具体包括：
判断卫星接收到应急任务的时间到所述应急任务完成卫星成像时间的时间段是否大于预设时间段，得到第五判断结果；
若所述第五判断结果为卫星接收到应急任务的时间到卫星成像时间的时间段大于预设时间段，则确定所述应急任务被成功规划。
可选的，所述判断所述应急任务是否被成功规划，得到第四判断结果，具体包括：
判断应急任务的收益是否大于预设收益，得到第六判断结果；
若所述第六判断结果表示为所述应急任务的收益大于预设收益，则确定所述应急任务被成功规划。
可选的，所述根据消耗的计算资源确定应急任务插入所述第一任务状态的插入位置，形成新的卫星重规划模型，具体包括：
根据公式D(i)＝Dis(i-1,e)+Dis(e,i)-Dis(i-1,i)确定所述应急任务插入的最佳成像位置；
其中，所述D(i)表示为应急任务插入的最佳位置；所述Dis(i-1,e)表示为任务i-1到任务e的距离增量；所述Dis(e,i)表示为任务e到任务i的距离增量；所述Dis(i-1,i)表示为任务i-1到任务i的距离增量；
根据所述消耗的计算资源和所述最佳成像位置确定应急任务插入所述第一任务状态的插入位置。
一种卫星星上自主规划任务的系统，包括：
卫星模型建立模块，用于建立卫星模型；
任务信息确定模块，用于根据所述卫星模型确定既定任务规划方案中已经完成的任务信息和未完成的任务信息；所述既定任务为接收到的较长周期的周期性任务规划方案；
任务状态更新模块，用于根据所述已经完成的任务信息和所述未完成的任务信息更新任务状态，得到第一任务状态；
第一判断模块，用于判断应急任务是否插入到所述第一任务状态，得到第一判断结果；
若所述第一判断结果表示为应急任务插入到所述第一任务状态，则根据消耗的计算资源确定应急任务插入所述第一任务状态的插入位置，形成新的卫星重规划模型；
任务重规划模块，用于根据所述卫星重规划模型内的信息控制各个星务分系统完成重规划所安排的任务。
可选的，还包括：
场景配置信息获取模块，用于在建立卫星模型之前，获取场景配置信息；
预处理模块，用于结合所述场景配置信息对应急任务需求信息进行预处理，生成既定任务中成像时间窗外的信息；
卫星模型建立模块，具体包括：
卫星模型建立单元，用于根据所述成像时间窗外的信息和所述既定任务建立卫星模型。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明通过建立卫星模型，对卫星模型中既定任务已经完成的任务信息和所述未完成的任务信息更新任务状态，将应急任务插入到更新后的任务状态中，形成新的卫星重规划模型，使得卫星自主的规划任务，实现对应急突发事件的快速响应。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例自主规划任务方法流程图；
图2为本发明实施例自主规划任务系统流程图。
具体实施方式
下面将结合本发明实施例中的附图，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。
本发明的目的是提供一种卫星星上自主规划任务的方法及系统，能够自主的规划任务，在不影响既定任务的同时，提高应急任务的观测成功率，提高对应急突发事件的响应速率。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例自主规划任务方法流程图，如图1所示，一种卫星星上自主规划任务的方法，包括：
步骤S101：建立卫星模型；
步骤S102：根据所述卫星模型确定既定任务规划方案中已经完成的任务信息和未完成的任务信息；所述既定任务为接收到的大于预设周期的周期性任务规划方案；
步骤S103：根据所述已经完成的任务信息和所述未完成的任务信息更新任务状态，得到第一任务状态；
步骤S104：判断应急任务是否应插入到所述第一任务状态，得到第一判断结果；若所述第一判断结果表示为应急任务插入到所述第一任务状态，则执行步骤S105，否则执行步骤S107；
步骤S105：根据消耗的计算资源确定应急任务插入所述第一任务状态的插入位置，形成新的卫星重规划模型；
步骤S106：根据所述卫星重规划模型内的信息控制各个星务分系统完成重规划所安排的任务；
步骤S107：舍弃所述应急任务，不插入到所述第一任务状态中；
可选的，所述建立卫星模型之前，还包括：
获取场景配置信息；
结合所述场景配置信息对应急任务需求信息进行预处理，生成既定任务中成像时间窗外的信息；所述成像时间窗表示为成像开始时间到成像结束时间；
根据所述成像时间窗外的信息和所述既定任务建立卫星模型。
可选的，所述第一判断结果表示为应急任务插入到所述第一任务状态，具体包括：
计算应急任务的最佳插入位置i；
判断第i-1个任务和第i个任务之间的任务准备时间是否满足加入应急任务后的姿态机动约束FOBegini-FOEndi-1≥PSTime(i-1,e)+CTimee+PSTime(e,i)，得到第二判断结果；
其中，所述FOBegini为任务i的成像时间窗开始时间；所述FOEndi-1为任务i-1的成像时间窗结束时间；所述PSTime(i-1,e)为第i-1个任务和第e个任务之间的最小姿态转换时间；所述CTinmei为第i个任务成像持续时间；所述PSTime(e,i)为第e个任务和第i个任务之间的最小姿态转换时间；
若所述第二判断结果为第i-1个任务和第i个任务之间的任务准备时间满足加入应急任务后的姿态机动约束，则直接插入应急任务；
若所述第二判断结果为第i-1个任务和第i个任务之间的任务准备时间不满足加入应急任务后的姿态机动约束，则删除任务i-1和任务i中收益低的任务，插入所述应急任务。
可选的，所述第一判断结果表示为应急任务插入到所述第一任务状态，具体包括：
将所有任务按照时间窗的结束时间从小到大排序；
按照所述排序为每个既定任务安排最早的成像机会进行成像；
判断成像的任务是否满足预设约束条件，得到第三判断结果；
若所述第三判断结果为成像的任务满足预设约束条件，则将所述应急任务插入到所述第一任务状态。
可选的，所述根据消耗的计算资源确定应急任务插入所述第一任务状态的插入位置，形成新的卫星重规划模型之前，还包括：
判断所述应急任务是否被成功规划，得到第四判断结果；
当所述第四判断结果表示为所述应急任务被成功规划，则根据系统运算过程消耗的计算资源确定应急任务插入所述第一任务状态的插入位置。
可选的，所述判断所述应急任务是否被成功规划，得到第四判断结果，具体包括：
判断卫星接收到应急任务的时间到所述应急任务完成卫星成像时间的时间段是否大于预设时间段，得到第五判断结果；
若所述第五判断结果为卫星接收到应急任务的时间到卫星成像时间的时间段大于预设时间段，则确定所述应急任务被成功规划。
可选的，所述判断所述应急任务是否被成功规划，得到第四判断结果，具体包括：
判断应急任务的收益是否大于预设收益，得到第六判断结果；
若所述第六判断结果表示为所述应急任务的收益大于预设收益，则确定所述应急任务被成功规划。
可选的，所述根据消耗的计算资源确定应急任务插入所述第一任务状态的插入位置，形成新的卫星重规划模型，具体包括：
根据公式D(i)＝Dis(i-1,e)+Dis(e,i)-Dis(i-1,i)确定所述应急任务插入的最佳成像位置；
其中，所述D(i)表示为应急任务插入的最佳位置；所述Dis(i-1,e)表示为任务i-1到任务e的距离增量；所述Dis(e,i)表示为任务e到任务i的距离增量；所述Dis(i-1,i)表示为任务i-1到任务i的距离增量；
根据所述消耗的计算资源和所述最佳成像位置确定应急任务插入所述第一任务状态的插入位置。
图2为本发明实施例自主规划任务系统流程图，如图2所示，一种卫星星上自主规划任务的系统，包括：
卫星模型建立模块201，用于建立卫星模型；
任务信息确定模块202，用于根据所述卫星模型确定既定任务规划方案中已经完成的任务信息和未完成的任务信息；所述既定任务为接收到的较长周期的周期性任务规划方案；
任务状态更新模块203，用于根据所述已经完成的任务信息和所述未完成的任务信息更新任务状态，得到第一任务状态；
第一判断模块204，用于判断应急任务是否插入到所述第一任务状态，得到第一判断结果；
若所述第一判断结果表示为应急任务插入到所述第一任务状态，则根据消耗的计算资源确定应急任务插入所述第一任务状态的插入位置，形成新的卫星重规划模型；
任务重规划模块205，用于根据所述卫星重规划模型内的信息控制各个星务分系统完成重规划所安排的任务。
可选的，还包括：
场景配置信息获取模块，用于在建立卫星模型之前，获取场景配置信息；
预处理模块，用于结合所述场景配置信息对应急任务需求信息进行预处理，生成既定任务中成像时间窗外的信息；
卫星模型建立模块201，具体包括：
卫星模型建立单元，用于根据所述成像时间窗外的信息和所述既定任务建立卫星模型。
为了更方便了解本发明，下面做进一步的论述：
表1为各变量含义定义表，如表1所示，
表1
根据以上分析及定义，可将问题的概念模型抽象为如下数学模型：
模型输入
模型输入主要包括任务信息和场景配置信息两大部分。
任务信息
任务信息又包括既定任务信息和应急任务需求信息，卫星任务重规划分系统接收到这两类信息时，其数据结构有所区别，但经过预处理以后的任务信息所包含的属性是相同的。
既定任务序列为一个可行的方案，输入信息包括该序列所包含的任务数量N、每一个任务的任务编号i、成像时间窗[FOBegin，FOEnd]、可见时间窗[FWBegin，FWEnd]、成像持续时间CTime、任务收益Benefit和对应目标中心点的地理位置信息[Lon，Lat，Alt]等。
在用户或者其他终端提出应急任务需求时，需要至少包含目标中心点地理位置信息[Lon，Lat，Alt]、期望成像时段[NEBegin，NEEnd]、任务收益Benefit等信息，结合卫星系统的场景配置信息，任务预处理模块就可以完成条带划分、可见时间窗计算等工作，生成已安排任务的信息中除成像时间窗以外的所有参数，记为FWBeginn+1中，与已安排任务一起作为重规划算法的输入。
上述信息中，应急任务的可见时间窗应该取任务预处理的计算结果与期望成像时段的交集，即
FWBeginn+1＝max{NEBegi，n NWBegin}
FWEndn+1＝min{NEEnd,NWEnd}
场景配置信息
传统的卫星任务规划过程中，需要考虑的场景配置信息主要包括卫星轨道、卫星能力参数、地面站等设施相关参数、成像环境等信息。
卫星轨道信息和成像环境信息主要是在任务预处理阶段用于条带划分、可见时间窗的裁剪等工作，当得到任务的条带和可见时间窗等信息后，不再需要成像环境信息作为支撑。
在重规划的过程中，两个相邻任务之间的姿态转换时间PSTime(i,j)本需要卫星轨道信息和转动参数等信息综合计算才能得到，但是由于每一颗卫星的转动方式和转动参数相差较大，且精确计算姿态转换时间的必要性不大，所以往往在任务规划算法中采用简化的姿态转换时间模型进行计算，其精度能够保证卫星有足够的时间完成姿态转换，同时不会造成大量时间的浪费即可。
每一个规划周期内所考虑的任务只包含成像任务，不包含数传任务，所以每一次重规划所考虑的时间区间内不包含数传任务，即只需要判定成像任务所消耗的固存和电量是否满足要求，无需安排任务回传，所以也不需要地面站等其他设施的信息。
综合以上，涉及到重规划问题的场景配置信息主要包括卫星能力参数信息，如卫星可用的固存总量、卫星可用的电量总量、固存读写速率、电量消耗速率，以及任务预处理所需时间、指令编排所需时间、重规划算法所需的计算时间等和卫星计算有关的时间参数。
外部辅助函数设计
两个相邻任务之间的姿态转换时间PSTime(i,j)、任务成像所需要消耗的固存Storagei和任务成像及其准备动作的耗电量Electrici是重规划过程中必须要考虑的函数，但是由于目前还没有成熟的计算模型，或由于计算模型过于复杂，不符合星上计算的时效性要求，为了高效地完成任务重规划工作，需要重新设计这三个函数。
模型输出
任务规划结果就是在重规划完成后的结果。规划结果可能有两种情况：第一种情况是应急任务无法被成功规划，则输出任务无法被规划；第二种情况是应急任务能够被成功规划，则输出重规划算法所生成的规划方案。
若应急任务无法被规划主要有两种可能性：第一种可能性是卫星从接收到应急任务到其成像时间窗的响应时间太短，生成指令后就已经没有足够的可见时间窗进行成像；第二种可能性是应急任务的收益较小，不值得启动重规划算法。
若应急任务能够被重新规划，模型输出即为重规划后的任务规划方案。输出的方案作为指令生成模块的输入，根据指令模板的约定，该方案可保证每条指令的唯一性和准确性。在保证指令块可以被正确生成的基础上，应尽可能减少数据量传递，提高信息传输效率。
目标函数
求解卫星任务重规划问题，目的就是得到一个高质量的解。但由于算法的时间和空间效率在该问题中对求解的结果影响很大，忽略算法的时间和空间复杂度而追求绝对的高质量解是没有意义的。所以求解过程中，计算量尽可能小、中间变量尽可能少也可作为目标函数之一。这是一个多目标优化问题。记
和分别为采用算法k(k∈R)进行计算且当输入的任务规模为x时，算法在计算过程中运算时间的倒数、计算过程中占用内存大小的倒数和运用该算法所得到的解的质量。
当任务规模x＝x0和选用的算法k确定以后，和唯一确定，所以对于任意一个算法k，在目标函数空间都有一个点(和)与之对应，在该空间中存在的若干个点中寻找到一个最优点，其对应的求解方法就是该问题的最佳求解算法。假设有5种可行算法，首先比较算法1和算法2，算法1在任务规模为x的情况下解的质量比算法2好，且消耗的时间和空间资源都比算法2低，所以认为算法1在这种输入条件下较算法2优。然而存在最大使用内存和计算时间的限制，所以算法1和算法2均不可行。考虑算法3和算法4为满足内存和计算时间最优的前提下解的质量最优，而算法3需要的资源更少，所以认为算法3为最佳求解算法。
根据上述分析，当任务规模x＝n时，关于算法i的多目标问题目标函数记为：
其中
优化调度领域的专家学者致力于研究能够使所有的同时取得最大值的方法，然而在实际算法设计过程中，计算量与中间变量、计算量与解的质量往往都是成反比的，解的质量与算法的复杂度往往成正比。
将算法的求解质量看作是主要目标，算法的时间消耗、内存消耗的倒数和看作是次要目标，求解过程中在保证和满足要求的前提下，尽可能优化的值。当且仅当不同算法的同时取得最优时，才考虑选择和更优的求解方法。
约束条件
敏捷型成像卫星重规划模型中，主要考虑任务与任务之间的相互约束、任务与场景之间的约束和任务与卫星资源之间的约束三大类。统一表述为如下公式：
(FOBegini-FOBeginj)×(FOBegini-FOEndj)＞0(i,j∈S) (1)
(FOEndi-FOBeginj)×(FOEndi-FOEndj)＞0(i,j∈S) (2)
FOBegini-FOEndj≥PSTime(i,j)(i,j∈S) (3)
FOBegini≤FWBegini(i∈S) (4)
FOEndi≥FWEndi(i∈S) (5)
ArriveTime+PlanningTime≤FOBegini(i∈S) (6)
PlanningTime＝PreTime+CalTime(k,n)+CodeTime(k∈R) (7)
MemoryUsage(k,n)≤MaxMemory(k∈R) (8)
xi≤1(i∈A) (11)
上述各式中，公式(1)保证任务i的成像开始时间不属于任何其他成像区间，公式(2)能保证任务i的成像结束时间不属于任何其他成像区间，又所有任务的成像时间窗都是连续区间，联立公式(1)和公式(2)能够保证任意两个成像任务的成像时间窗不出现重叠；公式(3)能够保证任意两个成像任务之间的时间间隔要满足姿态转换时间的要求；以上是任务与任务之间的约束。
公式(4)和公式(5)能够保证任何任务必须在其可见时间窗范围内成像。由于任务的可见时间窗是根据对应目标的坐标点和轨道参数、姿态机动能力等信息计算得到，所以保证任务在其可见时间窗内成像，即可满足该成像任务时的侧摆角和俯仰角约束、太阳高度角约束、光照条件和用户的特殊成像时段约束等大部分任务与场景之间的约束。
公式(6)则表示所有重规划方案中安排的任务的开始成像时间都应在任务重规划分系统的所有计算结束以后，即所有应急任务传到卫星后，还需要一定的时间进行计算，所有被重新安排的任务应该大于这个计算结束的时间，公式(7)给出了重规划分系统计算所需时间；公式(8)则保证重规划算法所占用星上的动态计算内存不超过可用动态内存的最大值；公式(9)和公式(10)分别表示重规划任务集合所消耗的总固存不能超过可用的总固存、所消耗的电量之和不能超过可用的总电量；公式(11)表示在同一重规划周期内，每个任务只允许被安排一次，即保证了每个任务的成像时间窗[FOBegin，FOEnd]具有唯一性。
以上公式构成了卫星自主任务重规划问题的主要约束，而根据问题分析，既定任务规划方案被删除时会造成一定损失。公式(12)表示当待规划任务发生调整后，其收益的变化情况。
模型分析
由于存在有关算法性能的约束，该问题有两类决策变量：算法k和每个任务的成像时间窗[FOBegin，FOEnd]i。公式(6)、公式(7)和公式(8)是与算法k相关的几条约束，在满足这些约束并且PlanningTime、MemoryUsage的取值固定后，该问题变为了一般的非线性规划问题。所以这个问题可以拆分为两个子问题分别进行求解：一是如何求解这个非线性规划问题，二是采用何种算法对这个非线性规划问题进行求解。
为了解决第一个子问题，即假设PlanningTime和MemoryUsage为常量，并除去公式(7)和公式(8)，对问题用优化方法进行求解。以秒为单位，决策变量[FOBegin，FOEnd]i的取值为整数，且所有目标函数和约束条件中的变量均可离散化，所以该问题可认为是一个整数非线性规划问题。求解一般的整数非线性规划问题，可以采用启发式方法求得一个可行解，且不同的启发式规则得到的解的质量有高有低。而第二个子问题，可考虑为是一个简单的决策问题，即存在时间计算的约束和计算内存的约束，如何选择最优算法。本文对这个问题的思考是：在满足计算时间和计算内存约束的前提下，尽可能选择求得的解的质量较好的算法。
通常情况下认为，越通用的算法求得的解的质量越高，算法的时间和空间效率越低。但是对于某类特定输入数据而言，一些简单的方法同样能得到高质量的解，这一点在第三章接下来的内容中和第四章的实验中都会被得到证明。
更新待规划任务集的函数
在卫星任务重规划分系统收到应急任务后，首要任务就是要确定在接收到这些任务后，上一次上注给卫星的任务规划方案中哪些任务已经执行或者正在被执行，哪些任务还未被执行。
假设包含4个成像任务，每一个成像任务完成成像都需要经过三个阶段，即成像准备阶段、载荷工作阶段和状态复位阶段。为了保证卫星飞行过程中的可靠性，已开始执行的动作无法被打断，而在成像准备阶段开始时，卫星就已经开始执行该任务的指令了。成像准备阶段完成了相机开机、相机参数预设定、姿态机动等一系列动作，但是姿态机动需要的时间一般大于其他动作所需时间，且其他动作可以与姿态机动同时进行。所以认为所有在应急任务到达时间之前开始姿态机动的任务均为不能调整的任务。相反，待规划任务集中的任务应满足
根据公式(13)，任务1、任务2和任务3在接收到应急任务后已经执行，重规划过程不考虑对这些任务进行调整，而任务4之后的所有任务均可被纳入待规划任务集A中。
在确定了集合A包含的元素后，需要对各元素内的部分属性进行调整，主要是指可见时间窗的裁剪，否则规划结果有可能会出现违反上述约束的情况。在此处，对可见时间窗的裁剪主要是为了防止规划结果中出现某些任务被安排在一个过去的时间内成像，这显然是不符合常理的。根据公式(14)来更新任务的可见时间窗，在这个时间窗内安排观测即可以避免这种情况的发生。
FWBegini＝max{ArriveTime+PlanningTime,FWBegini}(i∈A) (14)
应急任务最佳插入位置函数
星上自主任务重规划与传统成像任务规划的问题背景中的另一区别，就是星上自主任务重规划问题的输入条件中已经包含了一个任务序列。根据假设，这一个任务序列中的任务顺序被认为是最优排序，那么如何快速地确定应急任务的合理插入位置，对重规划效率的影响很大。通过将应急任务以遍历的方式来插入序列，然后再检查约束、优化调整这显然是不明智的选择，这样做的话时间复杂度会大幅上升，影响系统计算效率和卫星重规划工作的整体运行效果。
由于姿态机动时间的长短对任务规划结果具有直接影响，故本函数所设计的目标为在插入应急任务后，任务规划方案的姿态机动时间之和最小。
由于各卫星的转动参数差距较大，真实的姿态机动计算过程所考虑的参数很多，且存在不确定性导致的机动时间波动。实际任务规划在调用姿态机动模型的过程中通常不会考虑如此复杂，如我国某资源卫星的姿态机动时间用一个分段线性函数来代替，以保证卫星能在该时间内完成姿态机动即可。故本文利用公式(15)来估算卫星的合成转角。
其中，Dis(i,j)表示两个目标点的直线距离，H表示卫星轨道高度。
由于合成转角与姿态机动时间正相关，所以求从任务1到任务n的姿态机动时间总和最短等价于从任务1到任务n的目标连线总距离最短。假设应急任务e插入既定任务规划序列的位置为第i-1个任务之后，则重规划方案的任务序列可以描述为{Task1,Task2,…,Taski-1,Taske,Taski,…,Taskn}。根据以上分析，可以设计启发式函数D(i)表示当应急任务插入到任务i-1之后，从任务i-1到任务e再到任务i的距离增量，其计算方法如公式(16)
D(i)＝Dis(i-1,e)+Dis(e,i)-Dis(i-1,i) (16)
则应急任务插入的最佳位置即为D(i)取最小时所对应的位置i。
通过上述启发式函数可以找到任务的最佳成像位置，无法保证这个任务序列中所有任务都可以执行，需要进一步检查约束和优化才能得到任务规划方案。
最佳算法选择的函数
评价优化算法的指标有很多，且在不同的应用环境中，算法设计者可能关注算法不同方面的性能。如天气预报中的预测算法，需要尽可能提高计算结果的准确度，即使需要消耗大量的计算资源或时间；普通应用程序设计，则需要更多的考虑算法的时间效率，以保证较好的用户体验度。
最低目标是在规定的时间内插入一个很重要的应急任务，但是不会有人为了插入这一个任务，而把其他所有的任务全都删除。所以针对不同的任务重规划算法，在满足应急任务和星上运算环境对于算法的约束前提下，要求算法求得的解的质量越高。
应急任务和星上运算环境对算法的约束主要由公式(7)和公式(8)给出，所以不满足这两个约束的算法的总收益为0。其他算法的预期收益可以通过大量实验得到一个和任务输入规模相关的函数，通过比较每个算法的预期收益函数值，即可确定最佳算法。
算法1(应急插入算法)设计
设计该算法的目的是在不对既定任务序列的观测时间作调整的前提下，以最直接的方式加入应急任务，保证计算时间最短。
在应急任务到达后，可计算出应急任务e的最佳插入位置i。检查第i-1个任务和第i个任务之间的任务准备时间是否能够满足新加入的应急任务后的姿态机动约束。若满足约束，即
FOBegini-FOEndi-1≥PSTime(i-1,e)+CTimee+PSTime(e,i)
表示这个任务可以直接被加入到任务i-1与任务i之间；若不满足约束，则考虑将任务i-1与i中收益较低者删除，然后加入应急任务e。
算法2(贪婪搜索算法)设计
设计该算法的目的是采用启发式算法对任务的时间窗进行重新调整，以求提高任务在时间窗上的利用率。在设计解决该问题的算法之前，考虑一种特殊情况，当所有任务的可见时间窗等于成像时间窗时，即
区间调度问题可以简单描述为：有若干个任务，各任务的开始时间和结束时间均固定，且任务开始以后不允许中断，求在某一段时间内能够完成的任务收益之和最大。
当所有任务收益相等时，收益之和最大等价于完成的任务最多。在这种情况下，区间调度问题存在一种贪婪算法被证明可求得最优解，即按照任务的结束时间从小到大排序，顺序插入任务。本问题模型与区间调度问题的最大区别是，任务的成像时长通常都小于可见时间窗，所以该问题中除了需要决定任务顺序，在尝试插入任务的同时还需要确定任务的成像时间窗。所以设计如下贪婪规则：
将所有任务按照可见时间窗的结束时间FWEnd从小到大排序，按此顺序为每一个任务安排最早的成像机会进行成像，即
FOBegini＝max{FOEndi-1+PSTime(i-1,i),FWBegini}
若能够找到可行的时间窗安排成像且其他约束均满足要求，则在最优规划方案中加入该任务。
该算法从应急任务的最佳插入位置为原点，向前和向后分别使用该方法尝试加入任务，最终实现任务规划。
根据对区间调度问题的分析，结合上述贪婪规则，可得如下命题：
命题1：当任务按照可见时间窗结束时间排序和可见时间窗开始时间排序后的任务顺序相同，即任务与任务的可见时间窗不存在包含关系时，采用上述贪婪算法求得的规划方案中的任务数量达到最大化。
要证明命题1，先引入如下两个命题：
命题1.1：当i≥1时，该贪婪算法所接受的第i个任务的成像结束时间fi不大于最优解中的第i个任务的成像结束时间gi。
证明：
当i＝1时，因为选择的是任务可见时间窗结束时间最小的任务，根据命题1的条件，该任务的可见时间窗开始时间、被安排的成像开始时间和成像结束时间均比其他任务小，所以命题1.1显然成立。
当i>1时，假设该命题对i-1成立，即fi-1≤gi-1，则有最优解的第i个可选任务所组成的集合是采用贪婪算法确定i-1个任务后的剩余可选任务的子集，采用该贪婪算法确定的任务成像结束时间是所有剩余可选任务中最小的一个，所以fi≤gi。
综合以上，根据不完全数学归纳法，命题1.1得证。
命题1.2：最优解中的任务数p与通过该贪婪算法得到解的任务数q相等。
证明：
假设p>q，根据命题1.1，有fq≤gq对于所有的q都成立。
由于p>q，所以一定存在某个任务j，使gq≤gj。
又任务j在最优解的任务集合中，所以任务j满足所有约束。
又fq≤gq，所以任务j加入到贪婪算法求得的解后，同样满足约束，说明贪婪算法求得的解中任务数大于q，与命题矛盾。
所以假设不成立，p≤q。又因为p为最优解中的任务数量，所以p≥q。
综合以上，p＝q，命题1.2得证。
显然，命题1.1和命题1.2同时为真命题时，命题1为真命题。综上所述，命题1得证。
所以，可以得到如下结论：在所有的任务的可见时间窗不存在包含关系，且已安排的所有任务的收益均相同的情况下，采用该贪婪算法所得的解即为以该顺序完成任务的最优解。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种卫星星上自主规划任务的方法，其特征在于，包括：
建立卫星模型；
根据所述卫星模型确定既定任务规划方案中已经完成的任务信息和未完成的任务信息；所述既定任务为接收到的大于预设周期的周期性任务规划方案；
根据所述已经完成的任务信息和所述未完成的任务信息更新任务状态，得到第一任务状态；
判断应急任务是否应插入到所述第一任务状态，得到第一判断结果；
若所述第一判断结果表示为应急任务插入到所述第一任务状态，则根据消耗的计算资源确定应急任务插入所述第一任务状态的插入位置，形成新的卫星重规划模型；
根据所述卫星重规划模型内的信息控制各个星务分系统完成重规划所安排的任务。
2.根据权利要求1所述的自主规划任务的方法，其特征在于，所述建立卫星模型之前，还包括：
获取场景配置信息；
结合所述场景配置信息对应急任务需求信息进行预处理，生成既定任务中成像时间窗外的信息；所述成像时间窗表示为成像开始时间到成像结束时间；
根据所述成像时间窗外的信息和所述既定任务建立卫星模型。
3.根据权利要求1所述的自主规划任务的方法，其特征在于，所述第一判断结果表示为应急任务插入到所述第一任务状态，具体包括：
计算应急任务的最佳插入位置i；
判断第i-1个任务和第i个任务之间的任务准备时间是否满足加入应急任务后的姿态机动约束FOBegini-FOEndi-1≥PSTime(i-1,e)+CTimee+PSTime(e,i)，得到第二判断结果；
其中，所述FOBegini为任务i的成像时间窗开始时间；所述FOEndi-1为任务i-1的成像时间窗结束时间；所述PSTime(i-1,e)为第i-1个任务和第e个任务之间的最小姿态转换时间；所述CTinmei为第i个任务成像持续时间；所述PSTime(e,i)为第e个任务和第i个任务之间的最小姿态转换时间；
若所述第二判断结果为第i-1个任务和第i个任务之间的任务准备时间满足加入应急任务后的姿态机动约束，则直接插入应急任务；
若所述第二判断结果为第i-1个任务和第i个任务之间的任务准备时间不满足加入应急任务后的姿态机动约束，则删除任务i-1和任务i中收益低的任务，插入所述应急任务。
4.根据权利要求1所述的自主规划任务的方法，其特征在于，所述第一判断结果表示为应急任务插入到所述第一任务状态，具体包括：
将所有任务按照时间窗的结束时间从小到大排序；
按照所述排序为每个既定任务安排最早的成像机会进行成像；
判断成像的任务是否满足预设约束条件，得到第三判断结果；
若所述第三判断结果为成像的任务满足预设约束条件，则将所述应急任务插入到所述第一任务状态。
5.根据权利要求1所述的自主规划任务的方法，其特征在于，所述根据消耗的计算资源确定应急任务插入所述第一任务状态的插入位置，形成新的卫星重规划模型之前，还包括：
判断所述应急任务是否被成功规划，得到第四判断结果；
当所述第四判断结果表示为所述应急任务被成功规划，则根据系统运算过程消耗的计算资源确定应急任务插入所述第一任务状态的插入位置。
6.根据权利要求5所述的自主规划任务的方法，其特征在于，所述判断所述应急任务是否被成功规划，得到第四判断结果，具体包括：
判断卫星接收到应急任务的时间到所述应急任务完成卫星成像时间的时间段是否大于预设时间段，得到第五判断结果；
若所述第五判断结果为卫星接收到应急任务的时间到卫星成像时间的时间段大于预设时间段，则确定所述应急任务被成功规划。
7.根据权利要求5所述的自主规划任务的方法，其特征在于，所述判断所述应急任务是否被成功规划，得到第四判断结果，具体包括：
判断应急任务的收益是否大于预设收益，得到第六判断结果；
若所述第六判断结果表示为所述应急任务的收益大于预设收益，则确定所述应急任务被成功规划。
8.根据权利要求1所述的自主规划任务的方法，其特征在于，所述根据消耗的计算资源确定应急任务插入所述第一任务状态的插入位置，形成新的卫星重规划模型，具体包括：
根据公式D(i)＝Dis(i-1,e)+Dis(e,i)-Dis(i-1,i)确定所述应急任务插入的最佳成像位置；
其中，所述D(i)表示为应急任务插入的最佳位置；所述Dis(i-1,e)表示为任务i-1到任务e的距离增量；所述Dis(e,i)表示为任务e到任务i的距离增量；所述Dis(i-1,i)表示为任务i-1到任务i的距离增量；
根据所述消耗的计算资源和所述最佳成像位置确定应急任务插入所述第一任务状态的插入位置。
9.一种卫星星上自主规划任务的系统，其特征在于，包括：
卫星模型建立模块，用于建立卫星模型；
任务信息确定模块，用于根据所述卫星模型确定既定任务规划方案中已经完成的任务信息和未完成的任务信息；所述既定任务为接收到的较长周期的周期性任务规划方案；
任务状态更新模块，用于根据所述已经完成的任务信息和所述未完成的任务信息更新任务状态，得到第一任务状态；
第一判断模块，用于判断应急任务是否插入到所述第一任务状态，得到第一判断结果；
若所述第一判断结果表示为应急任务插入到所述第一任务状态，则根据消耗的计算资源确定应急任务插入所述第一任务状态的插入位置，形成新的卫星重规划模型；
任务重规划模块，用于根据所述卫星重规划模型内的信息控制各个星务分系统完成重规划所安排的任务。
10.根据权利要求9所述的自主规划任务的方法，其特征在于，还包括：
场景配置信息获取模块，用于在建立卫星模型之前，获取场景配置信息；
预处理模块，用于结合所述场景配置信息对应急任务需求信息进行预处理，生成既定任务中成像时间窗外的信息；
卫星模型建立模块，具体包括：
卫星模型建立单元，用于根据所述成像时间窗外的信息和所述既定任务建立卫星模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611064046.5A CN106647787B (zh) | 2016-11-28 | 2016-11-28 | 一种卫星星上自主规划任务的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611064046.5A CN106647787B (zh) | 2016-11-28 | 2016-11-28 | 一种卫星星上自主规划任务的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106647787A true CN106647787A (zh) | 2017-05-10 |
| CN106647787B CN106647787B (zh) | 2019-10-25 |
Family
ID=58811448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611064046.5A Active CN106647787B (zh) | 2016-11-28 | 2016-11-28 | 一种卫星星上自主规划任务的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106647787B (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107506892A (zh) * | 2017-07-17 | 2017-12-22 | 北京空间飞行器总体设计部 | 一种面向静轨光学遥感卫星星地一体化智能操控系统 |
| CN108037986A (zh) * | 2017-12-01 | 2018-05-15 | 中国人民解放军国防科技大学 | 一种双星星簇的目标观测方法 |
| CN108090631A (zh) * | 2018-01-22 | 2018-05-29 | 合肥工业大学 | 卫星应急任务动态规划方法及装置 |
| CN108171443A (zh) * | 2018-01-22 | 2018-06-15 | 合肥工业大学 | 考虑指令上注的多星应急任务规划方法及装置 |
| CN108256771A (zh) * | 2018-01-22 | 2018-07-06 | 合肥工业大学 | 不同调度机制的可变周期多星应急任务规划方法及系统 |
| CN108594269A (zh) * | 2018-04-26 | 2018-09-28 | 上海微小卫星工程中心 | 一种星上高精度自主应急响应的方法 |
| CN109146126A (zh) * | 2018-07-02 | 2019-01-04 | 上海卫星工程研究所 | 基于时间窗口离散化的卫星成像任务最优路径规划方法 |
| CN109919484A (zh) * | 2019-03-06 | 2019-06-21 | 合肥工业大学 | 一种星上自主任务规划方法 |
| CN109934259A (zh) * | 2019-01-30 | 2019-06-25 | 上海卫星工程研究所 | 基于双模操控的星载工作模式设计方法 |
| CN111294381A (zh) * | 2019-12-30 | 2020-06-16 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于任务规划的异构信息获取与分发方法 |
| CN112257906A (zh) * | 2020-09-30 | 2021-01-22 | 北京控制工程研究所 | 一种基于状态管理的成像卫星自主任务规划驱动方法 |
| CN112330000A (zh) * | 2020-10-27 | 2021-02-05 | 中国电子科技集团公司第五十四研究所 | 一种基于当圈策略的应急快响卫星资源优化决策方法 |
| CN112817733A (zh) * | 2021-02-26 | 2021-05-18 | 北京控制工程研究所 | 一种高效的卫星自主任务规划任务池设计方法及系统 |
| CN113269386A (zh) * | 2021-03-02 | 2021-08-17 | 北京市遥感信息研究院 | 基于合成策略的成像卫星应急任务规划方法和系统 |
| CN113650808A (zh) * | 2021-08-19 | 2021-11-16 | 北京市遥感信息研究所 | 面向任务驱动的遥感卫星动态应急方法及系统 |
| CN113852406A (zh) * | 2021-08-24 | 2021-12-28 | 合肥工业大学 | 多波束中继卫星任务调度方法和装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102867107A (zh) * | 2012-08-16 | 2013-01-09 | 中国人民解放军国防科学技术大学 | 一种多成像卫星应急任务动态调度方法 |
| CN104063749A (zh) * | 2014-06-28 | 2014-09-24 | 中国人民解放军国防科学技术大学 | 一种基于滚动时域控制的成像卫星自主任务规划算法 |
| CN104217109A (zh) * | 2014-09-01 | 2014-12-17 | 中国人民解放军国防科学技术大学 | 敏捷卫星混合主动调度方法 |
| CN105787173A (zh) * | 2016-02-25 | 2016-07-20 | 中国地质大学（武汉） | 一种多星对地观测任务的调度规划方法及装置 |
-
2016
- 2016-11-28 CN CN201611064046.5A patent/CN106647787B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102867107A (zh) * | 2012-08-16 | 2013-01-09 | 中国人民解放军国防科学技术大学 | 一种多成像卫星应急任务动态调度方法 |
| CN104063749A (zh) * | 2014-06-28 | 2014-09-24 | 中国人民解放军国防科学技术大学 | 一种基于滚动时域控制的成像卫星自主任务规划算法 |
| CN104217109A (zh) * | 2014-09-01 | 2014-12-17 | 中国人民解放军国防科学技术大学 | 敏捷卫星混合主动调度方法 |
| CN105787173A (zh) * | 2016-02-25 | 2016-07-20 | 中国地质大学（武汉） | 一种多星对地观测任务的调度规划方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 朱剑冰等: "敏捷光学卫星自主任务管理系统关键技术分析", 《航天器工程》 * |
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107506892A (zh) * | 2017-07-17 | 2017-12-22 | 北京空间飞行器总体设计部 | 一种面向静轨光学遥感卫星星地一体化智能操控系统 |
| CN108037986B (zh) * | 2017-12-01 | 2020-06-30 | 中国人民解放军国防科技大学 | 一种双星星簇的目标观测方法 |
| CN108037986A (zh) * | 2017-12-01 | 2018-05-15 | 中国人民解放军国防科技大学 | 一种双星星簇的目标观测方法 |
| CN108171443B (zh) * | 2018-01-22 | 2020-12-29 | 合肥工业大学 | 考虑指令上注的多星应急任务规划方法及装置 |
| CN108256771A (zh) * | 2018-01-22 | 2018-07-06 | 合肥工业大学 | 不同调度机制的可变周期多星应急任务规划方法及系统 |
| CN108090631A (zh) * | 2018-01-22 | 2018-05-29 | 合肥工业大学 | 卫星应急任务动态规划方法及装置 |
| CN108171443A (zh) * | 2018-01-22 | 2018-06-15 | 合肥工业大学 | 考虑指令上注的多星应急任务规划方法及装置 |
| CN108090631B (zh) * | 2018-01-22 | 2020-10-09 | 合肥工业大学 | 卫星应急任务动态规划方法及装置 |
| CN108594269B (zh) * | 2018-04-26 | 2021-11-23 | 上海微小卫星工程中心 | 一种星上高精度自主应急响应的方法 |
| CN108594269A (zh) * | 2018-04-26 | 2018-09-28 | 上海微小卫星工程中心 | 一种星上高精度自主应急响应的方法 |
| CN109146126A (zh) * | 2018-07-02 | 2019-01-04 | 上海卫星工程研究所 | 基于时间窗口离散化的卫星成像任务最优路径规划方法 |
| CN109934259A (zh) * | 2019-01-30 | 2019-06-25 | 上海卫星工程研究所 | 基于双模操控的星载工作模式设计方法 |
| CN109919484A (zh) * | 2019-03-06 | 2019-06-21 | 合肥工业大学 | 一种星上自主任务规划方法 |
| CN109919484B (zh) * | 2019-03-06 | 2023-01-06 | 合肥工业大学 | 一种星上自主任务规划方法 |
| CN111294381A (zh) * | 2019-12-30 | 2020-06-16 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于任务规划的异构信息获取与分发方法 |
| CN111294381B (zh) * | 2019-12-30 | 2021-03-23 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于任务规划的异构信息获取与分发方法 |
| CN112257906A (zh) * | 2020-09-30 | 2021-01-22 | 北京控制工程研究所 | 一种基于状态管理的成像卫星自主任务规划驱动方法 |
| CN112257906B (zh) * | 2020-09-30 | 2022-08-12 | 北京控制工程研究所 | 一种基于状态管理的成像卫星自主任务规划驱动方法 |
| CN112330000A (zh) * | 2020-10-27 | 2021-02-05 | 中国电子科技集团公司第五十四研究所 | 一种基于当圈策略的应急快响卫星资源优化决策方法 |
| CN112330000B (zh) * | 2020-10-27 | 2022-08-02 | 中国电子科技集团公司第五十四研究所 | 一种基于当圈策略的应急快响卫星资源优化决策方法 |
| CN112817733A (zh) * | 2021-02-26 | 2021-05-18 | 北京控制工程研究所 | 一种高效的卫星自主任务规划任务池设计方法及系统 |
| CN112817733B (zh) * | 2021-02-26 | 2023-12-12 | 北京控制工程研究所 | 一种高效的卫星自主任务规划任务池设计方法及系统 |
| CN113269386A (zh) * | 2021-03-02 | 2021-08-17 | 北京市遥感信息研究院 | 基于合成策略的成像卫星应急任务规划方法和系统 |
| CN113269386B (zh) * | 2021-03-02 | 2023-09-26 | 北京市遥感信息研究院 | 基于合成策略的成像卫星应急任务规划方法和系统 |
| CN113650808A (zh) * | 2021-08-19 | 2021-11-16 | 北京市遥感信息研究所 | 面向任务驱动的遥感卫星动态应急方法及系统 |
| CN113650808B (zh) * | 2021-08-19 | 2023-08-04 | 北京市遥感信息研究所 | 面向任务驱动的遥感卫星动态应急方法及系统 |
| CN113852406A (zh) * | 2021-08-24 | 2021-12-28 | 合肥工业大学 | 多波束中继卫星任务调度方法和装置 |
| CN113852406B (zh) * | 2021-08-24 | 2024-04-30 | 合肥工业大学 | 多波束中继卫星任务调度方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106647787B (zh) | 2019-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106647787A (zh) | 一种卫星星上自主规划任务的方法及系统 | |
| Leu et al. | A GA-based fuzzy optimal model for construction time–cost trade-off | |
| Taghaddos et al. | Simulation-based multiagent approach for scheduling modular construction | |
| Knyazeva et al. | Resource-constrained project scheduling approach under fuzzy conditions | |
| Benoist et al. | Randomized local search for real-life inventory routing | |
| CN103971289B (zh) | 矿山放矿数据的处理方法及装置 | |
| JP2002521756A (ja) | 資産集約製造業者のためのコンピュータ実装される価値管理ツール | |
| Ziras et al. | A mid-term DSO market for capacity limits: How to estimate opportunity costs of aggregators? | |
| Liu et al. | Deficit function related to public transport: 50 year retrospective, new developments, and prospects | |
| CN111476442B (zh) | 坐席服务输出方式确定方法、装置、计算机设备和介质 | |
| Brunner et al. | Stabilized branch and price with dynamic parameter updating for discontinuous tour scheduling | |
| CN106656308A (zh) | 空间信息网络中任务的规划方法和装置 | |
| CN113672846A (zh) | 网约车调度方法、装置、电子设备及存储介质 | |
| CN102780583A (zh) | 物联网业务描述、组合和服务质量评估的方法 | |
| Achuthan et al. | Project scheduling under time dependent costs–A branch and bound algorithm | |
| CN112948123B (zh) | 一种基于Spark的网格水文模型分布式计算方法 | |
| Neame et al. | Offer stack optimization in electricity pool markets | |
| Fanti et al. | Fleet sizing for electric car sharing systems in discrete event system frameworks | |
| Reinschmidt et al. | Construction cash flow management system | |
| Sun et al. | Satellites scheduling algorithm based on dynamic constraint satisfaction problem | |
| Muhuri et al. | Real-time scheduling of periodic tasks with processing times and deadlines as parametric fuzzy numbers | |
| Xu et al. | Two-stage based dynamic earth-rock transportation assignment problem under fuzzy random environment to earth-rock dam construction | |
| Niu et al. | Multi-satellite observation scheduling for large area disaster emergency response | |
| Anbil et al. | IBM makes advances in airline optimization | |
| Kähkönen | Interactive decision support system for building construction scheduling |
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 |