CN107957895A - 敏捷对地卫星的协调控制策略 - Google Patents
敏捷对地卫星的协调控制策略 Download PDFInfo
- Publication number
- CN107957895A CN107957895A CN201711250662.4A CN201711250662A CN107957895A CN 107957895 A CN107957895 A CN 107957895A CN 201711250662 A CN201711250662 A CN 201711250662A CN 107957895 A CN107957895 A CN 107957895A
- Authority
- CN
- China
- Prior art keywords
- planning
- time
- window
- action
- plan
- 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
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种敏捷对地卫星的协调控制策略。在所述敏捷对地卫星的协调控制策略中,每一次完整的规划过程在时间上与卫星实施执行方案同时进行,动作规划结束后选取一部分动作规划方案中的卫星动作构建执行窗口,并将执行窗口中卫星动作序列作为本次规划最终的规划结果,即执行方案,协调控制策略的每一次完整的规划过程都包括下述步骤:建立任务规划滚动窗口、任务规划、建立动作规划窗口、动作规划和建立执行窗口。
Description
技术领域
本发明涉及观测卫星技术领域,特别是涉及一种敏捷对地卫星的协调控制策略。
背景技术
绝大多数对地观测卫星所执行的规划方案,都是由地面任务规划系统生成的,然后通过星地链路上注至卫星。这种“天地大回路”的管控模式从需求搜集到数据采集,再到产品生成,整个过程需要很长的时间,根本无法满足未来对地观测系统对时效性的要求。与“天地大回路”相比,星上自主规划技术在提高卫星对于动态观测需求的快速响应能力、提高多星协同能力、减少对地面测控系统的依赖等方面都具有巨大的优势,因此非常适合解决动态观测需求常态化下的规划问题。
未来对地观测系统能够面向动态观测需求常态化提供服务,能够随时接受用户提出的观测需求,并且能够快速准确地回答什么时间、什么地点、什么目标发生了什么样的变化。但正是这种高效便捷的用户体验,却给对地观测组织过程带来了极大的挑战,尤其是对观测任务的规划方式提出了更高的要求。
为了实现动态观测需求,任何时刻的卫星资源状态信息和任务信息都是暂时的,因此在进行规划时不可能、也没有必要考虑当前还不完全清楚的全部或者大范围的任务信息。因此,在进行任务规划时,确定究竟哪些任务需要规划以及什么时间进行规划,才是非常重要的。从而,需要提供一种协调控制策略。
发明内容
本发明的目的在于提供一种敏捷对地卫星的协调控制策略来缩短规划周期和缩小规划范围,以将观测需求的动态变化及时反映在优化之中。
为实现上述目的,本发明提供一种敏捷对地卫星的协调控制策略,其中,协调控制策略中的每一次规划包括任务规划和动作规划,每一次完整的规划过程在时间上与卫星实施执行方案同时进行,动作规划结束后选取一部分动作规划方案中的卫星动作构建执行窗口,并将执行窗口中卫星动作序列作为本次规划最终的规划结果,即执行方案,协调控制策略的每一次完整的规划过程都包括下述步骤:建立任务规划滚动窗口、任务规划、建立动作规划窗口、动作规划和建立执行窗口。
本发明提供了基于有限状态机的协调控制策略,该策略通过缩短规划周期和缩小规划范围,大幅增加规划次数,最终实现用反复进行的小规模的规划问题求解代替一次性大规划的规划问题求解,由于规划次数大幅增加,所以每一次进行规划时都能建立在最新信息的基础上,因此能够将观测需求的动态变化及时反映在优化之中,最后建立了基于有限状态机的协调控制策略模型,并介绍了模型中事件触发时间的计算方法。
附图说明
图1是根据本发明第一实施例的协调控制策略控制流程的示意图。
图2是本发明提供的滚动方式对比示意图。
图3是本发明提供的任务分类示意图。
图4是本发明提供的任务规划滚动窗口构建流程。
图5是本发明提供的有限状态机状态转移图。
图6是本发明提供的嵌套状态。
图7是本发明提供的顶层状态机状态转移图。
图8是本发明提供的模块运行状态机状态转移图。
图9是本发明提供的规划与执行方案制定子模块运行状态机状态转移图。
图10是本发明提供的任务规划子模块运行状态机状态转移图。
图11是本发明提供的动作规划子模块运行状态机状态转移图。
图12是本发明提供的指令生成子模块运行状态机状态转移图。
图13是本发明提供的基于有限状态机的协调控制策略模型。
图14是本发明提供的时间关系示意图。
具体实施方式
在附图中,使用相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面结合附图对本发明的实施例进行详细说明。
在动态观测需求常态化的背景下,任何时刻的卫星资源状态信息和任务信息都是暂时的,因此在进行规划时不可能也没有必要考虑当前还不完全清楚的全部或者大范围的任务信息。本实施例重点介绍协调控制子模块对其它各个子模块进行有效控制,确定需要规划的任务以及任务规划时间。下面首先介绍协调控制策略的基本思想和多重窗口的设计方法,然后建立协调控制策略的有限状态机模型,并介绍模型中事件触发时间的计算方法。
协调控制策略的基本思想是通过缩短规划周期和缩小规划范围,大幅增加规划次数,最终实现用反复进行的小规模的规划问题求解代替一次性大规划的规划问题求解。由于规划次数大幅增加,所以每一次进行规划时都能建立在最新信息的基础上,因此能够将观测需求的动态变化及时反映在优化之中。
协调控制策略中的每一次规划都由任务规划和动作规划两部分构成,每一次完整的规划都要首先选取一部分观测任务和数据回传任务构建任务规划滚动窗口作为任务规划的对象,即向前滚动一次。任务规划结束后选取一部分任务规划方案中的任务构建动作规划窗口,并针对该窗口中的任务序列规划出与之相对应的卫星动作序列。任务规划滚动窗口和动作规划窗口的目的都是为了有效控制参与规划的任务规模。虽然任务数量越大,考虑的任务信息就越全面,规划效果就应该越好,但是庞大的信息量必然导致过大的问题规模,算法的时间复杂度也会相应增加,违背了自主规划对高时效性的要求。因此协调控制策略将任务规划滚动窗口和动作规划窗口作为星上任务规划问题和星上动作规划问题的优化域,实现了缩小规划范围的目的。
动作规划结束后还要选取一部分动作规划方案中的卫星动作构建执行窗口,并将执行窗口中卫星动作序列作为本次规划最终的规划结果,即执行方案。因此协调控制策略的每一次完整的规划过程都包含了建立任务规划滚动窗口、任务规划、建立动作规划窗口、动作规划和建立执行窗口等工作。协调控制策略要求每一次完整的规划过程都要在时间上与卫星实施执行方案同时进行,如图1所示。
相比规划与执行交替进行的滚动方式,这种持续滚动的最大好处在于规划与执行并行存在,彼此没有因为对方的存在而被打断,因此规划的机会更多,规划和执行的时间更长,执行的任务也更多,当然控制过程也更为复杂。交替式滚动方式与持续滚动方式对比如图2所示。由于执行方案在执行过程中不会被打断,执行方案中的卫星动作越多,执行和规划的持续时间就会越长。过长的执行和规划持续时间会和更多观测任务的观测时间窗口发生重叠,导致观测任务无法完成。因此执行窗口的目的是通过限制执行方案中的动作数量来控制执行和规划的持续时间,从而保证较高的规划频率,以实现对动态观测需求的快速响应。关于执行窗口、任务规划滚动窗口和动作规划窗口的构建方法,将在下文一一详细介绍。
在一个实施例中,任务规划滚动窗口内的任务数量由两个参数控制,分别是任务规划滚动窗口内任务数量上限和任务规划滚动窗口时间区间。任务规划滚动窗口内任务数量上限指的是指任务规划滚动窗口内任务数量的最大值。任务规划滚动窗口时间区间要求只有观测时间窗口或数据回传时间窗口在该时间区间内的观测任务或数据回传任务才能进入任务规划滚动窗口。
建立任务规划滚动窗口之前,首先要将星上的观测任务和数据回传任务分为等待规划任务、等待执行任务、已完成任务和执行任务等4类任务。任务类型随着建立任务规划滚动窗口的时间而变化,具有动态时变性。上述4种类型中,等待规划任务指那些没有被赋予执行时间段,正在等待规划的观测或数据回传任务。等待执行任务指那些被赋予执行时间段,但尚未被执行的观测或数据回传任务。已完成任务指那些已经完成的观测或数据回传任务。执行任务指卫星正在执行的观测或数据回传任务。
如图3所示,假设当前建立任务规划滚动窗口的时刻为时刻1,而时刻2为相邻的下一个任务规划滚动窗口的建立时刻。如果以时刻1为基准对任务进行分类,那么观测任务1和数据回传任务1属于已完成任务。观测任务2和数据回传任务2属于等待执行任务,数据回传任务3属于执行任务。等待规划任务由于没有被赋予执行时间段,因此没有在图中标出。不仅如此,在时刻2,图中全部任务均属于已完成任务。所以说这种分类方式具有动态性。
任务规划滚动窗口由等待规划任务构成,假设当前任务规划滚动窗口开始时刻为t,相邻的下一个任务规划滚动窗口开始时刻为t″,任务规划滚动窗口时间区间为T。
在建立任务规划滚动窗口之前,首先,将所有在t″时刻至t″+T时刻之间存在观测时间窗口的等待规划任务组成观测任务集合Observe(t)。如果Observe(t)不为空,那么按照时间窗口开始时间的先后顺序对观测任务进行排序。当任务有多个时间窗口时,依据其最早可用时间窗口参与排序。如果两个任务的时间窗口开始时间相同,则按照优先级从高到低的顺序进行排序,如果两个任务的优先级相同,则随机确定两个任务的前后关系。
然后,将所有在t″时刻至t″+T时刻之间存在数据回传时间窗口的等待规划任务组成数据回传任务集合Transmission(t)。如果Transmission(t)不为空,则任务按照从前至后,优先级由高至低的顺序进行排序。如果两个数据回传任务的优先级相同,则随机确定两个任务的前后关系。
最后,将排序之后的Transmission(t)和Observe(t)首尾相接,并从前至后一共选择min(|Transmission(t)|+|Observe(t)|,k)个任务构成任务集合ScheduleWin(t),ScheduleWin(t)就是t时刻的任务规划滚动窗口。k表示任务规划滚动窗口内任务数量上限。建立任务规划滚动窗口的流程如图4所示。
在一个实施例中,动作规划窗口内的任务数量由动作规划窗口内任务数量上限控制。动作规划窗口内任务数量上限指的是动作规划窗口内任务数量的最大值。如果相邻的两个任务规划滚动窗口开始时刻分别为t和t″,那么在t和t″之间必然存在一个动作规划窗口开始时刻t′,t<t′<t″。t′时刻用于建立动作规划窗口。任务规划滚动窗口ScheduleWin(t)所对应的规划结果,可以用Schedule(t)表示。Schedule(t)是一个按执行开始时间排序的任务序列,当中的每一个任务都有明确的执行时间。在Schedule(t)中从前至后一共选择min(|Schedule(t)|,k′)个任务可以构成任务集合PlanWin(t′),而PlanWin(t′)就是t′时刻建立的动作规划窗口。k′表示的是动作规划窗口内任务数量上限。
在一个实施例中,执行方案制定子模块通过建立执行窗口来确定卫星将要执行的动作序列。执行窗口由动作规划结果中的部分或全部任务构成。执行窗口内的动作数量由执行方案的动作数量上限和动作间最大时间间隔上限控制。执行方案的动作数量上限指的是执行方案中所包含的动作数量的最大值。动作间最大时间间隔上限要求执行方案中动作之间的时间间隔不能超过此上限,目的是控制执行方案的松散程度。动作规划窗口PlanWin(t′)所对应的动作规划方案可以用Plan(t′)表示。Plan(t′)是一个按执行开始时间排序的动作序列,其中的每一个卫星动作都有明确的执行时间。
建立执行窗口时,在Plan(t′)中从前至后一共选择min(|Plan(t′)|,k″)个卫星动作构成执行窗口,执行窗口内的动作序列就是执行方案,而k″就是执行方案的动作数量上限。如果k″选择得比较大,将导致执行和规划的持续时间变长,规划和执行的机会变少,最终造成对动态观测需求的反应能力减弱。但是如果k″选择得太小,虽然规划和执行的机会变多,对动态观测需求的反应能力得到提高,但规划持续时间变得太短,会导致规划算法的运算时间受到限制,所以优化结果的质量难以保证。
通过执行方案的动作数量上限可以控制执行和规划持续时间长度,但这种控制并不是绝对有效的,也存在特殊情况。这是因为根据k″得到的执行方案可能比较松散,如果动作之间的时间间隔比较大,那么即使k″很小,执行持续时间也可能会很长。因此需要使用动作间最大时间间隔上限对执行方案做进一步限制。当执行方案中出现两个连续动作Action1和Action2,且Action1和Action2之间的时间间隔大于k″′时,那么将执行方案中Action2及其之后的所有动作删除,保证执行方案中的任意两个连续的动作之间的时间间隔都小于等于k″′,而k″′表示的就是动作间最大时间间隔上限。
在一个实施例中,自主规划模块内部包含了多个子模块,而每个子模块又要完成多种不同的工作,因此自主规划模块在工作过程中会出现多种多样的状态。这些状态可能是并发关系,也可能是顺序关系,不仅状态之间的关系复杂而且数量巨大。因此协调控制策略的设计关键就是要合理控制这些状态之间的转换。而作为依靠状态转换和事件驱动的建模方法,有限状态机不但可以非常直观的描述状态之间的关系,而且还可以反映系统状态的动态性,因此非常适合运用有限状态机来描述这些状态以及协调控制子模块对其它各个子模块的控制事件。
基于有限状态机的协调控制策略建模,能够为自主规划模块建立完整的从初始状态到终结状态变化的状态序列。通过对工作状态跳转状况的观察,可以清晰地了解协调控制策略以及整个自主规划模块的运行状况。能够以最直观的方式表现协调控制策略,有利于对设计缺陷进行修改。
下面先介绍有限状态机的基本理论:
有限状态机是一种数学模型,不仅可以表达有限的状态以及状态间的转换,而且能够对系统内业务逻辑的完备性和正确性的分析提供支持。因此广泛应用于系统行为描述和软件工程开发等领域。有限状态机通常包含状态、事件、转换和动作4个要素:
1、状态
状态是指某一时刻有限状态机系统的详细状况。系统在开始到终止的整个运行过程中会经历多种状态,状态一般不会是单一的,并且状态的数量是有限的。这些状态构成了一个能够描述系统从开始到结束整个过程中所有系统状况信息的有限状态集。如果系统处于某个状态,那么系统一定满足了某些条件或是执行了某个动作。
2、事件
事件分为外部事件和内部事件,是有限状态机系统运行中出现的一种特定现象,可以使系统进入状态转换过程,并且从一种状态切换到另一种不同的状态。事件是状态机状态改变的输入条件,是系统的定性或定量的数据输入转换而来的。来自系统外部的事件称为外部事件,来自系统内部的事件称为内部事件。
3、转换
有限状态机系统从某种状态转移至另一种状态的过程被称之为转换或转移,转换由事件触发。
4、动作
动作是指有限状态机系统在进行状态转移时进行的一组控制操作。动作在运行过程中不会被中断。动作包括转移动作、进入动作、退出动作等。其中转移动作是指转移时进行的动作。进入动作是指进入状态时进行的动作。退出动作是指退出状态时进行的动作。
可以使用以下“五元组”表达式来描述有限状态机:
M=(Q,Σ,δ,q0,F) (3.1)
Q表示的是一个由若干个状态组成的集合,且状态数量有限。∑表示的是一个由若干个输入符号组成的集合,且符号数量有限。转换函数用δ表示。限状态机的初始状态用q0表示。F是Q的子集代表有限状态机的终结状态集合。有限状态机从q0开始,根据当前状态、输入和δ来确定有限状态机的之后状态。例如,当M处于状态q时,如果当前输入的字母符号是α,则M的状态将会转移到p,以上过程可以表示为:
δ(q,a)=p (3.2)
复杂系统的设计一般选择使用状态转换图来表述,如图5所示。状态转换图是系统中所有状态的图形化表示,其中状态可以使用椭圆或圆角矩形来表示,状态之间的转换用带箭头的弧线标明,转换的输入条件和输出动作会在弧线上标注。当系统满足某个条件时,状态转换图可以非常直观的表达从当前状态转换到下一个状态的过程。图5中有限状态机有两种状态分别是状态1和状态2。当前状态为状态1时,如果输入条件为输入1,对应的动作就是动作1,那么状态将转移至状态2。如果输入条件为输入2,对应的动作就是动作4,那么状态将转移至状态1。如果当前状态为状态2,输入条件为输入2,对应的动作就是动作2,那么状态将转移至状态1。如果输入条件为输入1,对应的动作就是动作3,那么状态将转移至状态2。有限状态机还可以用状态转移表来表示。状态转移表能够清晰描述有限状态机的状态转移逻辑,与状态转移图相比更加逻辑严密便于软件实现。表3.1是与图5对应的状态转换表。
表3.1状态转移表
当前状态 | 输入 | 下一状态 | 动作 |
状态1 | 输入1 | 状态2 | 动作1 |
状态1 | 输入2 | 状态1 | 动作4 |
状态2 | 输入2 | 状态1 | 动作2 |
状态2 | 输入1 | 状态2 | 动作3 |
传统有限状态机是一个平面模型,状态之间是平等的。因此面对复杂系统时,庞大的“状态”和“转换”数目将导致“状态爆炸”,从而使得有限状态机变得难以理解。为了降低有限状态机的复杂度,解决“状态爆炸”问题,层次有限状态机应运而生。层次有限状态机中的每一个状态都是一个提供唯一功能的系统组件。如果一个状态包含其他状态便是所谓的父状态,被包含的状态被称之为子状态,如图6所示。
不同层次的状态之间是允许存在转移的。子状态的各种对象仅仅在父状态活动时才有可能执行或者有效。在层次有限状态机中,状态分为互斥状态和并行状态两类。并且在同一层次,状态必须是互斥状态或并行状态中的一种,不可以同时属于两种类型。同一层次的互斥状态在同一时刻,仅有一个状态可以处于活动状态。而同一层次的并行状态在同一时刻,必须同时处于活动或非活动状态。层次有限状态机能够实现功能分解,能够提供不同层次的细节,这些都是传统有限状态机无法实现的。层次有限状态机是一个非常有用的概念,它扩展了有限状态机,推动其达到最佳状态,使之更易于设计。
在一个实施例中,在协调控制策略下,自主规划模块内的各个子模块,将处于不同的工作状态,有些状态可能是并发关系,有些状态可能是顺序关系,且工作状态数量比较大。为了使有限状态机模型能够非常直观的表达协调控制策略的原理,论文将使用层次有限状态机对协调控制策略进行建模。层次有限状态机的实现方式主要有两种,分别是自下而上和自上而下。自下而上的方式需要首先确定底层所有状态以及各个状态间的转换关系,然后挑选类似的状态构建父状态,用父状态间的转换关系代替子状态间的转换关系。而后再将父状态看作新的子状态,重新构建新的父状态。与自下而上的方式不同,自上而下的方式实际上是一个状态分解的过程,通过逐步细化每一层的每一个状态得到更加底层的状态,从而完成有限状态机的构建。本实施例将使用自上而下的方式实现协调控制策略的有限状态机建模。
在一个实施例中,协调控制策略顶层状态机有两个状态,分别是模块关闭状态和模块运行状态。模块关闭状态是协调控制策略顶层状态机的初始状态,表示自主规划模块还没有开始工作。当接收到启动命令后,顶层状态机将由模块关闭状态转移至模块运行状态。模块运行状态表示自主规划模块正在根据协调控制策略开展工作。当接收到关闭命令后,顶层状态机将由模块运行状态转移至模块关闭状态。顶层状态机的五元组和转移图如下:
(1)Q={模块运行,模块关闭}
(2)Σ={启动命令,关闭命令}
(3)q0={模块关闭}
(4)F={模块关闭}
(5)δ:状态转移函数,如表3.2所示。
表3.2顶层状态机状态转移函数表
当前状态 | 输入 | 下一状态 |
模块关闭 | 启动命令 | 模块运行 |
模块运行 | 关闭命令 | 模块关闭 |
(6)根据上述五元组,顶层状态机状态转移如图7所示。
在一个实施例中,模块运行状态作为父状态,内部包括了3个并行子状态,分别是任务管理子模块运行、规划与执行方案制定子模块运行、以及指令生成子模块运行。其中,任务管理子模块运行状态表示任务管理子模块正在运行,正在进行任务协商和任务处理工作。规划与执行方案制定子模块运行状态表示任务规划子模块、动作规划子模块和执行方案制定子模块正在有序运行,正在进行规划和制定执行方案工作。指令生成子模块运行状态表示指令生成子模块正在运行,正在将执行方案转换为航天器各个子系统可以执行的低级指令,并将其送给智能执行模块。
当模块运行状态处于活动状态时,以上3个并行子状态都将处于活动状态,所以各个子状态之间并不存在转移。任务管理子模块运行、规划与执行方案制定子模块运行、指令生成子模块运行是否处于活动状态完全取决于模块运行状态,当模块运行状态处于非活动状态时,那么以上3个子状态都将处于非活动状态。模块运行状态机状态转移图如图8所示。
在一个实施例中,规划与执行方案制定子模块运行状态作为父状态,内部包含了3个子状态,分别是任务规划子模块运行、动作规划子模块运行、执行方案制定子模块运行。任务规划子模块运行状态表示任务规划子模块正在运行,正在针对观测任务和数据回传任务制定规划方案。动作规划子模块运行状态表示动作规划子模块正在运行,正在根据任务规划方案制定动作规划方案。执行方案制定子模块运行状态表示执行方案制定子模块正在运行,正在根据动作规划方案确定卫星将要执行的卫星动作。
任务规划子模块运行是规划与执行方案制定子模块运行状态机的初始状态。当规划与执行方案制定子模块运行状态处于活动状态时,任务规划子模块运行状态首先处于活动状态。当接收到动作规划窗口开始时刻到达这个外部事件后,状态机将由任务规划子模块运行状态转移至动作规划子模块运行状态。当接收到制定执行方案时刻到达这个外部事件后,状态机将由动作规划子模块运行状态转移至执行方案制定子模块运行状态。当接收到任务规划滚动窗口开始时刻到达这个外部事件后,状态机将由执行方案制定子模块运行状态转移至任务规划子模块运行状态。规划与执行方案制定子模块运行状态机的五元组和转移图如下:
(1)Q={任务规划子模块运行,动作规划子模块运行,执行方案制定子模块运行}
(2)∑={动作规划窗口开始时刻到达,制定执行方案时刻到达,任务规划滚动窗口开始时刻到达}
(3)q0={任务规划子模块运行}
(4)F:没有终结状态,只要规划与执行方案制定子模块运行状态处于活动状态,那么该状态机将持续在3个子状态之间进行转移。
(5)δ:状态转移函数,如表3.3所示。
表3.3规划与执行方案制定子模块运行状态机状态转移函数表
(6)根据上述五元组,规划与执行方案制定子模块运行状态机状态转移如图9所示。
在一个实施例中,任务规划子模块运行状态作为父状态,内部包含了3个子状态,分别是建立任务规划滚动窗口、结束建立任务规划滚动窗口、任务规划算法开始迭代。建立任务规划滚动窗口状态表示自主规划模块正在建立任务规划滚动窗口。结束建立任务规划滚动窗口状态表示自主规划模块已经完成建立任务规划滚动窗口。任务规划算法开始迭代状态表示任务规划算法正在迭代求解。
建立任务规划滚动窗口状态是任务规划子模块运行状态机的初始状态。当任务规划子模块运行状态处于活动状态时,建立任务规划滚动窗口状态首先处于活动状态。当接收到任务规划滚动窗口结束时刻到达这个外部事件后,状态机将由建立任务规划滚动窗口状态转移至结束建立任务规划滚动窗口状态。当接收到任务规划开始时刻到达这个外部事件后,状态机将由结束建立任务规划滚动窗口状态转移至任务规划算法开始迭代状态。当接收到下一次任务规划迭代开始时刻这个外部事件后,状态机将重新处于任务规划算法开始迭代状态。任务规划子模块运行状态机的五元组和转移图如下:
(1)Q={建立任务规划滚动窗口,结束建立任务规划滚动窗口,任务规划算法开始迭代}
(2)Σ={任务规划滚动窗口结束时刻到达,任务规划开始时刻到达,下一次任务规划迭代开始时刻到达}
(3)q0={建立任务规划滚动窗口}
(4)F={任务规划算法开始迭代}
(5)δ:状态转移函数,如表3.4所示。
表3.4任务规划子模块运行状态机状态转移函数表
当前状态 | 输入 | 下一状态 |
建立任务规划滚动窗口 | 任务规划滚动窗口结束时刻到达 | 结束建立任务规划滚动窗口 |
结束建立任务规划滚动窗口 | 任务规划开始时刻到达 | 任务规划算法开始迭代 |
任务规划算法开始迭代 | 下一次任务规划迭代开始时刻到达 | 任务规划算法开始迭代 |
(6)根据上述五元组,规划与执行方案制定子模块运行状态机状态转移如图10所示。
在一个实施例中,动作规划子模块运行状态作为父状态,内部包含了3个子状态,分别是建立动作规划窗口、结束建立动作规划窗口、动作规划算法开始迭代。建立动作规划窗口状态表示自主规划模块正在建立动作规划窗口。结束建立动作规划窗口状态表示自主规划模块已经完成建立动作规划窗口。动作规划算法开始迭代状态表示动作规划算法正在迭代求解,而且只进行一次迭代求解。
建立动作规划窗口状态是规划子模块运行状态机的初始状态。当动作规划子模块运行状态处于活动状态时,建立动作规划窗口状态首先处于活动状态。当接收到动作规划窗口结束时刻到达这个外部事件后,状态机将由建立动作规划窗口状态转移至结束建立动作规划窗口状态。当接收到动作规划开始时刻到达这个外部事件后,状态机将由结束建立动作规划窗口状态转移至动作规划算法开始迭代状态。当接收到下一次动作规划迭代开始时刻到达这个外部事件后,状态机将重新处于动作规划算法开始迭代状态。动作规划子模块运行状态机的五元组和转移图如下:
(1)Q={建立动作规划窗口,结束建立动作规划窗口,动作规划算法开始迭代}
(2)Σ={动作规划窗口结束时刻到达,动作规划开始时刻到达,下一次动作规划迭代开始时刻到达}
(3)q0={建立动作规划窗口}
(4)F={动作规划算法开始迭代}
(5)δ:状态转移函数,如表3.5所示。
表3.5动作规划子模块运行状态机状态转移函数表
当前状态 | 输入 | 下一状态 |
建立动作规划窗口 | 动作规划窗口结束时刻到达 | 结束建立动作规划窗口 |
结束建立动作规划窗口 | 动作规划开始时刻到达 | 动作规划算法开始迭代 |
动作规划算法开始迭代 | 下一次动作规划迭代开始时刻到达 | 动作规划算法开始迭代 |
(6)根据上述五元组,动作规划子模块运行状态机状态转移如图11所示。
在一个实施例中,指令生成子模块运行状态作为父状态,内部包含了10个子状态,分别是对地观测、数据回传、对日定向、对地定向、姿态转换、相机开机、相机关机、天线开机、天线关机、空闲。空闲状态表示指令生成子模块正在等待向智能执行模块发送低级指令。其余9个子状态与卫星执行的动作一一对应,当某个子状态处于活动状态时,说明卫星正在执行该状态所对应的动作。
空闲状态是指令生成子模块运行状态机构的初始状态。当指令生成子模块运行状态处于活动状态时,空闲状态首先处于活动状态。以相机开机状态为例,当接收到相机开机动作开始时刻到达这个外部事件后,状态机将由空闲状态转移至相机开机状态。而当接收到相机开机动作结束时刻到达这个外部事件后,状态机将由相机开机状态转移至空闲状态。指令生成子模块运行状态机的五元组和转移图如下:
(1)Q={对地观测,数据回传,对日定向,对地定向,姿态转换,相机开机,相机关机,天线开机,天线关机,空闲}
(2)Σ={相机开机动作开始时刻到达,相机开机动作结束时刻到达,对地观测动作开始时刻到达,对地观测动作结束时刻到达,相机关机动作开始时刻到达,相机关机动作结束时刻到达,对日定向动作开始时刻到达,对日定向动作结束时刻到达,姿态转换动作开始时刻到达,姿态转换动作结束时刻到达,天线开机动作开始时刻到达,天线开机动作结束时刻到达,数据回传动作开始时刻到达,数据回传动作结束时刻到达,天线关机动作开始时刻到达,天线关机动作结束时刻到达,对地定向动作开始时刻到达,对地定向动作结束时刻到达}
(3)q0={空闲}
(4)F={空闲}
(5)δ:状态转移函数,如表3.6所示。
表3.6指令生成子模块运行状态机状态转移函数表
(6)根据上述五元组,规划子模块运行状态机状态转移如图12所示。
基于协调控制策略的自主规划模块的工作流程比较复杂,因此我们按照层级对模块逐步细化,直到所有的状态都是不可再分解的原子状态为止,从而分解得到了一系列的嵌套状态和子状态机。将这些嵌套状态和子状态机集成起来,就构成了基于有限状态机的协调控制策略模型,如图13所示。
在一个实施例中,协调控制策略的有限状态机模型中的事件可以用∑来表示,∑={∑1,∑2,∑3,∑4,∑5}。∑中除了∑1之外,其它的事件都和时间有关,是时间触发的事件。∑5中事件的触发时间由规划结果决定,不需要二次计算。因此本节主要介绍∑2、∑3和∑4中事件触发时间的计算方法。
首先对事件触发时间计算过程中涉及到的各种符号进行统一描述。∑2中的事件主要有动作规划窗口开始时刻到达,制定执行方案时刻到达,任务规划滚动窗口开始时刻。涉及的时间包括:
planwini:第i次滚动中的动作规划窗口开始时刻。
decisioni:第i次滚动中的制定执行方案时刻。
schedulewini:第i次滚动中的任务规划滚动窗口开始时刻。
∑3中的事件主要有任务规划滚动窗口结束时刻到达,任务规划开始时刻到达,完成一次任务规划迭代。涉及的时间包括:
schedulewin′i:第i次滚动中的任务规划滚动窗口结束时刻。
schedulei:第i次滚动中的任务规划开始时刻。
∑4中的事件主要有动作规划窗口结束时刻到达,动作规划开始时刻到达,完成一次动作规划迭代。涉及的时间包括:
planwin′i:第i次滚动中的动作规划窗口结束时刻。
plani:第i次滚动中的动作规划开始时刻。
另外,在计算上述时间的过程中还会涉及到其它一些时间的计算,这些时间包括:
T:当前时刻。
planwini:第i次滚动中的动作规划窗口开始时刻。
decision′i:第i次滚动中的制定执行方案结束时刻。
schedule′i:第i次滚动中的任务规划结束时刻。
planwini:第i次滚动中的动作规划窗口开始时刻。
durationschedule:第1次滚动中的任务规划持续时间。
durationplanwin:建立动作规划窗口的持续时间。
durationschedulewin:建立任务规划滚动窗口的持续时间。
durationplan:第1次滚动中的动作规划持续时间。
durationdecision:制定执行方案持续时间。
execution′i:第i次滚动的执行结束时刻,即第i个执行方案中最后一个卫星动作的结束时刻。
在一个实施例中,由协调控制策略的基本思想和有限状态机模型可知,∑2、∑3和∑4中的事件触发时间,以及和这些时间相关的其它时间的前后关系如图14如示。第1次滚动中,卫星刚刚启动自主规划模块,并第1次建立任务规划滚动窗口,所以卫星此阶段没有执行任何执行方案。第1次决策完成后开始第2次滚动。从第2次滚动开始,每次滚动中都有执行方案正在被执行,并且每一次制定执行方案结束时刻都与最后一个卫星动作的结束时刻相同。因此从第2次滚动开始,每次制定执行方案结束时刻和建立任务规划滚动窗口时刻都是确定的,只要根据两个确定的时间向时间轴中间逐个计算,就可以确定每个事件的触发时间了。对于第1次滚动,建立任务规划滚动窗口时刻是已知的,但制定执行方案结束时刻无法预知,所以需要将任务规划持续时间和动作规划持续时间设置为固定值,才能确定每个事件的触发时间。因为第1次滚动和以后的其它滚动在时间计算上的依据不同,所以本节针对两种不同情况设计了两种事件触发时间计算方法。
第1次滚动中,各个事件的触发时间的计算步骤如下:
步骤1:计算∑2中的任务规划滚动窗口开始时刻schedulewin1。
schedulewin1=T (3.3)
步骤2:计算∑3中的任务规划滚动窗口结束时刻schedulewin′1。
schedulewin′1=schedulewin1+durationschedulewin (3.4)
步骤3:计算∑3中的任务规划开始时刻schedule1。
schedule1=schedulewin′i+1 (3.5)
步骤4:计算任务规划结束时刻schedule′1。
schedule′1=schedule1+durationschedule (3.6)
步骤5:计算动作规划窗口开始时刻planwin1。
planwini=schedule′1+1 (3.7)
步骤6:计算∑4中的动作规划窗口结束时刻planwin′1。
planwin′i=planwini+durationplanwin (3.8)
步骤7:计算∑4中的动作规划开始时刻plan1。
plan1=planwin′i+1 (3.9)
步骤8:计算动作规划结束时刻plan′1。
plan′1=plan1+durationplan (3.10)
步骤9:计算∑2中的制定执行方案时刻decision1。
decision1=plan′1+1 (3.11)
步骤10:计算制定执行方案结束时刻decision′1。
decision′1=decision1+durationdecision (3.12)
从第2次滚动开始,各个事件的触发时间的计算步骤如下:
步骤1:计算∑2中的任务规划滚动窗口开始时刻schedulewini。
schedulewini=decision′i-1+1 (3.13)
步骤2:计算∑3中的任务规划滚动窗口结束时刻schedulewin′i。
schedulewin′i=schedulewini+durationschedulewin (3.14)
步骤3:计算∑3中的任务规划开始时刻schedulei。
schedulei=schedulewin′i+1 (3.15)
步骤4:计算制定执行方案结束时刻decision′i。
decision′i=execution′i-1 (3.16)
步骤5:计算任务规划结束时刻schedule′i。
schedule′i=schedulei+(decision′i-schedulewini-durationschedulewin-durationplanwin-durationdecision)/2 (3.17)
步骤6:计算动作规划窗口开始时刻planwini。
planwini=schedule′i+1 (3.18)
步骤7:计算∑4中的动作规划窗口结束时刻planwin′i。
planwin′i=planwini+durationplanwin (3.19)
步骤8:计算∑4中的动作规划开始时刻plani
plani=planwin′i+1 (3.20)
步骤9:计算∑2中的制定执行方案时刻decisioni。
decisioni=decision′i-durationdecision (3.21)
本发明提出了基于有限状态机的协调控制策略。该策略通过缩短规划周期和缩小规划范围,大幅增加规划次数,最终实现用反复进行的小规模的规划问题求解代替一次性大规划的规划问题求解。由于规划次数大幅增加,所以每一次进行规划时都能建立在最新信息的基础上,因此能够将观测需求的动态变化及时反映在优化之中。最后建立了基于有限状态机的协调控制策略模型,并介绍了模型中事件触发时间的计算方法。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。本领域的普通技术人员应当理解:可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种敏捷对地卫星的协调控制策略,其特征在于,协调控制策略中的每一次规划包括任务规划和动作规划,每一次完整的规划过程在时间上与卫星实施执行方案同时进行,动作规划结束后选取一部分动作规划方案中的卫星动作构建执行窗口,并将执行窗口中卫星动作序列作为本次规划最终的规划结果,即执行方案,协调控制策略的每一次完整的规划过程都包括下述步骤:建立任务规划滚动窗口、任务规划、建立动作规划窗口、动作规划和建立执行窗口。
2.如权利要求1所述的敏捷对地卫星的协调控制策略,其特征在于,在建立动作规划窗口时,执行方案中的动作数量来控制执行和规划的持续时间,从而保证较高的规划频率,以实现对动态观测需求的快速响应。
3.如权利要求1所述的敏捷对地卫星的协调控制策略,其特征在于,任务规划滚动窗口由等待规划任务构成,假设当前任务规划滚动窗口开始时刻为t,相邻的下一个任务规划滚动窗口开始时刻为t″,任务规划滚动窗口时间区间为T,在建立任务规划滚动窗口之前,
首先,将所有在t″时刻至t″+T时刻之间存在观测时间窗口的等待规划任务组成观测任务集合Observe(t),如果Observe(t)不为空,那么按照时间窗口开始时间的先后顺序对观测任务进行排序,当任务有多个时间窗口时,依据其最早可用时间窗口参与排序,如果两个任务的时间窗口开始时间相同,则按照优先级从高到低的顺序进行排序,如果两个任务的优先级相同,则随机确定两个任务的前后关系;
然后,将所有在t″时刻至t″+T时刻之间存在数据回传时间窗口的等待规划任务组成数据回传任务集合Transmission(t),如果Transmission(t)不为空,则任务按照从前至后,优先级由高至低的顺序进行排序,如果两个数据回传任务的优先级相同,则随机确定两个任务的前后关系;
最后,将排序之后的Transmission(t)和Observe(t)首尾相接,并从前至后一共选择min(|Transmission(t)|+|Observe(t)|,k)个任务构成任务集合ScheduleWin(t);
其中,ScheduleWin(t)表示t时刻的任务规划滚动窗口,k表示任务规划滚动窗口内任务数量上限。
4.如权利要求1所述的敏捷对地卫星的协调控制策略,其特征在于,设置动作间最大时间间隔上限对执行方案做进一步限制,当执行方案中出现两个连续动作Action1和Action2,且Action1和Action2之间的时间间隔大于k″′时,那么将执行方案中Action2及其之后的所有动作删除,保证执行方案中的任意两个连续的动作之间的时间间隔都小于等于k″′,k″′表示动作间最大时间间隔上限。
5.如权利要求1所述的敏捷对地卫星的协调控制策略,其特征在于,采用自上而下方式的层次有限状态机对协调控制策略进行建模,逐步细化每一层的每一个状态得到更加底层的状态,从而完成有限状态机的构建,其中的“建模”具体包括:
首先,确定顶层所有状态以及各个状态间的转换关系;然后,挑选类似的状态构建父状态,用父状态间的转换关系代替子状态间的转换关系;最后,将父状态看作新的子状态,重新构建新的父状态。
6.如权利要求1所述的敏捷对地卫星的协调控制策略,其特征在于,第1次滚动中,卫星刚刚启动自主规划模块,并第1次建立任务规划滚动窗口,所以卫星此阶段没有执行任何执行方案;第1次决策完成后开始第2次滚动;从第2次滚动开始,每次滚动中都有执行方案正在被执行,并且每一次制定执行方案结束时刻都与最后一个卫星动作的结束时刻相同;从第2次滚动开始,每次制定执行方案结束时刻和建立任务规划滚动窗口时刻都是确定的,根据两个确定的时间向时间轴中间逐个计算,确定每个事件的触发时间;
对于第1次滚动,建立任务规划滚动窗口时刻是已知的,但制定执行方案结束时刻无法预知,所以将任务规划持续时间和动作规划持续时间设置为固定值,确定每个事件的触发时间;
第1次滚动中,各个事件的触发时间的计算步骤如下:
步骤1:计算∑2中的任务规划滚动窗口开始时刻schedulewin1,计算公式如下:
schedulewin1=T (3.3)
步骤2:计算∑3中的任务规划滚动窗口结束时刻schedulewin′1,计算公式如下:
schedulewin′1=schedulewin1+durationschedulewin (3.4)
步骤3:计算∑3中的任务规划开始时刻schedule1,计算公式如下:
schedule1=schedulewin′i+1 (3.5)
步骤4:计算任务规划结束时刻schedule′1,计算公式如下:
schedule′1=schedule1+durationschedule (3.6)
步骤5:计算动作规划窗口开始时刻planwin1,计算公式如下:
planwini=schedule′1+1 (3.7)
步骤6:计算∑4中的动作规划窗口结束时刻planwin′1,计算公式如下:
planwin′i=planwini+durationplanwin (3.8)
步骤7:计算∑4中的动作规划开始时刻plan1,计算公式如下:
plan1=planwin′i+1 (3.9)
步骤8:计算动作规划结束时刻plan′1,计算公式如下:
plan′1=plan1+durationplan (3.10)
步骤9:计算∑2中的制定执行方案时刻decision1,计算公式如下:
decision1=plan′1+1 (3.11)
步骤10:计算制定执行方案结束时刻decision′1,计算公式如下:
decision′1=decision1+durationdecision (3.12)
从第2次滚动开始,各个事件的触发时间的计算步骤如下:
步骤1:计算∑2中的任务规划滚动窗口开始时刻schedulewini,计算公式如下:
schedulewini=decision′i-1+1 (3.13)
步骤2:计算∑3中的任务规划滚动窗口结束时刻schedulewin′i,计算公式如下:
schedulewin′i=schedulewini+durationschedulewin (3.14)
步骤3:计算∑3中的任务规划开始时刻schedulei,计算公式如下:
schedulei=schedulewin′i+1 (3.15)
步骤4:计算制定执行方案结束时刻decision′i,计算公式如下:
decision′i=execution′i-1 (3.16)
步骤5:计算任务规划结束时刻schedule′i,计算公式如下:
schedule′i=schedulei+(decision′i-schedulewini-durationschedulewin-durationplanwin-durationdecision)/2 (3.17)
步骤6:计算动作规划窗口开始时刻planwini,计算公式如下:
planwini=schedule′i+1 (3.18)
步骤7:计算∑4中的动作规划窗口结束时刻planwin′i,计算公式如下:
planwin′i=planwini+durationplanwin (3.19)
步骤8:计算∑4中的动作规划开始时刻plani,计算公式如下:
plani=planwin′i+1 (3.20)
步骤9:计算∑2中的制定执行方案时刻decisioni,计算公式如下:
decisioni=decision′i-durationdecision (3.21)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711250662.4A CN107957895B (zh) | 2017-12-01 | 2017-12-01 | 敏捷对地卫星的协调控制策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711250662.4A CN107957895B (zh) | 2017-12-01 | 2017-12-01 | 敏捷对地卫星的协调控制策略 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107957895A true CN107957895A (zh) | 2018-04-24 |
CN107957895B CN107957895B (zh) | 2020-05-19 |
Family
ID=61963164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711250662.4A Expired - Fee Related CN107957895B (zh) | 2017-12-01 | 2017-12-01 | 敏捷对地卫星的协调控制策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107957895B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109102195A (zh) * | 2018-08-21 | 2018-12-28 | 深圳市天智运控科技有限公司 | 一种卫星自主在线滚动任务配置方法及系统 |
CN109377075A (zh) * | 2018-11-07 | 2019-02-22 | 长沙天仪空间科技研究院有限公司 | 一种基于前瞻预测的任务调度方法 |
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 |
CN113313348A (zh) * | 2021-04-20 | 2021-08-27 | 合肥工业大学 | 卫星任务规划方法、装置、存储介质和电子设备 |
CN115103410A (zh) * | 2022-08-22 | 2022-09-23 | 中国人民解放军国防科技大学 | 一种测控数传资源调度方法、系统及装置 |
CN117829277A (zh) * | 2024-03-04 | 2024-04-05 | 中国人民解放军国防科技大学 | 面向多类型卫星的应急观测任务调度方法、系统及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354288A (zh) * | 2011-06-22 | 2012-02-15 | 航天东方红卫星有限公司 | 一种成像质量优先的任务调度方法 |
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 |
US20150085147A1 (en) * | 2012-06-06 | 2015-03-26 | Astrium Sas | Stabilization of a line of sight of an on-board satellite imaging system |
CN105930944A (zh) * | 2016-07-12 | 2016-09-07 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 一种基于dec-pomdp的多卫星协同优化决策方法及装置 |
-
2017
- 2017-12-01 CN CN201711250662.4A patent/CN107957895B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354288A (zh) * | 2011-06-22 | 2012-02-15 | 航天东方红卫星有限公司 | 一种成像质量优先的任务调度方法 |
US20150085147A1 (en) * | 2012-06-06 | 2015-03-26 | Astrium Sas | Stabilization of a line of sight of an on-board satellite imaging system |
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 |
CN105930944A (zh) * | 2016-07-12 | 2016-09-07 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 一种基于dec-pomdp的多卫星协同优化决策方法及装置 |
Non-Patent Citations (2)
Title |
---|
刘嵩等: "敏捷成像卫星自主任务规划方法", 《计算机集成制造系统》 * |
孙凯等: "面向动作序列的敏捷卫星任务规划问题", 《国防科技大学学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109102195A (zh) * | 2018-08-21 | 2018-12-28 | 深圳市天智运控科技有限公司 | 一种卫星自主在线滚动任务配置方法及系统 |
CN109102195B (zh) * | 2018-08-21 | 2020-10-30 | 中科天智运控(深圳)科技有限公司 | 一种卫星自主在线滚动任务配置方法及系统 |
CN109377075A (zh) * | 2018-11-07 | 2019-02-22 | 长沙天仪空间科技研究院有限公司 | 一种基于前瞻预测的任务调度方法 |
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 |
CN113313348A (zh) * | 2021-04-20 | 2021-08-27 | 合肥工业大学 | 卫星任务规划方法、装置、存储介质和电子设备 |
CN113313348B (zh) * | 2021-04-20 | 2022-09-30 | 合肥工业大学 | 卫星任务规划方法、装置、存储介质和电子设备 |
CN115103410A (zh) * | 2022-08-22 | 2022-09-23 | 中国人民解放军国防科技大学 | 一种测控数传资源调度方法、系统及装置 |
CN115103410B (zh) * | 2022-08-22 | 2022-11-08 | 中国人民解放军国防科技大学 | 一种测控数传资源调度方法、系统及装置 |
CN117829277A (zh) * | 2024-03-04 | 2024-04-05 | 中国人民解放军国防科技大学 | 面向多类型卫星的应急观测任务调度方法、系统及装置 |
CN117829277B (zh) * | 2024-03-04 | 2024-05-31 | 中国人民解放军国防科技大学 | 面向多类型卫星的应急观测任务调度方法、系统及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107957895B (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107957895A (zh) | 敏捷对地卫星的协调控制策略 | |
Aksakal et al. | Personel selection based on talent management | |
CN111756653B (zh) | 基于图神经网络深度强化学习的多coflow调度方法 | |
CA3051241A1 (en) | System and method for cognitive engineering technology for automation and control of systems | |
CN105959401A (zh) | 一种基于超网络的制造服务供需匹配与动态调度方法 | |
CN105974891B (zh) | 一种基于动态看板的模具生产过程自适应控制方法 | |
CN109902954A (zh) | 一种基于工业大数据的柔性作业车间动态调度方法 | |
CN109407644A (zh) | 一种用于制造企业多Agent协同控制方法及系统 | |
CN101576869A (zh) | 一种基于黑板模型的智能专家咨询系统及方法 | |
CN109615188A (zh) | 一种预分配结合匈牙利算法的多机器人任务分配方法 | |
Liu et al. | Integration of deep reinforcement learning and multi-agent system for dynamic scheduling of re-entrant hybrid flow shop considering worker fatigue and skill levels | |
Flores et al. | Human Cyber-Physical Systems: A skill-based correlation between humans and machines | |
Bao et al. | An effective method for satellite mission scheduling based on reinforcement learning | |
CN114611897A (zh) | 一种智能产线自适应动态调度策略选择方法 | |
Madni et al. | Augmenting MBSE with Digital Twin Technology: Implementation, Analysis, Preliminary Results, and Findings | |
CN112884367A (zh) | 考虑多技能员工约束的高端装备研发过程多项目协同调度方法及系统 | |
Xun et al. | Distributed tasks-platforms scheduling method to holonic-C2 organization | |
Yang et al. | Binary teaching-learning based optimization for power system unit commitment | |
Wang et al. | Robust and satisfactory job shop scheduling under fuzzy processing times and flexible due dates | |
Qu et al. | A novel improved teaching-learning based optimization for functional optimization | |
Zhan et al. | Dueling network architecture for multi-agent deep deterministic policy gradient | |
Khayut et al. | Intelligent user interface in fuzzy environment | |
Hitomi et al. | Experiments with human integration in asynchronous and sequential multi-agent frameworks for architecture optimization | |
CN114091754A (zh) | 一种多无人机移动基站协同部署及调度方法 | |
Belkharroubi et al. | A Hybrid approach for the Mixed-Model Assembly Line Balancing problem Type-II |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200519 Termination date: 20201201 |
|
CF01 | Termination of patent right due to non-payment of annual fee |