CN109447525A - 多星部署上面级启发式任务规划方法 - Google Patents

Abstract

本发明公开的多星部署上面级启发式任务规划方法，属于航空航天技术领域。本发明实现方法为：首先建立火箭上面级任务规划问题模型，根据规划知识模型建立谓词转移图，并分别计算每个谓词转移图中两点之间最短距离；设置火箭上面级任务规划步数step值，根据初始部分规划和任务目标，形成缺陷集合F。从缺陷集合F中选取一个缺陷；根据上述缺陷对应的缺陷种类挑选缺陷求解方法，对缺陷进行求解；重复挑选缺陷、解决缺陷的过程，直到缺陷集合F中所有缺陷得到解决或者规划步数达到step值，最终实现多星部署上面级启发式任务规划，提高火箭上面级自主性能。本发明能够减少规划解中的冗余活动，提高上面级任务规划效率，更好地满足上面级实时性要求。

Description

多星部署上面级启发式任务规划方法

技术领域

本发明涉及一种多星部署上面级启发式任务规划方法，适用于在多星部署过程中对上面级任务进行规划，属于航空航天技术领域。

背景技术

火箭上面级是常规的基础级运载火箭上增加的相对独立的一级或者多级，是航天运输系统的重要组成部分。由基础级运载火箭将其送入准地球轨道或地球轨道后，在轨道上完成滑行、轨道机动、有效载荷的分离与部署等任务，最终实现一箭多星发射和轨道部署。上面级极大提高了运载火箭的能力，拓展了运载火箭执行任务的范围，其性能根据有效载荷本身和任务需求的变化趋势发展。

传统的上面级任务管理依赖于地面遥控、专家解决问题及时性和星地链路传输的高效性，但当上面级处于测控弧段之外或者出现故障时，地面无法及时发现并上传控制指令解决突发事件，导致错过上面级执行任务的最佳时机，甚至威胁上面级的安全运行。因此，使上面级具备自主运行的能力是解决上述问题的有效手段，而自主任务规划技术是实现自主运行的核心技术之一。

目前，还没有相关任务规划系统直接应用到上面级，但已经应用于航天器的任务规划。深空一号上使用了HSTS规划调度系统。地球观察一号、深空网调度等使用了自主规划与调度框架ASPEN。欧空局开发了APSI平台，应用到了火星快车等任务中。美国NASA开发了可扩展通用远程操作规划框架 EUROPA，关键技术已用于火星探测车和国际空间站的相关任务规划中。以上规划系统主要采用了规划空间规划方法，该方法主要依赖于领域知识的详细编码和领域相关的控制信息，缺乏领域无关启发式信息，制约了此类方法效率的提高。

发明内容

针对火箭上面级自主任务规划问题，为了克服规划空间规划中搜索控制过程缺乏启发式信息的问题，本发明公开的多星部署上面级启发式任务规划方法要解决的技术问题是：结合约束可满足技术，实现多星部署上面级启发式任务规划，提高火箭上面级自主性能。本发明可减少规划解中的冗余活动，提高上面级任务规划效率，更好地满足上面级实时性要求。

本发明目的是通过下述技术方案实现的。

本发明公开的多星部署上面级启发式任务规划方法，首先建立火箭上面级任务规划问题模型，根据规划知识模型建立谓词转移图，并分别计算每个谓词转移图中两点之间最短距离。设置火箭上面级任务规划步数step值，根据初始部分规划和任务目标，形成缺陷集合F。从缺陷集合F中选取一个缺陷。根据上述缺陷对应的缺陷种类挑选缺陷求解方法，对缺陷进行求解。重复挑选缺陷、解决缺陷的过程，直到缺陷集合F中所有缺陷得到解决或者规划步数达到step 值，最终实现多星部署上面级启发式任务规划，提高火箭上面级自主性能。本发明能够减少规划解中的冗余活动，提高上面级任务规划效率，更好地满足上面级实时性要求。

本发明公开的多星部署上面级启发式任务规划方法，包括如下步骤：

步骤1，建立火箭上面级任务规划问题模型。

火箭上面级任务规划问题模型由一个四元组Φ＝(D,I,G,P)表示，其中I表示规划问题的初始状态；G表示规划问题的目标；P表示当前部分规划，其为有序活动集合；D为上面级任务规划领域，由一个三元组D＝(O,A,C)表示，其中 O为深空探测器子系统集合，包含规划中需要考虑的所有子系统，A为深空探测器可以选择的活动集合，包含探测器可执行的所有活动，在活动的定义中包括时间信息以及其他参数，C为规划问题中的约束条件集合。所述其他参数包括资源信息、姿态参数、推进系统参数、载荷参数。

步骤2，根据规划知识模型建立谓词转移图。

对规划知识模型中每条时间线建立谓词转移图，图中节点表示时间线中定义的谓词，弧表示谓词之间的约束关系，以此来建立活动间隐含的因果关系，每个弧上的权重由谓词中定义的时间区间长度决定。

对于上面级任务规划领域D，谓词转移图PTG是三元组G(T)＝{V,E,W_E}，其中T∈D是规划领域中的一条时间线，V为节点集合，E为弧集合，W_E为权重函数，为转移图中每条弧分配权重。

谓词p的输出边p→p_i指在谓词转移图G(T)中，从节点v出发并指向节点v_i的弧e。其中v,v_i∈V，e∈E，v代表谓词p，v_i代表谓词p_i，弧e对应约束关系c∈C[p]且c＝{pmeetsp_i}。对于输出边p→p_i，权重为谓词p持续时间 d＝[d₁,d₂]下界d₁，即w_e[v,v_i]＝d₁。

谓词p的输入边p_i→p指在谓词转移图G(T)中，从节点v_i出发并指向节点v 的弧e_i。其中v,v_i∈V，e∈E，v表示谓词p，v_i表示谓词p_i，弧e_i对应约束关系 c∈C[p]且c＝{pmet_byp_i}。对于输入边p_i→p，权重为谓词p_i持续时间 d_i＝[d_i1,d_i2]下界d_i1，即

当谓词中没有持续时间值时，持续时间值域默认为[1,+∞]，当所述谓词作为弧的开始点时，所述弧的权值为1。

谓词转移图PTG即是根据规划知识模型建立的谓词转移图。

步骤3，分别计算每个谓词转移图中两点之间最短距离。

对每个谓词转移图建立直接图，即DG图，并对每个谓词转移图对应的DG 图进行初始化。在谓词转移图基础上，使用所有节点最短路径算法计算两点间最短距离，存储在DG图中。

步骤4，设置火箭上面级任务规划步数step值，根据初始部分规划和任务目标，形成缺陷集合F。从缺陷集合F中选取一个缺陷。

步骤5，根据步骤4选取的缺陷对应的缺陷种类挑选缺陷求解方法，对步骤 4选取的缺陷进行求解。

针对部分规划π，其中缺陷f为开放条件缺陷或者顺序缺陷时，存在缺陷解决方法r，采取所述缺陷解决方法r的代价用Cost(r)表示。

当f为开放条件缺陷，代价计算方法如式(1)所示

Cost(r)＝0 (1)

当f为顺序缺陷，需要在当前部分规划π的基础上添加活动a。在一条时间线上存在多个时间点t能够安放活动a，需要选择合适的时间点。当将活动a放置于时间点t_a时，活动a_i处于t_a之前，活动a_i+1处于t_a之后。此时，代价计算如式(2)所示。

Cost(r)＝Cost_path(a_i,a)+Cost_path(a,a_i+1)-Cost_path(a_i,a_i+1) (2)

其中，Cost_path(a_i,a)表示若将活动a放置在t_a点，从a_i到a的代价； Cost_path(a,a_i+1)表示将活动a放置在t_a点时，从a到a_i+1的代价；Cost_path(a_i,a_i+1)表示未加入活动a时，从活动a_i直接到a_i+1的代价。因此，将活动a放置在t_a点的代价为前两者之间的和与后者之间的差值。

针对缺陷f有n种解决方法，所述n种解决方法即R[f]＝{r₁,r₂,...,r_n}，则选择n种解决方法中最小代价解决方法：

根据SCR[f]选取缺陷解决方法。

当缺陷为未绑定变量缺陷时，按照存储顺序为变量进行赋值。

当在缺陷f解决过程中引入新的缺陷时，将所述新引入的缺陷加入到步骤 4所述的缺陷集合F中。

由于缺陷解决方法是从n种解决方法中选择的最小代价解决方法，因此，减少后续加入时间线的活动数量，进而减少规划解中的冗余活动，提高上面级任务规划效率，更好地满足上面级实时性要求。

步骤6，重复步骤4和步骤5，直到缺陷集合F中所有缺陷得到解决或规划步数达到步骤4设置的step值，多星部署上面级启发式任务规划结束，即实现多星部署上面级启发式任务规划，提高火箭上面级自主性能。

有益效果：

1、本发明公开的多星部署上面级启发式任务规划方法，通过从n种解决方法中选择的最小代价解决方法，减少后续加入时间线的活动数量，进而减少规划解中的冗余活动，提高上面级任务规划效率，更好地满足上面级实时性要求。

2、本发明公开的多星部署上面级启发式任务规划方法，通过实现多星部署上面级启发式任务规划，提高火箭上面级自主性能。

附图说明

图1是本发明的多星部署上面级启发式规划方法流程示意图；

图2是本发明方法与无启发式方法得到的活动序列对比图；图2a)为使用无启发式规划方法得到的活动序列，图2b)为使用本发明方法得到的活动序列。

图3是本发明方法与无启发式方法计算时间和规划步数对比图。

图3中横坐标为不同规划问题编号，数字越大，规划问题越复杂；左侧纵坐标表示规划时间，右侧纵坐标表示规划步数。

具体实施方式

为了更好的说明本发明的目的和优点，下面结合附图和实例对发明内容做进一步说明。

实施例1：

如图1所示，本实施例公开的多星部署上面级启发式规划方法，具体实现步骤如下：

步骤1，建立火箭上面级任务规划问题模型。

火箭上面级任务规划问题模型由一个四元组Φ＝(D,I,G,P)表示，其中I表示规划问题的初始状态；G表示规划问题的目标；P表示当前部分规划，其为有序活动集合；D为上面级任务规划领域，由一个三元组D＝(O,A,C)表示，其中 O为深空探测器子系统集合，包含规划中需要考虑的所有子系统，A为深空探测器可以选择的活动集合，包含探测器可执行的所有活动，在活动的定义中包括时间信息以及其他参数，C为规划问题中的约束条件集合。所述其他参数包括资源信息、姿态参数、推进系统参数、载荷参数。

此处，考虑上面级子系统包含姿态Z轴子系统、姿态XY平面子系统、星敏感器。涉及到的活动为姿态Z轴指向、转动，姿态子系统XY平面旋转开启、旋转、固定，星敏开启、关闭、调整、测星和关闭状态。姿态参数为姿态指向方向，包括当前指向X、太阳方向Sun、旋转方向RotationD、星体方向Star。

初始状态设置为Z轴指向X、XY平面固定，其他子系统均处于关闭状态。目标状态为生成滑行段活动序列。

步骤2，根据规划知识模型建立谓词转移图。

对规划知识模型中每条时间线建立谓词转移图，图中节点表示时间线中定义的谓词，弧表示谓词之间的约束关系，以此来建立活动间隐含的因果关系，每个弧上的权重由谓词中定义的时间区间长度决定。

对于上面级任务规划领域D，谓词转移图PTG是三元组G(T)＝{V,E,W_E}，其中T∈D是规划领域中的一条时间线，V为节点集合，E为弧集合，W_E为权重函数，为转移图中每条弧分配权重。

谓词p的输出边p→p_i指在谓词转移图G(T)中，从节点v出发并指向节点v_i的弧e。其中v,v_i∈V，e∈E，v代表谓词p，v_i代表谓词p_i，弧e对应约束关系 c∈C[p]且c＝{pmeetsp_i}。对于输出边p→p_i，权重为谓词p持续时间 d＝[d₁,d₂]下界d₁，即w_e[v,v_i]＝d₁。

谓词p的输入边p_i→p指在谓词转移图G(T)中，从节点v_i出发并指向节点v 的弧e_i。其中v,v_i∈V，e∈E，v表示谓词p，v_i表示谓词p_i，弧e_i对应约束关系 c∈C[p]且c＝{pmet_byp_i}。对于输入边p_i→p，权重为谓词p_i持续时间d_i＝[d_i1,d_i2]下界d_i1，即

当谓词中没有持续时间值时，持续时间值域默认为[1,+∞]，当所述谓词作为弧的开始点时，所述弧的权值为1。

谓词转移图PTG即是根据规划知识模型建立的谓词转移图。

步骤3，分别计算每个谓词转移图中两点之间最短距离。

对每个谓词转移图建立直接图，即DG图，并对每个谓词转移图对应的DG 图进行初始化。在谓词转移图基础上，使用所有节点最短路径算法计算两点间最短距离，存储在DG图中。

步骤4，设置火箭上面级任务规划步数step＝1000，根据初始部分规划和任务目标，形成缺陷集合F。从缺陷集合F中选取一个缺陷。

步骤5，根据步骤4选取的缺陷对应的缺陷种类挑选缺陷求解方法，对步骤 4选取的缺陷进行求解。

针对部分规划π，其中缺陷f为开放条件缺陷或者顺序缺陷时，存在缺陷解决方法r，采取所述缺陷解决方法r的代价用Cost(r)表示。

当f为开放条件缺陷，代价计算方法如式(1)所示

Cost(r)＝0 (1)

当f为顺序缺陷，需要在当前部分规划π的基础上添加活动a。在一条时间线上存在多个时间点t能够安放活动a，需要选择合适的时间点。当将活动a放置于时间点t_a时，活动a_i处于t_a之前，活动a_i+1处于t_a之后。此时，代价计算如式(2)所示。

Cost(r)＝Cost_path(a_i,a)+Cost_path(a,a_i+1)-Cost_path(a_i,a_i+1) (2)

其中，Cost_path(a_i,a)表示若将活动a放置在t_a点，从a_i到a的代价； Cost_path(a,a_i+1)表示将活动a放置在t_a点时，从a到a_i+1的代价；Cost_path(a_i,a_i+1)表示未加入活动a时，从活动a_i直接到a_i+1的代价。因此，将活动a放置在t_a点的代价为前两者之间的和与后者之间的差值。

针对缺陷f有n种解决方法，所述n种解决方法即R[f]＝{r₁,r₂,...,r_n}，则选择n种解决方法中最小代价解决方法：

根据SCR[f]选取缺陷解决方法。

当缺陷为未绑定变量缺陷时，按照存储顺序为变量进行赋值。

当在缺陷f解决过程中引入新的缺陷时，将所述新引入的缺陷加入到步骤 4所述的缺陷集合F中。

由于缺陷解决方法是从n种解决方法中选择的最小代价解决方法，因此，减少后续加入时间线的活动数量，进而减少规划解中的冗余活动，如图2所示。提高上面级任务规划效率，更好地满足上面级实时性要求，如图3所示。

步骤6，重复步骤4和步骤5，直到缺陷集合F中所有缺陷得到解决或规划步数达到步骤4设置的1000，多星部署上面级启发式任务规划结束，即实现多星部署上面级启发式任务规划，提高火箭上面级自主性能。

以上所述的具体描述，对发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.多星部署上面级启发式任务规划方法，其特征在于：包括如下步骤，

步骤1，建立火箭上面级任务规划问题模型；

步骤2，根据规划知识模型建立谓词转移图；

步骤3，分别计算每个谓词转移图中两点之间最短距离；

步骤4，设置火箭上面级任务规划步数step值，根据初始部分规划和任务目标，形成缺陷集合F；从缺陷集合F中选取一个缺陷；

步骤5，根据步骤4选取的缺陷对应的缺陷种类挑选缺陷求解方法，对步骤4选取的缺陷进行求解；

步骤6，重复步骤4和步骤5，直到缺陷集合F中所有缺陷得到解决或规划步数达到步骤4设置的step值，多星部署上面级启发式任务规划结束，即实现多星部署上面级启发式任务规划，提高火箭上面级自主性能。

2.如权利要求1所述的多星部署上面级启发式任务规划方法，其特征在于：步骤1具体实现方法为，

火箭上面级任务规划问题模型由一个四元组Φ＝(D,I,G,P)表示，其中I表示规划问题的初始状态；G表示规划问题的目标；P表示当前部分规划，其为有序活动集合；D为上面级任务规划领域，由一个三元组D＝(O,A,C)表示，其中O为深空探测器子系统集合，包含规划中需要考虑的所有子系统，A为深空探测器可以选择的活动集合，包含探测器可执行的所有活动，在活动的定义中包括时间信息以及其他参数，C为规划问题中的约束条件集合；所述其他参数包括资源信息、姿态参数、推进系统参数、载荷参数。

3.如权利要求2所述的多星部署上面级启发式任务规划方法，其特征在于：步骤2具体实现方法为，

对规划知识模型中每条时间线建立谓词转移图，图中节点表示时间线中定义的谓词，弧表示谓词之间的约束关系，以此来建立活动间隐含的因果关系，每个弧上的权重由谓词中定义的时间区间长度决定；

对于上面级任务规划领域D，谓词转移图PTG是三元组G(T)＝{V,E,W_E}，其中T∈D是规划领域中的一条时间线，V为节点集合，E为弧集合，W_E为权重函数，为转移图中每条弧分配权重；

谓词p的输出边p→p_i指在谓词转移图G(T)中，从节点v出发并指向节点v_i的弧e；其中v,v_i∈V，e∈E，v代表谓词p，v_i代表谓词p_i，弧e对应约束关系c∈C[p]且c＝{p meets p_i}；对于输出边p→p_i，权重为谓词p持续时间d＝[d₁,d₂]下界d₁，即w_e[v,v_i]＝d₁；

谓词p的输入边p_i→p指在谓词转移图G(T)中，从节点v_i出发并指向节点v的弧e_i；其中v,v_i∈V，e∈E，v表示谓词p，v_i表示谓词p_i，弧e_i对应约束关系c∈C[p]且c＝{p met_by p_i}；对于输入边p_i→p，权重为谓词p_i持续时间d_i＝[d_i1,d_i2]下界d_i1，即

当谓词中没有持续时间值时，持续时间值域默认为[1,+∞]，当所述谓词作为弧的开始点时，所述弧的权值为1；

谓词转移图PTG即是根据规划知识模型建立的谓词转移图。

4.如权利要求3所述的多星部署上面级启发式任务规划方法，其特征在于：步骤3具体实现方法为，

对每个谓词转移图建立直接图，即DG图，并对每个谓词转移图对应的DG图进行初始化；在谓词转移图基础上，使用所有节点最短路径算法计算两点间最短距离，存储在DG图中。

5.如权利要求4所述的多星部署上面级启发式任务规划方法，其特征在于：步骤5具体实现方法为，

针对部分规划π，其中缺陷f为开放条件缺陷或者顺序缺陷时，存在缺陷解决方法r，采取所述缺陷解决方法r的代价用Cost(r)表示；

当f为开放条件缺陷，代价计算方法如式(1)所示

Cost(r)＝0 (1)

当f为顺序缺陷，需要在当前部分规划π的基础上添加活动a；在一条时间线上存在多个时间点t能够安放活动a，需要选择合适的时间点；当将活动a放置于时间点t_a时，活动a_i处于t_a之前，活动a_i+1处于t_a之后；此时，代价计算如式(2)所示；

Cost(r)＝Cost_path(a_i,a)+Cost_path(a,a_i+1)-Cost_path(a_i,a_i+1) (2)

其中，Cost_path(a_i,a)表示若将活动a放置在t_a点，从a_i到a的代价；Cost_path(a,a_i+1)表示将活动a放置在t_a点时，从a到a_i+1的代价；Cost_path(a_i,a_i+1)表示未加入活动a时，从活动a_i直接到a_i+1的代价；因此，将活动a放置在t_a点的代价为前两者之间的和与后者之间的差值；

针对缺陷f有n种解决方法，所述n种解决方法即R[f]＝{r₁,r₂,...,r_n}，则选择n种解决方法中最小代价解决方法：

根据SCR[f]选取缺陷解决方法；

当缺陷为未绑定变量缺陷时，按照存储顺序为变量进行赋值；

当在缺陷f解决过程中引入新的缺陷时，将所述新引入的缺陷加入到步骤4所述的缺陷集合F中。