CN109492252B - 一种面向多目标区域的分步式星座构型优化设计方法 - Google Patents
一种面向多目标区域的分步式星座构型优化设计方法 Download PDFInfo
- Publication number
- CN109492252B CN109492252B CN201811168114.1A CN201811168114A CN109492252B CN 109492252 B CN109492252 B CN 109492252B CN 201811168114 A CN201811168114 A CN 201811168114A CN 109492252 B CN109492252 B CN 109492252B
- Authority
- CN
- China
- Prior art keywords
- optimization
- constellation
- module
- model
- satellite
- 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
Images
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种面向多目标区域的分步式星座构型优化设计方法,涉及卫星星座构型设计技术领域。本发明通过分析多目标区域的星座优化模型设计主要需要考虑的优化目标、优化约束条件及优化变量,构建多目标区域星座构型优化模型;然后,采用MATLAB模块和STK模块搭建了高效的星座构型优化设计平台;最后,提出了分步式优化的方法,将相互矛盾的优化目标、优化约束条件分离,优先采用不容易建模的优化约束条件进行优化计算,再对不容易建模的优化约束条件进行优化设计。有效解决星座构型优化面临的不可公度性和不相容性问题,实现面向多目标区域的星座构型优化设计,并确保新的星座构型与已有星座构型的兼容性。
Description
技术领域
本发明涉及卫星星座构型设计技术领域,具体是涉及一种面向多目标区域的分步式星座构型优化设计方法。
背景技术
卫星星座的定义是按照一定空间轨道规则、协同完成特定任务的卫星集合,是多颗卫星进行协同工作的具体形式。在卫星应用领域中,由于卫星星座在覆盖性、持续性等方面具备无可替代的强大优势,正日益得到广泛的重视和应用。无论是能够提供天基物联网、宽带数据和语音电话服务的卫星通信系统,还是能够提供导航、定位、测距、授时服务的卫星导航系统,以及高分辨率地球表面侦察系统、科学探测系统,卫星星座都正在扮演着越来越重要、甚至是无可替代的作用。
然而,星座构型优化是一个十分复杂的问题,在设计中往往需要考虑庞大的优化约束集和优化目标集。星座构型优化是指在卫星星座系统设计中,对所有卫星的轨道参数进行优化配置,使星座发挥最佳性能。星座设计最大的困难来至于多种多样的优化约束条件和优化目标带来的不可公度性和不相容性,其具体含义包括:
1、不可公度性,各个设计约束、目标没有统一的量纲,甚至某些难以用明确数学模型表示,以及各个设计约束、目标的数量级不一致,使得设计约束、目标之间难于进行比较。
2、不相容性,指各个设计约束、目标的特性是相互矛盾的,即导致如果选择的可行候选解改善了某个目标的值,可能会使另一目标的值变坏。
近些年,学术界对全球覆盖或某个地面目标区域覆盖的星座优化设计问题的研究较多,主要面向通信、成像、导航三类应用的星座系统。特别地,此类研究着重于解决从无到有,构建一个完整星座系统的设计问题,例如专利《CN201610576713.1低轨通信和导航增强混合星座的优化设计方法》、《CN201610695579.7一种小规模卫星星座构型优化设计方法》等。此类方法忽略了星座设计中更加切实的一些问题:
1、一般情况下,星座系统需要覆盖多个独立的目标区域;
2、星座系统大多是分阶段构建的,在各阶段星座设计时,需要考虑如何与前期已部署的星座相互配合使用,以发挥最大的性能;
3、在某些应用场景下,常常出现不同的星座系统协同工作的情况,如何在已有的星座系统的基础上,配置新的星座,也是需要解决的实际问题。
发明内容
本发明的目的是为了克服上述背景技术的不足,提供一种面向多目标区域的分步式星座构型优化设计方法,包括以下步骤:
根据任务需求建立多目标区域的星座优化模型,设置所述星座优化模型的优化目标、优化约束条件和优化变量;
搭建星座优化计算平台,所述星座优化计算平台包括MATLAB模块和STK模块,MATLAB模块用于执行NSGA-Ⅱ算法的计算,所述STK模块用于执行星座优化模型的覆盖性能计算分析;
对于容易建模的优化约束条件,根据所述优化目标在NSGA-Ⅱ算法建立优化目标函数,采用NSGA-Ⅱ算法进行优化目标函数求解,得到优化目标函数的参考解集合;根据不容易建模的优化约束条件,以人为设计约束优先级的方式,从参考解集合中选出满意解。
在该方法的第一种可能的实现方式中,所述对于容易建模的优化约束条件,根据所述优化目标在NSGA-Ⅱ算法建立优化目标函数,采用NSGA-Ⅱ算法进行优化目标函数求解,得到优化目标函数的参考解集合;根据不容易建模的优化约束条件,以人为设计约束优先级的方式,从参考解集合中选出满意解,具体包括以下步骤:
C1、根据输入的任务需求,对于容易建模的优化约束条件,在MATLAB模块建立优化约束条件的数学模型与优化目标数学模型,并在NSGA-Ⅱ算法中建立优化约束条件与优化目标函数;
C2、采用NSGA-Ⅱ算法编码、交叉、突变,生成优化变量的参数值;
C3、MATLAB模块将优化变量的参数值输入STK模块,建立STK模块仿真元素;
C4、调用STK模块进行可见性分析,获取可见性数据,并将计算数据返回MATLAB模块;
C5、在MATLAB模块中完成目标函数值的计算,保存结果,并输出卸载STK模块的场景元素的指令;
C6、根据目标函数值,采用NSGA-Ⅱ算法生成新的优化变量的参数值,返回C3进行下一轮仿真计算;直至完成全部优化目标函数的计算;
C7、采用部分约束力较强的优化目标,对NSGA-Ⅱ计算得出的众多可行解进行排序筛选,采用筛选出的优秀的可行解形成参考解集合;
C8、根据不容易建模的优化约束条件,形成优选原则,并根据优选原则对参考解集合进行二次优化,得到最终的满意解。
根据该方法的第一种可能的实现方式,在该方法的第二种可能的实现方式中,所述STK模块仿真元素包括目标区域、卫星轨道、星座构型、载荷能力。
根据该方法的第一种可能的实现方式,在该方法的第三种可能的实现方式中,所述优化目标包括以下的一种或多种:
(1)星座系统对所有目标区域的覆盖特性最优;
(2)星座系统尽可能兼顾更多目标区域;
(3)星座系统对目标区域的覆盖特性尽可能均匀分布;
(4)新设计星座系统尽可能采用已有星座的能力;
(5)星座系统中需要新增的卫星总数量最少;
(6)为提高载荷使用效能,要求卫星部署轨道的高度尽可能低;
(7)星座系统中各卫星轨道高度、倾角、偏心率参数尽可能一致,便于星座构型稳定控制,节约燃料;
(8)星座部署所需运载数量最少;
(9)要求轨道倾角尽可能接近发射场纬度;
(10)系统对卫星平台的能力要求尽可能低;
(11)系统构建成本尽可能低。
根据该方法的第一种可能的实现方式,在该方法的第四种可能的实现方式中,所述优化约束条件包括以下的一种或多种:
(1)星座类型;
(2)轨道高度;
(3)轨道倾角;
(4)轨道类型;
(5)卫星数量;
(6)面内卫星数量;
(7)运载能力效费比;
(8)星间相位因子;
(9)载荷能力;
(10)平台能力;
(11)运载能力;
(12)通信网络约束;
(13)与现有星座兼容性;
(14)重访时间。
根据该方法的第一种可能的实现方式,在该方法的第五种可能的实现方式中,所述容易建模的优化约束条件包括卫星数量、轨道高度、轨道倾角、重访时间;所述不容易建模的优化约束条件包括运载能力、卫星平台能力、载荷种类。
根据该方法的第一种可能的实现方式,在该方法的第六种可能的实现方式中,所述优化变量包括以下的一种或多种:
(1)轨道平面的数量;
(2)每一个轨道平面拥有的卫星数量;
(3)卫星星下点轨迹的回归天数;
(4)卫星轨道平面的倾角;
(5)卫星轨道高度;
(6)相邻轨道平面卫星的星间相位。
根据该方法的第一种可能的实现方式,在该方法的第七种可能的实现方式中,所述MATLAB模块和STK模块之间通过STK模块的Connect子模块进行数据交互。
根据该方法的第一种可能的实现方式,在该方法的第八种可能的实现方式中,所述任务需求包括总体任务要求、性能指标要求、目标区域、载荷能力。
与现有技术相比,本发明的优点如下:
本发明通过分析多目标区域的星座优化模型设计主要需要考虑的优化目标、优化约束条件及优化变量,构建多目标区域星座构型优化模型;然后,采用MATLAB模块和STK模块搭建了高效的星座构型优化设计平台;最后,提出了分步式优化的方法,将相互矛盾的优化目标、优化约束条件分离,优先采用不容易建模的优化约束条件进行优化计算,再对不容易建模的优化约束条件进行优化设计。有效解决星座构型优化面临的不可公度性和不相容性问题,实现面向多目标区域的星座构型优化设计,并确保新的星座构型与已有星座构型的兼容性。
附图说明
图1是本发明实施例1的面向多目标区域的分步式星座构型优化设计方法的计算原理示意图;
图2为本发明实施例1的面向多目标区域的分步式星座构型优化设计方法的流程示意图;
图3为本发明实施例2的原始星座构型示意图;
图4为本发明实施例2的采用面向多目标区域的分步式星座构型优化设计方法优化得到的新增星座构型示意图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细描述。
实施例1:
参见图1所示,本发明实施例提供一种面向多目标区域的分步式星座构型优化设计方法,分析星座构型设计主要考虑的优化目标、优化约束条件及优化变量,构建多目标区域星座构型优化模型;然后,利用MATLAB模块和STK模块搭建了高效的星座构型优化设计平台;最后,提出了分步式优化的方法,将相互矛盾的优化目标、优化约束条件分离,优先利用易于建立数学模型的条件进行优化计算,随后再对不易于建立数学模型的条件进行优化设计。
在本发明实施例中,采用了分步式星座优化设计方法实现了面向多目标区域的星座构型优化设计,提高了星座构型优化计算得效率、收敛速度和准确性。面向多目标区域的分步式星座构型优化设计方法如下。
A.建立多目标区域星座优化模型:
对于存在多个目标区域的星座构型设计,优化模型十分复杂,优化目标多,优化约束条件繁杂,选择的优化变量数量大,建立多目标区域星座优化模型的关键在于全面合理地分析优化目标、优化约束条件及优化变量三个方面的因素,具体如下所述。
A1.优化目标
(1)星座系统对所有目标区域的覆盖特性最优;
(2)星座系统尽可能兼顾更多目标区域;
(3)星座系统对目标区域的覆盖特性尽可能均匀分布;
(4)新设计星座系统尽可能利用已有星座的能力;
(5)星座系统中需要新增的卫星总数量最少;
(6)为提高载荷使用效能,要求卫星部署轨道的高度尽可能低;
(7)星座系统中各卫星轨道高度、倾角、偏心率等参数尽可能一致,便于星座构型稳定控制,节约燃料;
(8)星座部署所需运载数量最少;
(9)要求轨道倾角尽可能接近发射场纬度;
(10)系统对卫星平台的能力要求尽可能低;
(11)系统构建成本尽可能低;
A2.优化约束条件
(1)星座类型,混合星座、典型Walker星座、非对称星座、玫瑰星座等;
(2)轨道高度,根据不同的应用需求,选定轨道高度范围;
(3)轨道倾角,根据目标区域纬度及发射场纬度,选定轨道倾角范围;
(4)轨道类型,根据卫星平台光照、热控、测控、对地回归性等要求,确定轨道类型,如太阳同步轨道、回归轨道等;
(5)卫星数量,根据系统成本等因素确定卫星总数范围;
(6)面内卫星数量,根据星间链路等因素确定面内卫星数量范围;
(7)运载能力效费比,单一轨道面需要发射的运载器数量必须为整数;
(8)星间相位因子,根据轨道面数量,确定星间相位因子范围;
(9)载荷能力,根据载荷能力进一步明确轨道高度、光照等约束范围;
(10)平台能力,根据平台能力进一步明确轨道高度、载荷配置等条件;
(11)运载能力,根据运载能力进一步明确轨道高度、卫星数量等条件;
(12)通信网络约束,根据通信网络方案明确载荷配置、卫星数量等条件;
(13)与现有星座兼容性,在星座构型设计时,需要充分考虑与现有星座的协调工作能力,最轨道参数、相位因子等。
(14)重访时间。
星座构型优化约束条件复杂,需要根据各优化约束条件的特点以及星座构型设计要求对这些优化约束条件进行分类,对卫星数量、轨道高度、轨道倾角、重访时间等有明确数学表达式的优化约束条件或目标进行数学建模,用于第一步优化约束条件。对平台能力约束、运载能力约束等不容易建模的或相互矛盾的条件,先不建立数学模型,而是形成优选原则,用于第二步优化。
A3.优化变量
(1)轨道平面的数量;
(2)每一个轨道平面拥有的卫星数量;
(3)卫星星下点轨迹的回归天数(轨道日),卫星星下点轨迹的回归圈数(交点周期)受回归天数与轨道高度双重约束,不单独作为优化变量;
(4)卫星轨道平面的倾角;
(5)卫星轨道高度;
(6)相邻轨道平面卫星的星间相位。
B.搭建MATLAB/STK混合星座优化计算平台:
在星座优化约束条件的基础上,根据具体的优化设计输入与优化目标,利用多目标遗传优化算法(NSGA)进行星座精细优化计算。优化计算平台采用MATLAB/STK混合编程,MATLAB模块承担多目标遗传优化算法的计算,STK模块承担星座模型与覆盖性能计算分析,双方通过STK模块的Connect子模块进行数据交互,如附图1所示。
C.分步式星座优化设计方法:
星座构型设计问题中,多组优化目标、优化约束条件之间的矛盾性和耦合性引起了复杂的权衡比较问题,导致传统的优化方法很难收敛。对于星座设计而言,更为切实可行的解决方法是寻找令各分系统都满意的解代替最优解。对多目标优化问题,由于各目标之间的矛盾性而寻求其折衷解决方案,其本质上就是一个在各类优化目标、优化约束条件和变量中,寻求满意解的折衷过程。
本发明实施例创新地提出了分步式优化的方法,利用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)进行优化求解,并通过卫星数量、重访时间等判断条件,将一些较优秀的可行解进行保存,形成参考解集合;然后,参考运载能力、卫星平台能力、载荷种类等不容易建模的优化约束条件,以人为设计约束优先级的方式,从参考解集合中选出满意解。
NSGA-Ⅱ算法目前较为常用的多目标优化计算算法,其主要思想如下:首先,随机产生规模为N的初始种群,非支配排序后通过遗传算法的选择、交叉、变异三个基本操作得到第一代子代种群;其次,从第二代开始,将父代种群与子代种群合并,进行快速非支配排序,同时对每个非支配层中的个体进行拥挤度计算,根据非支配关系以及个体的拥挤度选取合适的个体组成新的父代种群;最后,通过遗传算法的基本操作产生新的子代种群;依此类推,直到满足程序结束的条件。
对于星座构型设计此类庞大的优化问题,NSGA-Ⅱ算法在计算效率、收敛性等关键性能上仍显不足。本发明实施例以此为基础,提出了分步式星座优化方法,大大提高了星座构型优化计算得效率、收敛速度和准确性,如附图2所示,具体方法如下。
C1.根据总体任务要求、性能指标要求、目标区域、载荷能力等各类设计输入,对容易建模的优化约束条件,在MATLAB模块建立优化约束条件数学模型与优化目标数学模型,并在多目标遗传算法中建立优化约束条件与优化目标函数。
C2.利用多目标遗传算法编码、交叉、突变等功能,生成优化变量的参数值,MATLAB模块通过Connector模块,将变量值输入STK模块,并建立相应的目标区域、卫星轨道、星座构型、载荷能力等STK模块仿真元素。
C3.调用STK模块覆盖分析模块,进行可见性分析,通过报表等工具获取可见性数据,并利用Connector模块将计算数据返回MATLAB模块。
C4.在MATLAB模块中完成目标函数值的计算,保存结果,并输出卸载STK模块场景元素的指令。
C5.根据目标函数值,利用NSGA-Ⅱ生成新的优化变量值,进行下一轮仿真计算,依此迭代,多目标遗传算法在多次计算中逐渐生成优化变量进化方向,向次优解收敛。
C6.利用部分约束力较强的优化目标,对NSGA-Ⅱ计算得出的众多可行解进行排序筛选,将一些较优秀的可行解进行保存,形成参考解集合。
C7.再参考运载能力、卫星平台能力、载荷种类等不容易建模的优化约束条件,形成相应的优选原则,并根据优选原则对参考解集合进行二次优化,得到最终的满意解。
本发明实施例提出的一种面向多目标区域的分步式星座构型优化设计方法,通过全面地考虑星座构型设计的优化目标、优化约束条件及优化变量,并利用分步式星座优化设计,有效地解决了多种多样的优化约束条件和优化目标带来的不可公度性和不相容性问题,大大提高了星座构型优化计算得效率、收敛速度和准确性,适用于面向多目标区域的复杂星座构型设计。
实施例2:
在实施例1的基础上,以针对某三个目标区域的对地观测星座设计过程为例,说明本发明的具体实施方式,三个目标区域的经纬度信息如下。
目标区域A:27.0°E、120.0°N;27.0°E、125.0°N;21.0°E、122.0°N;21.0°E、117.0°N。
目标区域B:16.5°E、111.5°N;16.5°E、120.0°N;9.0°E、118.0°N;9.0°E、109.0°N。
目标区域C:45.0°E、132.5.0°N;40.3°E、123.9°N;31.9°E、123.0°N;32.0°E、133.0°N。
假设存在一个由15颗低轨卫星构成的原始星座,具备的覆盖能力是对三个目标区域的重访时间小于3600秒。现要求在此原始星座的基础上,根据相应的优化约束条件,优化设计新的星座构型,使星座系统对三个目标区域的重访时间不超过2500秒,并对目标区域A的重访时间小于1800s。
A.建立多目标区域星座优化模型:
首先根据任务要求,考虑重访能力重建等任务目的,综合考虑载荷能力、平台能力、目标经纬度范围等优化约束条件,对轨道类型、星座类型、轨道参数进行初步筛选,建立相应的星座优化模型,主要包括目标函数表达式、优化变量、优化变量边界范围、线性不等式约束、线性等式约束、整数约束及非线性约束等。
A1.优化目标:
卫星总数最少;
目标轨道高度最低;
对三个区域的平均重访时间最少。
A2.第一步优化约束条件:
轨道高度:600~700km;
轨道倾角:20~45°;
轨道高度类型:低倾角圆轨道
星座类型:Walker星座
载荷对地覆盖半角:45°;
卫星总数:小于10颗
轨道面数量:1~10,整数;
每轨卫星数量:1~5,整数;
相位因子范围:0~9,整数,且满足相位因子取值小于轨道面数量。
第二步优化约束条件:
运载约束:卫星平台质量不超过200kg,运载能力:200kg量级或400kg量级,要求每个轨道面运载能力不浪费;
覆盖星约束:三个目标区域的重访时间不超过2500秒,对区域A的重访时间优于1800s。
A3.优化变量
轨道平面的数量;
每一个轨道平面拥有的卫星数量;
相邻轨道平面卫星的星间相位;
卫星轨道的高度;
卫星轨道平面的倾角;
B.搭建MATLAB/STK混合星座优化计算平台
星座构型设计优化计算实现手段为MATLAB/STK交互式仿真平台,双方通过STK模块的Connect子模块进行数据交互。其中,MATLAB模块承担多目标遗传优化算法的编码、交叉、变异、目标函数值分析等计算,STK模块承担星座模型与覆盖性能计算分析。
C.执行星座优化计算
利用MATLAB/STK混合星座优化计算平台运行分步式优化计算,先在第一步优化约束条件下得到满足要求的优化解集合,并进行存储,由于篇幅限制,表1只给出优化解集合的部分结果。
表1星座优化计算存储结果
再根据第二步优化约束条件生成的优选原则,进行最优解筛选。具体的说,对第二步优化约束条件进行优先级设置,按照优先级顺序依次筛选满足各优化约束条件的结果,生成满意解。若未生成可行解,程序结束后提示修改优化模型。若生成满意解,给出优化结果和计算用时。在本实施例中,得到满意解的计算用时2693.11s,优化得到的星座参数如表2所示:
表2星座参数优化结果
轨道高度/km | 倾角/° | 轨道面数 | 单面卫星数 | 相位因子 |
687.41 | 31.11 | 4 | 1 | 0 |
增加新星座后,对区域A的平均重访时间由2289.00s提升至1652.91s,对区域B的平均重访时间由3052.85s提升至2297.50s,对区域C的平均重访时间由1899.69s提升至1777.11s。原始星座构型如附图3所示,新增的星座构型如附图4所示。
本领域的技术人员可以对本发明实施例进行各种修改和变型,倘若这些修改和变型在本发明权利要求及其等同技术的范围之内,则这些修改和变型也在本发明的保护范围之内。说明书中未详细描述的内容为本领域技术人员公知的现有技术。
Claims (8)
1.一种面向多目标区域的分步式星座构型优化设计方法,其特征在于:
根据任务需求建立多目标区域的星座优化模型,设置所述星座优化模型的优化目标、优化约束条件和优化变量;
搭建星座优化计算平台,所述星座优化计算平台包括MATLAB模块和STK模块,MATLAB模块用于执行NSGA-Ⅱ算法的计算,所述STK模块用于执行星座优化模型的覆盖性能计算分析;
对于容易建模的优化约束条件,根据所述优化目标在NSGA-Ⅱ算法建立优化目标函数,采用NSGA-Ⅱ算法进行优化目标函数求解,得到优化目标函数的参考解集合;根据不容易建模的优化约束条件,以人为设计约束优先级的方式,从参考解集合中选出满意解;
其中,所述对于容易建模的优化约束条件,根据所述优化目标在NSGA-Ⅱ算法建立优化目标函数,采用NSGA-Ⅱ算法进行优化目标函数求解,得到优化目标函数的参考解集合;根据不容易建模的优化约束条件,以人为设计约束优先级的方式,从参考解集合中选出满意解,具体包括以下步骤:
C1、根据输入的任务需求,对于容易建模的优化约束条件,在MATLAB模块建立优化约束条件的数学模型与优化目标数学模型,并在NSGA-Ⅱ算法中建立优化约束条件与优化目标函数;
C2、采用NSGA-Ⅱ算法编码、交叉、突变,生成优化变量的参数值;
C3、MATLAB模块将优化变量的参数值输入STK模块,建立STK模块仿真元素;
C4、调用STK模块进行可见性分析,获取可见性数据,并将计算数据返回MATLAB模块;
C5、在MATLAB模块中完成目标函数值的计算,保存结果,并输出卸载STK模块的场景元素的指令;
C6、根据目标函数值,采用NSGA-Ⅱ算法生成新的优化变量的参数值,返回C3进行下一轮仿真计算;直至完成全部优化目标函数的计算;
C7、采用部分约束力较强的优化目标,对NSGA-Ⅱ计算得出的众多可行解进行排序筛选,采用筛选出的优秀的可行解形成参考解集合;
C8、根据不容易建模的优化约束条件,形成优选原则,并根据优选原则对参考解集合进行二次优化,得到最终的满意解。
2.如权利要求1所述的方法,其特征在于:所述STK模块仿真元素包括目标区域、卫星轨道、星座构型、载荷能力。
3.如权利要求1所述的方法,其特征在于:所述优化目标包括以下的一种或多种:
(1)星座系统对所有目标区域的覆盖特性最优;
(2)星座系统尽可能兼顾更多目标区域;
(3)星座系统对目标区域的覆盖特性尽可能均匀分布;
(4)新设计星座系统尽可能采用已有星座的能力;
(5)星座系统中需要新增的卫星总数量最少;
(6)为提高载荷使用效能,要求卫星部署轨道的高度尽可能低;
(7)星座系统中各卫星轨道高度、倾角、偏心率参数尽可能一致,便于星座构型稳定控制,节约燃料;
(8)星座部署所需运载数量最少;
(9)要求轨道倾角尽可能接近发射场纬度;
(10)系统对卫星平台的能力要求尽可能低;
(11)系统构建成本尽可能低。
4.如权利要求1所述的方法,其特征在于:所述优化约束条件包括以下的一种或多种:
(1)星座类型;
(2)轨道高度;
(3)轨道倾角;
(4)轨道类型;
(5)卫星数量;
(6)面内卫星数量;
(7)运载能力效费比;
(8)星间相位因子;
(9)载荷能力;
(10)平台能力;
(11)运载能力;
(12)通信网络约束;
(13)与现有星座兼容性;
(14)重访时间。
5.如权利要求4所述的方法,其特征在于:所述容易建模的优化约束条件包括卫星数量、轨道高度、轨道倾角、重访时间;所述不容易建模的优化约束条件包括运载能力、卫星平台能力、载荷种类。
6.如权利要求1所述的方法,其特征在于:所述优化变量包括以下的一种或多种:
(1)轨道平面的数量;
(2)每一个轨道平面拥有的卫星数量;
(3)卫星星下点轨迹的回归天数;
(4)卫星轨道平面的倾角;
(5)卫星轨道高度;
(6)相邻轨道平面卫星的星间相位。
7.如权利要求1所述的方法,其特征在于:所述MATLAB模块和STK模块之间通过STK模块的Connect子模块进行数据交互。
8.如权利要求1所述的方法,其特征在于:所述任务需求包括总体任务要求、性能指标要求、目标区域、载荷能力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811168114.1A CN109492252B (zh) | 2018-10-08 | 2018-10-08 | 一种面向多目标区域的分步式星座构型优化设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811168114.1A CN109492252B (zh) | 2018-10-08 | 2018-10-08 | 一种面向多目标区域的分步式星座构型优化设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109492252A CN109492252A (zh) | 2019-03-19 |
CN109492252B true CN109492252B (zh) | 2023-06-13 |
Family
ID=65690168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811168114.1A Active CN109492252B (zh) | 2018-10-08 | 2018-10-08 | 一种面向多目标区域的分步式星座构型优化设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109492252B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110069845B (zh) * | 2019-04-16 | 2022-09-27 | 中国人民解放军61267部队 | 一种人造卫星构型的外包络设计方法 |
CN111458984A (zh) * | 2020-03-13 | 2020-07-28 | 华中科技大学 | 一种套刻标记及测量配置的分步优化方法 |
CN112399429B (zh) * | 2020-10-30 | 2023-03-24 | 中科南京移动通信与计算创新研究院 | 一种用于卫星通信系统的通信场景建模方法及系统 |
CN113011105B (zh) * | 2021-04-08 | 2023-04-07 | 东方红卫星移动通信有限公司 | 基于改进型布谷鸟算法的多目标星座模块优化方法 |
CN114578398B (zh) * | 2022-03-02 | 2023-05-30 | 西南交通大学 | 基于nsga-ii算法的星间链路构型优化设计方法 |
CN115242295B (zh) * | 2022-07-21 | 2023-04-21 | 中国人民解放军战略支援部队航天工程大学 | 一种卫星网络sdn多控制器部署方法及系统 |
CN116070528B (zh) * | 2023-03-07 | 2023-06-23 | 中国人民解放军战略支援部队航天工程大学 | 一种异构低轨导航星座设计优化方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446333A (zh) * | 2016-08-19 | 2017-02-22 | 航天东方红卫星有限公司 | 一种小规模卫星星座构型优化设计方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133932B (zh) * | 2014-05-27 | 2016-03-30 | 中国空间技术研究院 | 一种基于多学科优化的卫星总体方案确定系统及实现方法 |
CN106156417B (zh) * | 2016-07-04 | 2019-07-09 | 中国人民解放军国防科学技术大学 | 等时间间隔快速重访卫星星座构型优化设计方法 |
-
2018
- 2018-10-08 CN CN201811168114.1A patent/CN109492252B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106446333A (zh) * | 2016-08-19 | 2017-02-22 | 航天东方红卫星有限公司 | 一种小规模卫星星座构型优化设计方法 |
Non-Patent Citations (1)
Title |
---|
通信卫星星座优化设计综述;莫宇;闫大伟;游鹏;雍少为;;电讯技术(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109492252A (zh) | 2019-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109492252B (zh) | 一种面向多目标区域的分步式星座构型优化设计方法 | |
CN108717572B (zh) | 基于结构化神经网络的成像任务可调度性预测方法 | |
US8185421B2 (en) | Multi-objective optimization within a constraint management system | |
CN112969144B (zh) | 一种面向移动边缘计算的微服务预部署方法及系统 | |
CN109635332B (zh) | 一种基于遗传算法的变步长星座轨道优化方法及装置 | |
CN107682068A (zh) | 一种任务驱动的可重构空间信息网络资源管理架构及方法 | |
CN113568426B (zh) | 一种基于多星多载荷的卫星集群协同规划方法 | |
CN109918731A (zh) | 基于关键路径的卫星任务规划仿真分析方法与系统 | |
CN115103410A (zh) | 一种测控数传资源调度方法、系统及装置 | |
Mosleh et al. | Resource allocation through network architecture in systems of systems: A complex networks framework | |
CN113886460A (zh) | 低带宽分布式深度学习方法 | |
CN115866788A (zh) | 面向mec任务主动迁移的天地融合网络3c资源调度方法 | |
Budel et al. | Random hyperbolic graphs in $ d+ 1$ dimensions | |
Talbi et al. | Designing cellular networks using a parallel hybrid metaheuristic on the computational grid | |
Cheng et al. | Application of Neural Network in Performance Evaluation of Satellite Communication System: Review and Prospect | |
Al-Amyal et al. | Multistage ant colony algorithm for economic emission dispatch problem | |
Haroon et al. | Short‐term hydrothermal coordination using water cycle algorithm with evaporation rate | |
CN114548913A (zh) | 一种最大化任务分配数量的多阶段任务分配方法 | |
Mo et al. | Comparative study of basic constellation models for regional satellite constellation design | |
Zhang et al. | Multi-Objective Mission Planning for Multi-Payload Satellite Constellation via Non-Dominated Sorting Carnivorous Plant Algorithm | |
Shahin | Memetic elitist Pareto evolutionary algorithm for virtual network embedding | |
CN113011105B (zh) | 基于改进型布谷鸟算法的多目标星座模块优化方法 | |
Srinivasan et al. | Communications Data Distribution and other Goodies in the HLA Performance Model | |
Yu et al. | An Improved Method for Complex Constraints on TT&C Scheduling Problem | |
Trent et al. | DYNAMICS: Inverse mission planning for dedicated aerial communications platforms |
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 |