CN109523025A - 针对地面区域目标的多星连续观测规划调度方法 - Google Patents
针对地面区域目标的多星连续观测规划调度方法 Download PDFInfo
- Publication number
- CN109523025A CN109523025A CN201811331272.4A CN201811331272A CN109523025A CN 109523025 A CN109523025 A CN 109523025A CN 201811331272 A CN201811331272 A CN 201811331272A CN 109523025 A CN109523025 A CN 109523025A
- Authority
- CN
- China
- Prior art keywords
- sub
- window
- population
- satellite
- fitness
- 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
- 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
-
- 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"
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Biomedical Technology (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开的针对地面区域目标的多星连续观测规划调度方法,属于航空航天技术领域。本发明实现方法如下:根据任务观测需求,确定可用的卫星资源参数,依据卫星资源参数将区域目标网格化分解为多个子区域目标;求解卫星对子目标的可见窗口,进行窗口融合,得到大可见窗口;根据卫星与大可见窗口参数,自动确定种群模型参数,建立多种群模型,定义子种群适应度函数与约束函数,对每个子种群进行遗传算法求解,得到子种群规划调度方案;根据约束值与适应度自主选择策略在子种群规划调度方案中选择最优方案。本发明能够满足连续观测的时长需求和节省卫星资源的需求,以灵活自主的方式较为高效地实现多星区域目标连续观测任务规划调度。
Description
技术领域
本发明涉及一种基于动态多种群遗传算法的多卫星自主地面区域目标连续观测任务规划调度方法,属于航空航天技术领域。
背景技术
随着航天技术的发展,卫星对地观测的能力越来越强,卫星观测在灾难预警、地理测绘、军事侦察等方面发挥着重要作用。空间中的各种观测卫星的数量和种类也在逐年攀升。而与卫星相匹配的地面站资源有限,依赖地面站对卫星任务进行规划,并通过遥控操纵卫星的方式,将无法充分满足多卫星的需要。因此,需要研究多星观测任务自主规划调度技术,实现卫星自主任务规划。该技术即可节省地面测控资源和人力,也缩短了任务发出到执行的回路,提高任务执行效率。
多星区域目标观测任务是利用携带不同载荷类型的多颗卫星,根据卫星运行位置,通过协调卫星资源完成对地区域目标连续任务。未来的星上任务管理,可能由一颗或多颗计算能力较强的卫星管理所有其他卫星的状态信息,根据任务需求在数据库中挑选可用的卫星,在任务要求的时间内制定合理方案,最大限度利用资源对目标进行一次至多次观测。自主规划调度方法是制定观测方案的核心技术。
在卫星观测任务规划调度问题中,国内外众多学者进行了深入的研究,也采用了许多方法,如整数规划、动态规划、粒子群算法、遗传算法、贪婪算法等。在大部分的观测规划问题中,对目标的观测次数限制为一次,并将此作为一个约束条件。但在区域目标连续规划问题中,不限制对目标的观测次数,因此没有观测次数的约束。在一定时间内对目标进行不限次数的连续观测,需要考虑多星同时观测相同目标的情况,并将其作为约束,以减少卫星资源的浪费。但同时观测约束不是任务必须满足的约束,满足此约束使多星同时观测同目标的窗口保持在一定值以下,可以减少卫星资源浪费,不满足此约束,任务同样可以完成。若将此约束设为定值,可能导致约束太强,而无法获得目标观测次数足够多的方案。
发明内容
针对多星区域目标连续观测的约束处理问题,本发明目的是提供针对地面区域目标的多星连续观测规划调度方法,能够根据空间中动态变化的可用卫星资源,自主确定种群中的个体数、子种群数及个体中的窗口参数,并通过约束值与适应度值自主选择策略,得到在满足适应度(卫星资源利用率)要求的前提下,同时观测约束尽量严格规划调度方案,实现对不同资源量的任务的区别处理:对于资源本身不充裕的任务,以满足适应度要求为主,不采用过于严格的同时观测约束;对于资源较为充足的任务,在满足适应度要求的前提下,充分考虑约束,减少资源浪费。
本发明的目的是通过下述技术方案实现的。
本发明公开的针对地面区域目标的多星连续观测规划调度方法。根据任务观测需求,确定可用的卫星资源参数,依据卫星资源参数将区域目标网格化分解为多个子区域目标。求解卫星对子目标的可见窗口,进行窗口融合,得到大可见窗口。根据卫星与大可见窗口参数,自动确定种群模型参数,建立多种群模型,定义子种群适应度函数与约束函数,对每个子种群进行遗传算法求解,得到子种群规划调度方案。根据约束值与适应度自主选择策略在子种群规划调度方案中选择最优方案。该方法能够满足连续观测的时长需求和节省卫星资源的需求,以灵活自主的方式较为高效地实现多星区域目标连续观测任务规划调度。
本发明公开的针对地面区域目标的多星连续观测规划调度方法,包括如下步骤:
步骤一、根据任务的时间和载荷类型的要求,确定可用的卫星资源参数。
步骤二、根据所有可用卫星的最小幅宽值d对区域目标按经纬度进行网格划分,实现区域目标网格化分解,并给每个子区域目标编号。
选择所有可用卫星的最小幅宽值d作为区域网格化分解的边长,区域目标用经纬度表示为[lo1,lo2,la1,la2],区域目标是沿经线和纬线形成的矩形区域,西经和南纬为负,东经和北纬为正,lo1为矩形左边的经度,lo2为矩形右边的经度,la1为上边纬度,la2为下边纬度。对此区域进行网格化分解,按照球面距离d,得到网格分解的单位经度lo和单位纬度la,R为地球半径。
以单位经度和单位纬度将区域分解为多个小矩形区域,大区域经度与单位经度无法整除时,或大区域纬度与单位纬度无法整除时,四舍五入。同样用经纬度[lo1,lo2,la1,la2]表示子目标范围,并给每个子目标一个标号id。
步骤三、根据步骤二区域目标网格化分解后的经纬度和卫星轨道信息,求解每个子目标的可见窗口,并进行窗口融合,得到能够观测一个或多个子目标的可见窗口。
步骤3.1:根据步骤二区域目标网格化分解后的经纬度和卫星星下点,求解每颗卫星对每个子目标的可见窗口。
步骤3.2:定义卫星对子目标的可见窗口,并将同一颗卫星的所有窗口按开始时间升序排列。
定义卫星i与子目标k的可见窗口为winik=[ts,te],ts为开始时间,te为结束时间,并对同一颗卫星的所有窗口按开始时间升序排列,然后进行窗口融合。
步骤3.3:进行单星窗口融合,得到能够观测一个或多个子目标的可见窗口。
对开始时间前后相邻的两个窗口,前一个窗口的结束时间和当前窗口的开始时间的时间差小于卫星观测准备时间,且合并后总时间小于卫星单次观测最长开机时间,将所述前后相邻的两个窗口合并为一个窗口,定义为大窗口。合并后的窗口为wini=[ts,te,tars],除了开始时间和结束时间外,存储所述大窗口的所有k个可见任务子目标id,即tars=[id0,id1,id2,…,idk]。若前一个窗口为win=[t1,t2]已经达到单次观测时长,下一个窗口为win2=[t3,t4],观测间准备时间为T,若t2+T<t3,则不进行处理,两个窗口不融合;若t3≤t2+T≤t4,将窗口2起始时间后移,留出观测转换时间,win2=[t2+T,t4];若t2+T≥t4,说明窗口2与窗口1时间差过短,不足以进行观测准备,舍弃窗口2,检查下一个窗口。对单颗卫星的所有步骤3.1中得到的可见窗口检查完毕,得到此卫星的所有大窗口
步骤3.4:对每颗卫星进行步骤3.3的单星窗口融合,实现多星的窗口融合,即得到能够观测一个或多个子目标的可见窗口。
步骤四、根据步骤三中得到的融合后可见窗口和步骤一得到的卫星可用资源参数,自动确定种群模型参数,建立多种群模型。
根据步骤三中得到的融合后可见窗口和步骤一得到的卫星可用资源参数,将卫星资源以种群的方式表示,并采用遗传算法进行规划调度。每个可能的方案是一个体,每个个体中有一组染色体,每个染色体代表一个载荷,染色体中的基因为可见窗口,最优规划调度方案为实际约束值小于需求约束值的条件下适应度最高的可见窗口组合。多个种群中的个体总数为popsize,将所述个体平均分为多个子种群,子种群中的个体数为subpopsize,子种群数为subpopnum,n卫星资源所能提供的总载荷数。若subpopsize<0.5n则subpopsize=0.5n。
popsize=23(n/10+1) (3)
步骤五、根据步骤四所建立的种群模型参数,定义子种群适应度函数与约束函数,设置每个子种群的适应度与约束的需求值,对每个子种群进行遗传算法求解,得到每个子种群的规划调度方案。
根据步骤四所建立的种群模型参数,并根据任务需要设定适应度函数。在观测问题中,以卫星载荷作为资源,每一个任务的可用卫星资源利用率作为适应度fit。
其中,为所有资源可观测到的特征区域数,n为可用资源中的可见窗口总数,v为单个窗口可观测到的区域个数。为当前方案的可观测区域个数,方案中窗口i未被选择choosei=0,方案中窗口i被选择choosei=1。
根据任务需要设定约束函数。网格化分解后的子目标被两到多颗卫星同时观测的数量与子目标总数的比值为区域同时观测率,将区域同时观测率作为约束函数。观测某一子目标的两个大可见窗口的时间重叠时长占任一窗口预设值以上,则该子目标被同时观测。
在约束值的值域范围内,按子种群数均匀取值,给每个子种群赋不同的约束需求值。对子种群进行初始化,选择、交叉、变异,每次进化保留适应度最优的一半个体,以此为基础交叉产生另一半新个体,从而形成一个完整的新种群。设定最高进化代数和适应度需求条件,种群达到最高进化代数或者已经得到满足适应度需求的个体就停止进化,即得到每个子种群的规划调度方案。
步骤五所述重叠时长占任一窗口预设值以上,优选预设值为60%。
步骤六、根据约束值与适应度自主选择策略在步骤五中产生的每个子种群产生的规划调度方案中选择最优方案。
对所有子种群设置同一个适应度需求值,综合规划后子种群的实际适应度与实际约束值,根据自主选择排序策略对所有子种群得到的规划调度方案进行排序,实现对不同资源量的任务的区别处理:对于资源本身不充裕的任务,以满足适应度要求为主,不采用过于严格的同时观测约束;对于资源较为充足的任务,在满足适应度要求的前提下,充分考虑约束,减少资源浪费。
步骤六所述的自主选择排序策略,具体实现方法为:若两个方案的适应度都达到适应度需求值,规划后实际约束值小的方案排序靠前,若两个方案规划后实际约束值相等,则适应度大的方案排序靠前;若两个方案中存在适应度值小于需求值的方案,则适应度大的方案排序靠前,若适应度都小于需求值且适应度相等,则规划后实际约束值小的方案排序靠前。按此策略对所有子种群产生的方案排序,选择排在首位的规划调度方案。
步骤七:根据步骤六得到的针对地面区域目标的多星连续观测规划调度方案,实现满足持续观测的时长需求和节省卫星资源的需求,以灵活自主的方式较为高效地实现多星区域目标连续观测任务规划调度。
有益效果:
1、本发明公开的针对地面区域目标的多星连续观测规划调度方法,采用网格化区域目标分解方法,能够很好处理对多星观测问题中星的轨道、幅宽等参数各异的特点。
2、本发明公开的针对地面区域目标的多星连续观测规划调度方法,根据资源规模动态确定种群规模、个体、个体中的染色体等参数,能够提高多星连续观测规划调度的自主性。
3、本发明公开的针对地面区域目标的多星连续观测规划调度方法,通过考虑多数观测任务不会涉及的连续多次观测问题的优化方法,采用多种群遗传算法,实现约束值的自动选择,同时满足持续观测的时长需求和节省卫星资源的需求。
附图说明
图1是本发明公开的针对地面区域目标的多星连续观测规划调度方法流程图。
图2是地面区域目标网格化分解示意图。将整个区域按多星最小幅宽对应的当地经纬度差,分解成多个子目标并给出标号,按经纬度无法分解成整格数则进行四舍五入。
具体实施方式
为了更好的说明本发明的目的和优点,下面结合附图和实施例对发明内容做进一步说明。
为了验证方法的可行性,选择观测任务起止时间为2018年7月18日2:00至18日6:00;观测目标区域为(109,116,-20,-13),即四个顶点经纬度为(13N,109E)、(13N,116E)、(20N,116E)、(20N,116E)的区域;载荷需求为可见光相机。
如图1所示,本实施例公开的针对地面区域目标的多星连续观测规划调度方法,包括如下步骤:
步骤一、根据任务起止时间和载荷类型要求,确定可用的卫星资源参数。
任务起止时间为2018年7月18日2:00至18日6:00,载荷类型为可见光相机,获取在任务起止时间内能够用于观测的多个载荷为可见光相机的卫星参数,具体参数见表1。
表1卫星资源参数表
步骤二、根据所有可用卫星的最小幅宽值d对目标区域按经纬度进行网格划分,实现区域目标网格化分解,并给每个子目标编号。
表1中所有卫星的最小观测幅宽为d=200km。
根据式1,式2可计算单位经度差lo=1.88,单位纬度差la=1.80。以单位经度对区域目标的经度进行均分,即进行四舍五入,经度方向分为4个单位。同理,纬度分为4个单位。最后以4行4列的网格分解整个区域,共16个子目标,编号从1至16,如图2所示。
步骤三、根据步骤二区域目标网格化分解后的经纬度和卫星轨道信息,求解每个子目标的可见窗口,并进行窗口融合,得到能够观测一个或多个子目标的可见窗口。
根据表1中卫星的星下点和目标位置计算窗口后,对窗口进行融合,得到窗口时间及目标见下表。
表2融合后的时间窗口及目标集合
步骤四、根据步骤三中得到的融合后可见窗口和步骤一得到的卫星可用资源参数,自动确定种群模型参数,建立多种群模型。
由表1中10个可用卫星资源构建种群,n=10,种群的规模为
popsize=23(n/10+1)=23(10/10+1)=26 (3)
多个种群中的个体总数为popsize,将所述个体平均分为多个子种群,子种群中的个体数为subpopsize,子种群数为subpopnum,n=10为卫星资源所能提供的总载荷数。根据资源规模生成4个种群中个体数为16的子种群。
步骤五、根据步骤四所建立的种群模型参数,定义子种群适应度函数与约束函数,设置每个子种群的适应度与约束的需求值,对每个子种群进行遗传算法求解,得到每个子种群的规划调度方案。
根据步骤四所建立的种群模型参数,并根据任务需要设定适应度函数。在观测问题中,以卫星载荷作为资源,每一个任务的可用卫星资源利用率作为适应度fit。
其中,为所有资源可观测到的特征区域数,n=10为可用资源中的可见窗口总数,v为单个窗口可观测到的区域个数即表2最后一列中数字的个数,v1=11,v2=8,其他星以此类推。为当前方案的可观测区域个数,方案中窗口i未被选择choosei=0,方案中窗口i被选择choosei=1。
根据任务需要设定约束函数。网格化分解后的子目标被两到多颗卫星同时观测的数量与子目标总数的比值为区域同时观测率,将区域同时观测率作为约束函数。观测某一子目标的两个大可见窗口的时间重叠时长占任一窗口60%以上,则该子目标被同时观测。
子种群的约束需求值从0到1均匀分布,分别为0、0.25、0.50、0.75,所有子种群的适应度需求值为0.9,每个子种群进行1500代进化。经过遗传算法求解,得到四个子种群的方案。种群1,适应度为0.83,约束值为0;种群2,适应度为0.89,约束值为0.19;种群3,适应度为0.91,约束值为0.25;种群4,适应度为1,约束值为0.75。
步骤六、根据约束值与适应度自主选择策略在步骤五中产生的每个子种群产生的规划调度方案中选择最优方案。
所有子种群的适应度需求值为0.9,综合规划后子种群的实际适应度与实际约束值,根据自主选择排序策略对所有子种群得到的规划调度方案进行排序,自主选择排序策略具体实现方法为:若两个方案的适应度都达到适应度需求值,规划后实际约束值小的方案排序靠前,若两个方案规划后实际约束值相等,则适应度大的方案排序靠前;若两个方案中存在适应度值小于需求值的方案,则适应度大的方案排序靠前,若适应度都小于需求值且适应度相等,则规划后实际约束值小的方案排序靠前。按此策略对所有子种群产生的方案排序,选择排在首位的规划调度方案。按所述策略对子种群所得方案排序,排序由前到后为:方案3、方案4、方案2、方案1。因此选择子种群3的方案作为规划解。
步骤七、根据步骤六得到的针对地面区域目标的多星连续观测规划调度方案,能够满足持续观测的时长需求和节省卫星资源的需求,以灵活自主的方式较为高效地实现多星区域目标连续观测任务规划调度。
将秒数转换为日期时间,最终规划调度方案见表3。通过规划调度方案可以看出,星12虽然为可用资源,但与其他卫星存在重叠观测,因此可以不使用此星进行观测活动,为后续的观测任务节省资源。
表3地面区域目标多星连续观测最终规划调度方案
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 (9)
1.针对地面区域目标的多星连续观测规划调度方法,其特征在于:包括如下步骤,
步骤一、根据任务的时间和载荷类型的要求,确定可用的卫星资源参数;
步骤二、根据所有可用卫星的最小幅宽值d对区域目标按经纬度进行网格划分,实现区域目标网格化分解,并给每个子区域目标编号;
步骤三、根据步骤二区域目标网格化分解后的经纬度和卫星轨道信息,求解每个子目标的可见窗口,并进行窗口融合,得到能够观测一个或多个子目标的可见窗口;
步骤四、根据步骤三中得到的融合后可见窗口和步骤一得到的卫星可用资源参数,自动确定种群模型参数,建立多种群模型;
步骤五、根据步骤四所建立的种群模型参数,定义子种群适应度函数与约束函数,设置每个子种群的适应度与约束的需求值,对每个子种群进行遗传算法求解,得到每个子种群的规划调度方案;
步骤六、根据约束值与适应度自主选择策略在步骤五中产生的每个子种群产生的规划调度方案中选择最优方案。
2.如权利要求1所述的针对地面区域目标的多星连续观测规划调度方法,其特征在于:还包括步骤七,根据步骤六得到的针对地面区域目标的多星连续观测规划调度方案,实现满足持续观测的时长需求和节省卫星资源的需求,以灵活自主的方式较为高效地实现多星区域目标连续观测任务规划调度。
3.如权利要求1或2所述的针对地面区域目标的多星连续观测规划调度方法,其特征在于:步骤二具体实现方法为,
选择所有可用卫星的最小幅宽值d作为区域网格化分解的边长,区域目标用经纬度表示为[lo1,lo2,la1,la2],区域目标是沿经线和纬线形成的矩形区域,西经和南纬为负,东经和北纬为正,lo1为矩形左边的经度,lo2为矩形右边的经度,la1为上边纬度,la2为下边纬度;对此区域进行网格化分解,按照球面距离d,得到网格分解的单位经度lo和单位纬度la,R为地球半径;
以单位经度和单位纬度将区域分解为多个小矩形区域,大区域经度与单位经度无法整除时,或大区域纬度与单位纬度无法整除时,四舍五入;同样用经纬度[lo1,lo2,la1,la2]表示子目标范围,并给每个子目标一个标号id。
4.如权利要求3所述的针对地面区域目标的多星连续观测规划调度方法,其特征在于:步骤三具体实现方法为,
步骤3.1:根据步骤二区域目标网格化分解后的经纬度和卫星星下点,求解每颗卫星对每个子目标的可见窗口;
步骤3.2:定义卫星对子目标的可见窗口,并将同一颗卫星的所有窗口按开始时间升序排列;
定义卫星i与子目标k的可见窗口为winik=[ts,te],ts为开始时间,te为结束时间,并对同一颗卫星的所有窗口按开始时间升序排列,然后进行窗口融合;
步骤3.3:进行单星窗口融合,得到能够观测一个或多个子目标的可见窗口;
对开始时间前后相邻的两个窗口,前一个窗口的结束时间和当前窗口的开始时间的时间差小于卫星观测准备时间,且合并后总时间小于卫星单次观测最长开机时间,将所述前后相邻的两个窗口合并为一个窗口,定义为大窗口;合并后的窗口为wini=[ts,te,tars],除了开始时间和结束时间外,存储所述大窗口的所有k个可见任务子目标id,即tars=[id0,id1,id2,…,idk];若前一个窗口为win=[t1,t2]已经达到单次观测时长,下一个窗口为win2=[t3,t4],观测间准备时间为T,若t2+T<t3,则不进行处理,两个窗口不融合;若t3≤t2+T≤t4,将窗口2起始时间后移,留出观测转换时间,win2=[t2+T,t4];若t2+T≥t4,说明窗口2与窗口1时间差过短,不足以进行观测准备,舍弃窗口2,检查下一个窗口;对单颗卫星的所有步骤3.1中得到的可见窗口检查完毕,得到此卫星的所有大窗口
步骤3.4:对每颗卫星进行步骤3.3的单星窗口融合,实现多星的窗口融合,即得到能够观测一个或多个子目标的可见窗口。
5.如权利要求4所述的针对地面区域目标的多星连续观测规划调度方法,其特征在于:步骤四具体实现方法为,
根据步骤三中得到的融合后可见窗口和步骤一得到的卫星可用资源参数,将卫星资源以种群的方式表示,并采用遗传算法进行规划调度;每个可能的方案是一个体,每个个体中有一组染色体,每个染色体代表一个载荷,染色体中的基因为可见窗口,最优规划调度方案为实际约束值小于需求约束值的条件下适应度最高的可见窗口组合;多个种群中的个体总数为popsize,将所述个体平均分为多个子种群,子种群中的个体数为subpopsize,子个体数为subpopnum,n卫星资源所能提供的总载荷数;若subpopsize<0.5n则subpopsize=0.5n;
popsize=23(n/10+1) (3)
6.如权利要求5所述的针对地面区域目标的多星连续观测规划调度方法,其特征在于:步骤五具体实现方法为,
根据步骤四所建立的种群模型参数,并根据任务需要设定适应度函数;在观测问题中,以卫星载荷作为资源,每一个任务的可用卫星资源利用率作为适应度fit;
其中,为所有资源可观测到的特征区域数,n为可用资源中的可见窗口总数,v为单个窗口可观测到的区域个数;为当前方案的可观测区域个数,方案中窗口i未被选择choosei=0,方案中窗口i被选择choosei=1;
根据任务需要设定约束函数;网格化分解后的子目标被两到多颗卫星同时观测的数量与子目标总数的比值为区域同时观测率,将区域同时观测率作为约束函数;观测某一子目标的两个大可见窗口的时间重叠时长占任一窗口预设值以上,则该子目标被同时观测;
在约束值的值域范围内,按子种群数均匀取值,给每个子种群赋不同的约束需求值;对子种群进行初始化,选择、交叉、变异,每次进化保留适应度最优的一半个体,以此为基础交叉产生另一半新个体,从而形成一个完整的新种群;设定最高进化代数和适应度需求条件,种群达到最高进化代数或者已经得到满足适应度需求的个体就停止进化,即得到每个子种群的规划调度方案。
7.如权利要求6所述的针对地面区域目标的多星连续观测规划调度方法,其特征在于:步骤六具体实现方法为,
对所有子种群设置同一个适应度需求值,综合规划后子种群的实际适应度与实际约束值,根据自主选择排序策略对所有子种群得到的规划调度方案进行排序,实现对不同资源量的任务的区别处理:对于资源本身不充裕的任务,以满足适应度要求为主,不采用过于严格的同时观测约束;对于资源较为充足的任务,在满足适应度要求的前提下,充分考虑约束,减少资源浪费。
8.如权利要求7所述的针对地面区域目标的多星连续观测规划调度方法,其特征在于:步骤六所述的自主选择排序策略,具体实现方法为:若两个方案的适应度都达到适应度需求值,规划后实际约束值小的方案排序靠前,若两个方案规划后实际约束值相等,则适应度大的方案排序靠前;若两个方案中存在适应度值小于需求值的方案,则适应度大的方案排序靠前,若适应度都小于需求值且适应度相等,则规划后实际约束值小的方案排序靠前;按此策略对所有子种群产生的方案排序,选择排在首位的规划调度方案。
9.如权利要求8所述的针对地面区域目标的多星连续观测规划调度方法,其特征在于:步骤五所述重叠时长占任一窗口预设值以上,选预设值为60%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811331272.4A CN109523025B (zh) | 2018-11-09 | 2018-11-09 | 针对地面区域目标的多星连续观测规划调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811331272.4A CN109523025B (zh) | 2018-11-09 | 2018-11-09 | 针对地面区域目标的多星连续观测规划调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109523025A true CN109523025A (zh) | 2019-03-26 |
CN109523025B CN109523025B (zh) | 2020-07-07 |
Family
ID=65776288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811331272.4A Active CN109523025B (zh) | 2018-11-09 | 2018-11-09 | 针对地面区域目标的多星连续观测规划调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109523025B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612384A (zh) * | 2020-06-23 | 2020-09-01 | 中国人民解放军国防科技大学 | 一种具有时间分辨率约束的多星接力任务规划方法 |
CN111897640A (zh) * | 2020-07-31 | 2020-11-06 | 武汉大学 | 一种面向区域成图的卫星成像任务规划方法及系统 |
CN111913788A (zh) * | 2020-06-19 | 2020-11-10 | 合肥工业大学 | 成像卫星的任务调度方法和系统 |
CN113487221A (zh) * | 2021-07-23 | 2021-10-08 | 中南大学 | 面向动态目标观测的空天异构对地观测资源协同调度方法 |
CN114547847A (zh) * | 2022-01-06 | 2022-05-27 | 贵州师范学院 | 基于平方公里格网系统的遥感卫星数据源解算方法 |
CN116109036A (zh) * | 2023-01-12 | 2023-05-12 | 中国科学院软件研究所 | 区域网格化的多星观测规划方法、装置及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050216324A1 (en) * | 2004-03-24 | 2005-09-29 | Clevor Technologies Inc. | System and method for constructing a schedule that better achieves one or more business goals |
CN104361234A (zh) * | 2014-11-15 | 2015-02-18 | 北京理工大学 | 一种复杂约束条件下多星多任务观测调度优化方法 |
CN108416493A (zh) * | 2018-01-29 | 2018-08-17 | 南京航空航天大学 | 一种考虑偏流角约束的敏捷成像卫星任务规划方法 |
-
2018
- 2018-11-09 CN CN201811331272.4A patent/CN109523025B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050216324A1 (en) * | 2004-03-24 | 2005-09-29 | Clevor Technologies Inc. | System and method for constructing a schedule that better achieves one or more business goals |
CN104361234A (zh) * | 2014-11-15 | 2015-02-18 | 北京理工大学 | 一种复杂约束条件下多星多任务观测调度优化方法 |
CN108416493A (zh) * | 2018-01-29 | 2018-08-17 | 南京航空航天大学 | 一种考虑偏流角约束的敏捷成像卫星任务规划方法 |
Non-Patent Citations (1)
Title |
---|
李耀东: ""多星协同对地观测任务规划技术研究"", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111913788A (zh) * | 2020-06-19 | 2020-11-10 | 合肥工业大学 | 成像卫星的任务调度方法和系统 |
CN111913788B (zh) * | 2020-06-19 | 2022-09-30 | 合肥工业大学 | 成像卫星的任务调度方法和系统 |
CN111612384A (zh) * | 2020-06-23 | 2020-09-01 | 中国人民解放军国防科技大学 | 一种具有时间分辨率约束的多星接力任务规划方法 |
CN111612384B (zh) * | 2020-06-23 | 2023-04-25 | 中国人民解放军国防科技大学 | 一种具有时间分辨率约束的多星接力任务规划方法 |
CN111897640A (zh) * | 2020-07-31 | 2020-11-06 | 武汉大学 | 一种面向区域成图的卫星成像任务规划方法及系统 |
CN111897640B (zh) * | 2020-07-31 | 2024-02-02 | 武汉大学 | 一种面向区域成图的卫星成像任务规划方法及系统 |
CN113487221A (zh) * | 2021-07-23 | 2021-10-08 | 中南大学 | 面向动态目标观测的空天异构对地观测资源协同调度方法 |
CN113487221B (zh) * | 2021-07-23 | 2022-07-15 | 中南大学 | 面向动态目标观测的空天异构对地观测资源协同调度方法 |
CN114547847A (zh) * | 2022-01-06 | 2022-05-27 | 贵州师范学院 | 基于平方公里格网系统的遥感卫星数据源解算方法 |
CN116109036A (zh) * | 2023-01-12 | 2023-05-12 | 中国科学院软件研究所 | 区域网格化的多星观测规划方法、装置及设备 |
CN116109036B (zh) * | 2023-01-12 | 2023-11-07 | 中国科学院软件研究所 | 区域网格化的多星观测规划方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109523025B (zh) | 2020-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109523025A (zh) | 针对地面区域目标的多星连续观测规划调度方法 | |
AU2020102041A4 (en) | Construction and maintenance of satellite-to-ground and inter-satellite laser communication network based on ants colony algorithm | |
CN104361234B (zh) | 一种复杂约束条件下多星多任务观测调度优化方法 | |
CN109214564A (zh) | 一种具有多种规划模式的对地遥感卫星自主任务规划方法 | |
CN109818669A (zh) | 一种基于虚拟化的卫星业务处理方法、系统和存储介质 | |
CN105095643B (zh) | 面向动态环境的成像卫星自主任务规划方法 | |
CN112580906A (zh) | 卫星遥感任务规划与地面资源调度联合求解方法 | |
WO2019127946A1 (zh) | 一种基于学习型遗传算法的多任务多资源滚动分配方法 | |
CN109768822A (zh) | 一种卫星测控资源调度方法及装置 | |
CN108023637B (zh) | 一种同构多星在线协同方法 | |
Sheng et al. | Resource mobility in space information networks: Opportunities, challenges, and approaches | |
CN108717572A (zh) | 基于结构化神经网络的成像任务可调度性预测方法 | |
Yao et al. | Task allocation strategies for cooperative task planning of multi-autonomous satellite constellation | |
CN111861230B (zh) | 一种面向灾害应急的多星协同观测任务规划方法及装置 | |
CN110515708A (zh) | 卫星在轨自主任务规划方法及系统 | |
CN109088667B (zh) | 一种面向简单任务的同构多星在线协同方法 | |
He et al. | Scheduling multiple agile earth observation satellites with an edge computing framework and a constructive heuristic algorithm | |
CN104063748A (zh) | 一种用于解决面向成像卫星的时间依赖型调度问题的算法 | |
CN107045667A (zh) | 测控数传一体化站网资源调度方法 | |
CN109933423A (zh) | 一种协同执行复杂任务的多卫星资源规划方法 | |
CN108566242A (zh) | 一种针对遥感数据传输业务的空间信息网络资源调度系统 | |
Yang et al. | Onboard coordination and scheduling of multiple autonomous satellites in an uncertain environment | |
CN104077634A (zh) | 基于多目标优化的主动-反应式动态项目调度方法 | |
CN109977066A (zh) | 属地智慧应急投送一体机 | |
CN104933473A (zh) | 基于变邻域搜索蚁群算法的城市智能交通调度方法 |
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 |