CN109933842B - 一种基于约束满足遗传算法的移动目标单星任务规划方法 - Google Patents

Abstract

本发明公开了一种基于约束满足遗传算法的移动目标单星任务规划方法，包括以下步骤：首先，根据卫星及被观测目标的模型特性及约束计算可见时间窗口，形成初始任务序列；其次，构建目标函数及遗传算法模型，引入冲突消除算子计算冲突序列；再次，对任务序列进行优化求解，得到满足约束的无冲突任务序列；最后，计算卫星任务观测方案并计算卫星机动角度。本发明能够提高卫星对地观测效率，合理利用有限的卫星资源，完成对移动目标的捕捉观测任务。

Description

一种基于约束满足遗传算法的移动目标单星任务规划方法

技术领域

本发明属于卫星应用领域，尤其涉及一种基于约束满足遗传算法的移动目标单星任务规划方法。

背景技术

利用卫星在太空中对地面进行观测，是目前获取地面信息的重要手段。随着科学技术和航天领域相关技术的发展，由于卫星对地观测分布范围广、时效性强、不受地域与国界限制等优点，而使得各行各业，如军事和经济等领域，对航天技术的需求越来越多。各种各样的卫星、遥感器、中继卫星和地面接收站等相关设施的投入使用，给卫星对地观测任务提供了巨大的便利，以此同时，地面目标复杂程度的提高，对地观测精度要求的提高等也为卫星对地观测任务提出了巨大的挑战。因此，如何最大限度的发挥资源的价值，充分利用各种资源，以获得最大的效益成为卫星任务规划系统中的一个重要课题。

卫星任务规划是根据遥感任务需求，在卫星、遥感器、地面站应用约束及用户需求约束条件下，对卫星资源和地面站资源进行分配，对地面目标的信息获取、处理与传输活动进行调度，制定出最大满足观测需求的资源分配和活动调度的优化方案。卫星任务规划问题十分复杂，包含了很多与特定问题相关的约束，如卫星及载荷使用规则约束，卫星与目标的可见性约束，星载存储器的容量约束，卫星与地面接收站的可见性及数据传输能力约束以及观测任务对图像类型、图像分辨率、日照和云层厚度的要求等。特别是近年来，遥感卫星的灵巧程度不断提高，为给定目标的观测提供了更多选择的机会，这也使得卫星任务规划变得更加复杂，因此，传统的任务规划方法已经不能满足现在对卫星任务规划的要求。国内外学者对优化算法进行了大量研究，提出了如蚁群算法、贪婪算法、遗传算法等求解方法，但现有的技术主要集中在对点目标和区域目标的卫星任务规划上，对观测移动目标的卫星任务规划研究很少，同时在已有的卫星任务规划研究中，大多不考虑复杂约束的情况，对于约束的处理和冲突任务的解决大多采用数据层面的预处理方式解决，这样的解决方式不能高效地和优化算法有机结合，影响求解效果，因此，已不能满足越来越复杂的任务规划需求。

发明内容

本发明的技术解决问题是：克服现有技术的不足，针对移动目标及约束和冲突任务的处理，提供了一种结构简单、执行方便、约束及需求灵活、效率优良的卫星任务规划方法，解决了针对移动目标的单颗敏捷卫星任务规划问题。

本发明的技术解决方案是：一种基于约束满足遗传算法的移动目标单星任务规划方法，具体步骤如下：

第一步，根据卫星及被观测目标的模型特性及约束计算可见时间窗口，形成初始任务序列。

根据卫星模型及移动目标速度v和位置(lat_i，lon_i)，计算卫星对每个移动目标的可见时间窗口w_i＝{[wb_i，wf_i]，target_k}，考虑约束条件，对可见时间窗口进行约束满足计算，计算结果构成初始任务序列W＝{w₁，w₂，…，w_n}，其中lat_i，lon_i分别表示移动目标所在位置的纬度和经度信息，w_i表示第i个可见时间窗口，wb_i和wf_i分别表示该时间窗口的开始时间和结束时间，target_k表示第k个目标。

约束条件如下：

(1)太阳高度角约束，不满足太阳高度角约束条件，超出卫星观测能力范围的观测时间窗口视为无效窗口，该约束用下式进行描述：

式中，

表示第k个目标第i个可见时间窗口时的太阳高度角，

表示满足观测条件的最小太阳高度角，I表示可见时间窗口序号集合，∑表示目标集合。

(2)卫星传感器约束，卫星只带一个传感器，卫星只能进行侧摆和俯仰机动，且一个时间段内只能观测一个有效目标，该约束用下式进行描述：

式中，sensor表示传感器数目，

表示对应的载荷完成活动i所需要侧摆的角度大小，

表示对应的载荷完成活动i所需要俯仰的角度大小，

表示卫星侧摆角度最小值，

表示卫星侧摆角度最大值，

表示卫星俯仰角度最小值，

表示卫星俯仰角度最大值。

(3)综合考虑有效荷载使用约束及卫星平台约束，设定只有可见时间窗口符合大于T_min分钟的任务为有效任务，从而获得最好的观测效果，该约束用下式进行描述：

式中，

表示第n个目标第i个可见时间窗口的总时间，T_min表示最小可见时间窗口时长。

(4)考虑任务需求及卫星任务执行能力，设定最大观测任务数量task_size，该约束用下式进行描述：

tasknum≤task_size

式中，tasknum表示任务序列中总执行任务数。

第二步，构建目标函数及遗传算法模型，引入冲突消除算子计算冲突序列。

首先构建目标函数，目标函数构建采用适应度函数的形式，具体形式如下：

式中，f(i)为任务w_i的适应度函数值，B_i为任务w_i的收益，即规定的权值，C_i定义为：

接着，构建遗传算法模型，包括DNA编码、种群初始化、选择算子、冲突消除算子、交叉算子、变异算子和DNA复制。

DNA编码是遗传算法的基础，采用如下的编码方法：

X＝{x₁，x₂…x_i…x_N}

式中，X为一条DNA序列，x_i为该序列中一个基因位，定义如下：

N表示任务序列即个体的最大个数。

种群初始化采用随机生成方法，保证DNA长度相同及种群数量一定的情况下，随机生成每条DNA，种群大小为pop_size。

选择算子中每个个体被选中的概率与其适应度函数值大小成正比，设群体大小为N，个体pop_i的适应度函数值为f(pop_i)，则个体pop_i被选择的概率为：

在算法中特别设计冲突消除算子，以计算含有冲突不能满足任务规划要求的任务序列，对于初始任务序列W＝{w₁，w₂，…，w_n}，计算时间冲突，生成冲突序列C＝{(m₁，n₁)，(m₂，n₂)，…，(m_k，n_k)}，其中(m_k，n_k)表示一组时间冲突的任务。

交叉算子采用任务级别的单点交叉，设置交叉概率σ，满足交叉概率的个体进行交叉操作。变异算子采用基本位变异，设置变异概率

满足变异概率的个体进行变异操作。DNA复制采取两代竞争方法，每次生成一个子代后，与父代个体进行适应度函数值的比较，更加符合要求的将被保留放入种群之中。

第三步，对任务序列进行优化求解，得到满足约束的无冲突任务序列。

对数据进行数据预处理，以满足优化算法需求：首先对初始任务序列按时间进行排序，其次对初始任务序列进行简单约束筛选，最后对任务进行权值分配，将处理后的数据代入算法模型进行求解。

为了满足约束条件，在选择算子中进行约束计算与处理，并引入冲突消除算子的计算结果，选择出满足约束的无冲突任务。不满足约束的为：(1)淘汰不满足时间约束的个体；(2)淘汰任务执行总个数大于期望执行总个数的个体；(3)淘汰冲突消除算子中的冲突组。通过计算求解，得到最终的可执行的、满足约束且无冲突的任务序列。

第四步，计算卫星任务观测方案并计算卫星机动角度。

计算卫星执行每次观测任务所需的侧摆角及俯仰角，以满足卫星实际观测需求。相关计算如下：

式中，θ为星下点角，

为地心角，

为卫星仰角，R_E为地球半径，H为卫星高度，ρ为地球角半径，γ为卫星观测所需侧摆角，

为卫星观测所需俯仰角，α为移动目标对卫星的方位角，β为移动目标对卫星的仰角。

由此，即可得到卫星任务规划序列及观测所需卫星机动侧摆角和俯仰角。

进一步的，第二步中冲突消除算子的具体方法如下：

进一步的，第二步中交叉算子、变异算子和DNA复制具体方法如下：

进一步的，第三步中淘汰冲突消除算子中的冲突组的具体方法如下：

本发明与现有技术相比的优点在于：

本发明采用约束满足遗传算法进行求解，将问题中的约束以条件形式嵌入遗传算法中，同时，一般的卫星规划方法对于时间冲突任务的处理都是在规划之前单独进行消除，本发明特别设计了冲突消除算子，实现了优化求解和冲突处理的有效结合，显著提高求解效率，并结合卫星参数及对地面目标的几何关系，满足用户需求；本发明的卫星任务规划方法是针对移动目标这一相对点目标及区域目标观测难度更大的群体，设计了相应的观测及任务规划方法；本发明是基于敏捷卫星设计的任务规划方法，满足了复杂任务的观测需求，显著提高观测效率；本发明设计结合了太阳高度角约束等一系列复杂约束，提高了现有任务规划方法对于复杂约束的执行能力及卫星资源利用率。

附图说明

图1为本发明的设计流程图。

图2为应用遗传算法求解卫星规划中DNA编码方式意图。

图3为卫星对地观测姿态角计算中卫星与地面目标的角度关系图。

图4为卫星对地观测姿态角计算中卫星与地面目标关系图。

具体实施方式

本发明所述的一种基于移动目标的敏捷卫星单星任务规划方法步骤为：首先，根据卫星及被观测目标的模型特性及约束计算可见时间窗口，形成初始任务序列；其次，构建目标函数及遗传算法模型，引入冲突消除算子计算冲突序列；再次，对任务序列进行优化求解，得到满足约束的无冲突任务序列；最后，计算卫星任务观测方案并计算卫星机动角度。本发明能够提高卫星对地观测效率，合理利用有限的卫星资源，完成对移动目标的捕捉观测任务。

第一步，根据卫星及被观测目标的模型特性及约束计算可见时间窗口，形成初始任务序列。

根据卫星模型及移动目标速度v和位置(lat_i，lon_i)，计算卫星对每个移动目标的可见时间窗口w_i＝{[wb_i，wf_i]，target_k}，综合考虑多种约束，对可见时间窗口进行约束满足计算，计算结果构成初始任务序列W＝{w₁，w₂，…，w_n}。其中lat_i，lon_i分别表示移动目标所在位置的纬度和经度信息，w_i表示第i个可见时间窗口，wb_i和wf_i分别表示该时间窗口的开始时间和结束时间，target_k表示第k个目标。移动目标可取舰船目标，速度v＝30节。

根据实际情况，主要考虑以下3类约束：

(1)太阳高度角约束，不满足太阳高度角约束条件，超出卫星观测能力范围的观测时间窗口视为无效窗口，该约束可用下式进行描述：

式中，

表示第k个目标第i个可见时间窗口时的太阳高度角，

表示满足观测条件的最小太阳高度角，I表示可见时间窗口序号集合，∑表示目标集合。最小高度角取值范围为

考虑到任务需求，可取

(2)卫星传感器约束，卫星只带一个传感器，卫星只能进行侧摆和俯仰机动，且一个时间段内只能观测一个有效目标，该约束可用下式进行描述：

式中，sensor表示传感器数目，

表示对应的载荷完成活动i所需要侧摆的角度大小，

表示对应的载荷完成活动i所需要俯仰的角度大小，

表示卫星侧摆角度最小值，

表示卫星侧摆角度最大值，

表示卫星俯仰角度最小值，

表示卫星俯仰角度最大值。各参数范围定义如下：

，考虑到任务需求，各参数取值如下：

(3)综合考虑有效荷载使用约束及卫星平台约束，设定只有可见时间窗口符合大于T_min分钟的任务为有效任务，从而获得最好的观测效果，该约束可用下式进行描述：

式中，

表示第n个目标第i个可见时间窗口的总时间。T_min表示最小可见时间窗口时长，取值范围如下：T_min∈(0，∞)，考虑到任务需求，T_min取5min。

(4)考虑任务需求及卫星任务执行能力，设定最大观测任务数量task_size。

该约束可用下式进行描述：

tasknum≤task_size

式中，tasknum表示任务序列中总执行任务数。task_size取值范围如下：task_size∈(0，n)，n为初始任务序列W的长度，考虑到任务需求，task_size取100。

第二步，构建目标函数及遗传算法模型，引入冲突消除算子计算冲突序列。

首先构建目标函数，目标函数构建采用适应度函数的形式，具体形式如下：

式中，f(i)为任务w_i的适应度函数值，B_i为任务w_i的收益(即规定的权值，可以取任意值，如1，10，100等)，C_i定义为：

接着，构建遗传算法模型，包括DNA编码、种群初始化、选择算子、冲突消除算子、交叉算子、变异算子和DNA复制。

DNA编码是遗传算法的基础，采用如下的编码方法：

X＝{x₁，x₂…x_i…x_N}

式中，X为一条DNA序列，x_i为该序列中一个基因位，定义如下：

N表示任务序列即个体的最大个数。

为了保证求解效率，种群初始化采用随机生成方法，保证DNA长度相同及种群数量一定的情况下，随机生成每条DNA。种群大小为pop_size。

选择算子中每个个体被选中的概率与其适应度函数值大小成正比。设群体大小为N，个体pop_i的适应度函数值为f(pop_i)，则个体pop_i被选择的概率为：

在算法中特别设计冲突消除算子，以计算含有冲突不能满足任务规划要求的任务序列。对于初始任务序列W＝{w₁，w₂，…，w_n}，计算时间冲突，生成冲突序列C＝{(m₁，n₁)，(m₂，n₂)，…，(m_k，n_k)}，其中(m_k，n_k)表示一组时间冲突的任务，具体方法如下：

交叉算子采用任务级别的单点交叉，设置交叉概率σ，交叉概率满足范围在0和1之间，例如取0.8，满足交叉概率的个体进行交叉操作。满足交叉概率的个体进行交叉操作。变异算子采用基本位变异，设置变异概率

变异概率满足范围在0和1之间，例如取0.003，满足变异概率的个体进行变异操作。DNA复制采取两代竞争方法，每次生成一个子代后，与父代个体进行适应度函数值的比较，更加符合要求的将被保留放入种群之中。交叉算子、变异算子和DNA复制具体方法如下：

第三步，对任务序列进行优化求解，得到满足约束的无冲突任务序列。

对数据进行数据预处理，以满足优化算法需求。首先对初始任务序列按时间进行排序，其次对初始任务序列进行简单约束筛选，最后对任务进行权值分配。将处理后的数据代入算法模型进行求解。

为了满足约束条件，在选择算子中进行约束计算与处理，并引入冲突消除算子的计算结果，选择出满足约束的无冲突任务。主要有3个方面：(1)淘汰不满足时间约束的个体(2)淘汰任务执行总个数大于期望执行总个数的个体；(3)淘汰冲突消除算子中的冲突组。具体方法如下：

通过计算求解，得到最终的可执行的、满足约束且无冲突的任务序列。

第四步，计算卫星任务观测方案并计算卫星机动角度。

计算卫星执行每次观测任务所需的侧摆角及俯仰角，以满足卫星实际观测需求。相关计算如下：

式中，θ为星下点角，

为地心角，

为卫星仰角，R_E为地球半径，H为卫星高度，ρ为地球角半径，γ为卫星观测所需侧摆角，

为卫星观测所需俯仰角，α为移动目标对卫星的方位角，β为移动目标对卫星的仰角。

由此，即可得到卫星任务规划序列及观测所需卫星机动侧摆角和俯仰角。

尽管为了说明的目的，已描述了本发明的示例性实施方式，但是本领域的技术人员将理解，不脱离所附权利要求中公开的发明的范围和精神的情况下，可以在形式和细节上进行各种修改、添加和替换等的改变，而所有这些改变都应属于本发明所附权利要求的保护范围，并且本发明要求保护的产品各个部门和方法中的各个步骤，可以以任意组合的形式组合在一起。因此，对本发明中所公开的实施方式的描述并非为了限制本发明的范围，而是用于描述本发明。相应地，本发明的范围不受以上实施方式的限制，而是由权利要求或其等同物进行限定。

Claims (2)

1.一种基于约束满足遗传算法的移动目标单星任务规划方法，步骤如下：

第一步，根据卫星及被观测目标的模型特性及约束计算可见时间窗口，形成初始任务序列：

根据卫星模型及移动目标速度v和位置(lat_i,lon_i)，计算卫星对每个移动目标的可见时间窗口w_i＝{[wb_i,wf_i],target_k}，考虑约束条件，对可见时间窗口进行约束满足计算，计算结果构成初始任务序列W＝{w₁,w₂,…,w_n}，其中lat_i,lon_i分别表示移动目标所在位置的纬度和经度信息，w_i表示第i个可见时间窗口，wb_i和wf_i分别表示该时间窗口的开始时间和结束时间，target_k表示第k个目标；

第二步，构建目标函数及遗传算法模型，引入冲突消除算子计算冲突序列：

首先构建目标函数，目标函数构建采用适应度函数的形式，具体形式如下：

式中，f(i)为任务w_i的适应度函数值，B_i为任务w_i的收益，即规定的权值，C_i定义为：

接着，构建遗传算法模型，包括DNA编码、种群初始化、选择算子、冲突消除算子、交叉算子、变异算子和DNA复制；

DNA编码是遗传算法的基础，采用如下的编码方法：

X＝{x₁,x₂…x_i…x_N}

式中，X为一条DNA序列，x_i为该序列中一个基因位，定义如下：

N表示任务序列即个体的最大个数；

种群初始化采用随机生成方法，保证DNA长度相同及种群数量一定的情况下，随机生成每条DNA，种群大小为pop_size；

选择算子中每个个体被选中的概率与其适应度函数值大小成正比，设群体大小为N，个体pop_i的适应度函数值为f(pop_i)，则个体pop_i被选择的概率为：

在算法中特别设计冲突消除算子，以计算含有冲突不能满足任务规划要求的任务序列，对于初始任务序列W＝{w₁,w₂,…,w_n}，计算时间冲突，生成冲突序列C＝{(m₁,n₁),(m₂,n₂),…,(m_k,n_k)}，其中(m_k,n_k)表示一组时间冲突的任务，具体方法如下：

交叉算子采用任务级别的单点交叉，设置交叉概率σ，满足交叉概率的个体进行交叉操作，变异算子采用基本位变异，设置变异概率λ，满足变异概率的个体进行变异操作，DNA复制采取两代竞争方法，每次生成一个子代后，与父代个体进行适应度函数值的比较，更加符合要求的将被保留放入种群之中，交叉算子、变异算子和DNA复制具体方法如下：

第三步，对任务序列进行优化求解，得到满足约束的无冲突任务序列：

对数据进行数据预处理，以满足优化算法需求：首先对初始任务序列按时间进行排序，其次对初始任务序列进行简单约束筛选，最后对任务进行权值分配，将处理后的数据代入算法模型进行求解；

为了满足约束条件，在选择算子中进行约束计算与处理，并引入冲突消除算子的计算结果，选择出满足约束的无冲突任务(1)淘汰不满足时间约束的个体，(2)淘汰任务执行总个数大于期望执行总个数的个体，(3)淘汰冲突消除算子中的冲突组，具体方法如下：

通过计算求解，得到最终的可执行的、满足约束且无冲突的任务序列；

第四步，计算卫星任务观测方案并计算卫星机动角度：

计算卫星执行每次观测任务所需的侧摆角及俯仰角，以满足卫星实际观测需求，计算方法如下：

式中，θ为星下点角，

为地心角，

为卫星仰角，R_E为地球半径，H为卫星高度，ρ为地球角半径，γ为卫星观测所需侧摆角,α为移动目标对卫星的方位角，β为移动目标对卫星的仰角；

由此，即可得到卫星任务规划序列及观测所需卫星机动侧摆角和俯仰角。

2.根据权利要求1所述的任务规划方法，其特征在于：第一步中所述的约束条件如下：

(1)太阳高度角约束，不满足太阳高度角约束条件，超出卫星观测能力范围的观测时间窗口视为无效窗口，该约束用下式进行描述：

式中，

表示第k个目标第i个可见时间窗口时的太阳高度角，

表示满足观测条件的最小太阳高度角，I表示可见时间窗口序号集合，Σ表示目标集合；

(2)卫星传感器约束，卫星只带一个传感器，卫星只能进行侧摆和俯仰机动，且一个时间段内只能观测一个有效目标，该约束用下式进行描述：

式中，sensor表示传感器数目，

表示对应的载荷完成活动i所需要侧摆的角度大小，

表示对应的载荷完成活动i所需要俯仰的角度大小，

表示卫星侧摆角度最小值，

表示卫星侧摆角度最大值，

表示卫星俯仰角度最小值，

表示卫星俯仰角度最大值；

(3)综合考虑有效荷载使用约束及卫星平台约束，设定只有可见时间窗口符合大于T_min分钟的任务为有效任务，从而获得最好的观测效果，该约束用下式进行描述：

式中，

表示第n个目标第i个可见时间窗口的总时间，T_min表示最小可见时间窗口时长；

(4)考虑任务需求及卫星任务执行能力，设定最大观测任务数量task_size，该约束用下式进行描述：

tasknum≤task_size

式中，tasknum表示任务序列中总执行任务数。

Images