CN110362909B - 多目标卫星布局优化设计方法 - Google Patents

多目标卫星布局优化设计方法 Download PDF

Info

Publication number
CN110362909B
CN110362909B CN201910599442.5A CN201910599442A CN110362909B CN 110362909 B CN110362909 B CN 110362909B CN 201910599442 A CN201910599442 A CN 201910599442A CN 110362909 B CN110362909 B CN 110362909B
Authority
CN
China
Prior art keywords
satellite
design
pareto
target
constraint
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
Application number
CN201910599442.5A
Other languages
English (en)
Other versions
CN110362909A (zh
Inventor
陈小前
曹璐
朱效洲
姚雯
常强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Defense Technology Innovation Institute PLA Academy of Military Science
Original Assignee
National Defense Technology Innovation Institute PLA Academy of Military Science
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National Defense Technology Innovation Institute PLA Academy of Military Science filed Critical National Defense Technology Innovation Institute PLA Academy of Military Science
Priority to CN201910599442.5A priority Critical patent/CN110362909B/zh
Publication of CN110362909A publication Critical patent/CN110362909A/zh
Application granted granted Critical
Publication of CN110362909B publication Critical patent/CN110362909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/06Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种多目标卫星布局优化设计方法。该方法包括:对卫星内部的结构和设备进行近似描述,建立卫星布局设计方案的简化结构模型;确定设计约束和设计目标,建立多目标多约束的卫星布局优化设计模型;将多目标多约束的卫星布局优化设计模型分解为多个单目标的卫星布局优化设计模型,并分别对多个单目标的卫星布局优化设计模型进行优化求解;利用帕累托最优理论和正交约束方法,对多个单目标的卫星布局优化设计模型的求解结果进行处理,以获取卫星布局设计方案的智能帕累托解集;确定卫星的最终布局方案。本发明的方法通过构造正交约束将多目标卫星布局优化设计问题转化为单目标卫星布局优化设计问题,能够实现多目标优化算法的设计求解。

Description

多目标卫星布局优化设计方法
技术领域
本发明涉及卫星设计技术领域,具体涉及一种多目标卫星布局优化设计方法。
背景技术
随着空间技术及产业化的迅速发展,卫星设计的要求越来越高;通常为了缩短卫星设计周期、降低研制成本、以及保证卫星设计的可靠性、标准化、系列化和通用化,要求在卫星确定有效载荷和公用平台后,对卫星上的组件进行合理的总体布局。
卫星组件的布局优化设计是卫星总体方案设计的重要内容,现有的卫星组件的布局优化设计方法通过建立一个单目标卫星布局优化设计模型,并设计相应的单目标布局优化算法来对该单目标卫星布局优化设计模型进行求解,以获得一组布局优化结果;工作人员基于获得的布局优化结果,依赖工程经验给出满足要求的一个或几个较优的卫星布局设计方案。但由于卫星布局设计方案利用工程经验给出,无法验证提出的卫星布局设计方案是否为最优方案;并且由于在卫星布局优化设计过程中,需要综合考虑质量特性、热和电磁兼容等多个目标或约束,才能得到一个满足实际工程要求的布局结果,而现有的卫星布局优化设计方法属于单目标的求解方式,是无法实现实际卫星布局问题的综合性求解。
发明内容
为解决上述现有技术中存在的技术问题,本发明提供一种多目标卫星布局优化设计方法。
为此,本发明公开了一种多目标卫星布局优化设计方法,该方法包括:
1)对卫星内部的结构和设备进行近似描述,建立卫星布局设计方案的简化结构模型;
2)基于所述简化结构模型,确定设计约束和设计目标,建立多目标多约束的卫星布局优化设计模型;
3)将所述多目标多约束的卫星布局优化设计模型分解为多个单目标的卫星布局优化设计模型,并分别对多个所述单目标的卫星布局优化设计模型进行优化求解;
4)利用帕累托最优理论和正交约束方法,对多个所述单目标的卫星布局优化设计模型的求解结果进行处理,以获取所述卫星布局设计方案的智能帕累托解集;
5)根据所述卫星布局设计方案的智能帕累托解集,确定所述卫星的最终布局方案。
进一步地,在所述多目标卫星布局优化设计方法中,所述对卫星内部的结构和设备进行近似描述,建立卫星布局设计方案的简化结构模型,包括:
设定卫星舱外壳为圆柱体或立方体,设定卫星组件为圆柱体或立方体,以及设定所述卫星组件质量均匀分布且质心与形心重合;
设定所述卫星组件均安装在所述卫星舱内的承力板上,且不同所述承力板上的所述卫星组件无空间干涉;
基于上述设定,建立卫星布局的三维坐标系O-xyz,将所述承力板的中心作为坐标原点O,将所述承力板的安装面作为xOy面,并使z轴垂直于所述承力板的安装面向上,x轴、y轴和所述z轴构成右手直角坐标系。
进一步地,在所述多目标卫星布局优化设计方法中,所述设计约束包括卫星系统质心误差和卫星系统惯性夹角误差,所述设计目标包括降低卫星整体的转动惯量和提高卫星内部温度场的均匀性。
进一步地,在所述多目标卫星布局优化设计方法中,所述多目标多约束的卫星布局优化设计模型表述为:
Figure BDA0002118786750000021
其中,X表示所述卫星的布局方案,N表示卫星组件总数,(xi,yi)表示卫星组件i的位置坐标,αi表示所述卫星组件i的安装角度,f1(X)表示对应所述卫星整体的转动惯量的目标函数,Jx'表示所述卫星绕着x轴的转动惯量,Jy'表示所述卫星绕着y轴的转动惯量,Jz'表示所述卫星绕着z轴的转动惯量,f2(X)表示所述卫星内部温度场的非均匀性,int(Aij)表示所述卫星组件i和卫星组件j的热有效面积的重叠面积,Nk表示第k个承力板上的卫星组件数目,n表示承力板总数,
Figure BDA0002118786750000022
g1(X)表示卫星组件之间的不干涉约束,ΔVij表示所述卫星组件i和所述卫星组件j之间的干涉量,g2,3(X)表示卫星系统质心约束,(xc,yc)表示所述卫星的真实质心坐标,(xe,ye)表示所述卫星的期望质心坐标,(δxe,δye)表示所允许的所述卫星的最大质心偏差,g4,5,6(X)表示卫星系统惯性夹角约束,(θx'y'z')表示所述卫星绕三个坐标轴方向的惯性夹角,(δθx',δθy',δθz')表示所允许的所述卫星绕三个坐标轴方向的最大惯性夹角。
进一步地,在所述多目标卫星布局优化设计方法中,将所述多目标多约束的卫星布局优化设计模型分解为两个单目标的卫星布局优化设计模型,并利用加速粒子群优化算法分别对两个所述单目标的卫星布局优化设计模型进行优化求解。
进一步地,在所述多目标卫星布局优化设计方法中,所述利用帕累托最优理论和正交约束方法,对多个所述单目标的卫星布局优化设计模型的求解结果进行处理,以获取所述卫星布局设计方案的智能帕累托解集,包括:
a1)分别对多个所述单目标的卫星布局优化设计模型重复运行多次加速粒子群优化算法,将多次加速粒子群优化算法中结果最好的设计目标向量作为定位点,设置一个初始元素为空的智能帕累托解集,将多个所述定位点定为帕累托最优解并将多个所述定位点作为元素存入所述智能帕累托解集;
a2)将多个所述定位点作为帕累托前沿顶点以构造理想近似线;
a3)在所述理想近似线上产生多个均匀分布的帕累托近似点;
a4)移除多个所述帕累托近似点中不符合设定要求的帕累托近似点;
a5)计算剩余的多个所述帕累托近似点中每个帕累托近似点到所有已知的帕累托最优解间的智能距离;
a6)选择位于最大智能距离所对应的帕累托近似点的两侧且相邻的两个帕累托近似点,建立两个线性正交约束,并基于两个所述线性正交约束构建相应的单目标优化问题;
a7)设定动态罚函数,对所述线性正交约束的设计区域进行加权松弛;
a8)利用加速粒子群优化算法对所述单目标优化问题进行求解,以生成帕累托解;
a9)判断所述帕累托解是否属于所述智能帕累托解集,若是,将所述帕累托解作为元素存入所述智能帕累托解集,将所述帕累托解定为帕累托最优解中的一个;若否,删除所述帕累托解;
a10)判断是否有剩余的帕累托近似点可生成帕累托解,若是,返回步骤a2;若否,输出智能帕累托解集。
进一步地,在所述多目标卫星布局优化设计方法中,所述理想近似线利用下述公式2计算:
Figure BDA0002118786750000041
其中,Nj表示理想近似线向量,
Figure BDA0002118786750000042
表示第j个设计目标对应的定位点,
Figure BDA0002118786750000043
表示第n个设计目标对应的定位点,n为设计目标的数量。
进一步地,在所述多目标卫星布局优化设计方法中,所述帕累托近似点利用下述公式3计算获取:
Figure BDA0002118786750000044
其中,Ui表示第i个帕累托近似点,
Figure BDA0002118786750000045
表示标量参数,且满足约束条件:
Figure BDA0002118786750000046
Figure BDA0002118786750000047
进一步地,在所述多目标卫星布局优化设计方法中,设定要求包括:所述帕累托近似点不在设定的限制性区域内,且不在所有已知的帕累托最优解的PIT区域内。
进一步地,在所述多目标卫星布局优化设计方法中,所述相应的单目标优化问题表述为:
Figure BDA0002118786750000048
其中,x表示设计变量向量,xl和xu分别表示对应的设计变量的上下界,μn(x)表示设计目标向量,g(x)和h(x)分别表示不等式约束向量和等式约束向量,Up和Uq分别表示选取的位于最大智能距离所对应的帕累托近似点的两侧且相邻的两个帕累托近似点。
本发明技术方案的主要优点如下:
本发明的多目标卫星布局优化设计方法通过构造正交约束将多目标卫星布局优化设计问题转化为单目标卫星布局优化设计问题,能够实现多目标优化算法的设计求解;且利用正交约束方法对卫星复杂的布局设计空间进行限制,能有效地减少设计搜索空间,增加多目标布局优化算法求解的稳定性;此外,通过设置动态罚函数对正交约束进行处理,能够保证求解单目标卫星布局优化设计问题得到的解均为可行的卫星布局方案。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例的多目标卫星布局优化设计方法的流程图;
图2为本发明一个实施例的卫星布局设计方案的简化结构模型;
图3为本发明一个实施例的定位点及理想近似线的关系示意图;
图4为本发明一个实施例的帕累托近似点与线性正交约束的关系示意图;
图5为本发明一个实施例的动态罚函数的设置示意图;
图6为本发明一个实施例的智能帕累托解集的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
以下结合附图,详细说明本发明实施例提供的技术方案。
如附图1所示,本发明实施例提供了一种多目标卫星布局优化设计方法,该方法包括如下步骤:
1)对卫星内部的结构和设备进行近似描述,建立卫星布局设计方案的简化结构模型;
2)基于简化结构模型,确定设计约束和设计目标,建立多目标多约束的卫星布局优化设计模型;
3)将多目标多约束的卫星布局优化设计模型分解为多个单目标的卫星布局优化设计模型,并分别对多个单目标的卫星布局优化设计模型进行优化求解;
4)利用帕累托最优理论和正交约束方法,对多个单目标的卫星布局优化设计模型的求解结果进行处理,以获取卫星布局设计方案的智能帕累托解集;
5)根据卫星布局设计方案的智能帕累托解集,确定卫星的最终布局方案。
以下对本发明实施例提供的多目标卫星布局优化设计方法的各个步骤及原理进行具体说明。
本发明实施例中,基于现有的卫星的结构特点,如附图2所示,步骤1中对卫星内部的结构和设备进行近似描述,建立卫星布局设计方案的简化结构模型,可以采用如下方式进行:
设定卫星舱外壳为圆柱体或立方体,设定卫星组件为圆柱体或立方体,以及设定卫星组件质量均匀分布且质心与形心重合;
设定卫星组件均安装在卫星舱内的承力板上,且不同承力板上的卫星组件无空间干涉;
基于上述设定,建立卫星布局的三维坐标系O-xyz,将承力板的中心作为坐标原点O,将承力板的安装面作为xOy面,并使z轴垂直于承力板的安装面向上,x轴、y轴和z轴构成右手直角坐标系。
其中,每一个承力板建立一个相对应的三维坐标系。
如此设置,在进行卫星三维布局优化设计时,由于卫星组件只安装在某一个承力板上,在对该承力板上的卫星组件的布局进行研究,只需研究沿z轴方向进行投影后的二维平面布局优化问题,即可将卫星布局的三维布局优化设计问题转化为两个或多个二维平面内的矩形与圆的布局优化问题。
基于上述的卫星布局设计方案的简化结构模型,设计约束例如可以包括卫星系统质心误差和卫星系统惯性夹角误差,设计目标例如可以包括降低卫星整体的转动惯量和提高卫星内部温度场的均匀性。当然,设计约束和设计目标也可以为两个以上,本发明实施例将设计约束和设计目标设定为两个,是用于对本发明实施例提供的多目标卫星布局优化设计方法的具体步骤和原理进行示例说明,并不限定设计约束和设计目标的个数;根据本发明实施例具体提供的针对两个设计约束和两个设计目标的多目标卫星布局优化设计方法,可以得出针对两个以上的设计约束和两个以上的设计目标的多目标卫星布局优化设计方法。
基于上述设定的两个设计约束和两个设计目标,对本发明实施例提供的多目标卫星布局优化设计方法的其余步骤进行具体说明。
在上述设定的设计约束和设计目标下,多目标多约束的卫星布局优化设计模型,即两目标两约束的卫星布局优化设计模型可表述为:
Figure BDA0002118786750000071
其中,X表示卫星的布局方案,N表示卫星组件总数,(xi,yi)表示卫星组件i的位置坐标,αi表示卫星组件i的安装角度,f1(X)表示对应卫星整体的转动惯量的目标函数,Jx'表示卫星绕着x轴的转动惯量,Jy'表示卫星绕着y轴的转动惯量,Jz'表示卫星绕着z轴的转动惯量,f2(X)表示卫星内部温度场的非均匀性,int(Aij)表示卫星组件i和卫星组件j的热有效面积的重叠面积,Nk表示第k个承力板上的卫星组件数目,n表示承力板总数,
Figure BDA0002118786750000072
g1(X)表示卫星组件之间的不干涉约束,ΔVij表示卫星组件i和卫星组件j之间的干涉量,g2,3(X)表示卫星系统质心约束,(xc,yc)表示卫星的真实质心坐标,(xe,ye)表示卫星的期望质心坐标,(δxe,δye)表示所允许的卫星的最大质心偏差,g4,5,6(X)表示卫星系统惯性夹角约束,(θx'y'z')表示卫星绕三个坐标轴方向的惯性夹角,(δθx',δθy',δθz')表示所允许的卫星绕三个坐标轴方向的最大惯性夹角。
进一步地,基于上述设定的设计约束和设计目标,本发明实施例中,可将该多目标多约束的卫星布局优化设计模型分解为两个单目标的卫星布局优化设计模型,并利用加速粒子群优化算法分别对两个单目标的卫星布局优化设计模型进行优化求解。
在完成单目标的卫星布局优化设计模型的优化求解后,利用帕累托最优理论和正交约束方法,对多个单目标的卫星布局优化设计模型的求解结果进行处理,以获取卫星布局设计方案的智能帕累托解集。
本发明实施例中,利用帕累托最优理论和正交约束方法,对多个单目标的卫星布局优化设计模型的求解结果进行处理,以获取卫星布局设计方案的智能帕累托解集,可以包括如下步骤:
a1)分别对多个单目标的卫星布局优化设计模型重复运行多次加速粒子群优化算法,将多次加速粒子群优化算法中结果最好的设计目标向量作为定位点,设置一个初始元素为空的智能帕累托解集,将多个定位点定为帕累托最优解并将多个定位点作为元素存入智能帕累托解集;
具体地,基于上述设定的设计约束和设计目标,可以利用加速粒子群优化算法(APSO)分别对两个目标进行单独的优化求解,每个设计目标可重复运行10次加速粒子群优化算法,而后选取10次算法中结果最好的两个设计目标向量作为定位点;其中,本文中的定位点表示在可行设计域中对应某一个设计目标最小值的设计目标向量。
a2)将多个定位点作为帕累托前沿顶点以构造理想近似线;
具体地,基于上述设定的两个设计目标,连接两个定位点,构造理想近似线;对于两个设计目标以上的优化问题,即n≥3,则构造理想近似面;其中,理想近似线(或者理想近似面)可以利用下述公式2计算:
Figure BDA0002118786750000081
其中,Nj表示理想近似线向量,
Figure BDA0002118786750000082
表示第j个设计目标对应的定位点,
Figure BDA0002118786750000083
表示第n个设计目标对应的定位点,n为设计目标的数量,由此,可以生成n-1条理想近似线。
a3)在理想近似线上产生多个均匀分布的帕累托近似点;
具体地,在理想近似线上产生的帕累托近似点可以利用下述公式3计算获取:
Figure BDA0002118786750000084
其中,Ui表示第i个帕累托近似点,
Figure BDA0002118786750000085
表示标量参数,且满足约束条件:
Figure BDA0002118786750000086
Figure BDA0002118786750000087
n为设计目标的数量。
对应设计目标n=2的情况,定位点、理想近似线和帕累托近似点的关系如附图3所示,图中:三角形标注的点表示定位点μ1*μ2*,黑色实心原点表示帕累托近似点Ui,两个定位点的连线表示理想近似线(utopia line),曲线表示约束线(normal constraint)。
a4)移除多个帕累托近似点中不符合设定要求的帕累托近似点;
具体地,本发明实施例中,设定要求包括:帕累托近似点不在设定的限制性区域内,且不在所有已知的帕累托最优解的PIT区域内。
其中,限制性区域的定义与步骤a9中定义的限制性区域相同;帕累托最优解的PIT(Practically Insignificant Trade-off)区域表示以该帕累托最优解为中心包围成的一个区域,该区域边界上的点到该帕累托最优解的智能距离恒等于1,该区域边界内的点到该帕累托最优解的智能距离均小于1。
智能距离采用如下公式4计算:
s=||Ad||p 0≤p≤2 (公式4)
其中,
Figure BDA0002118786750000091
ai表示第i个设计目标的不重要变化量,ai根据实际的设计情况具体给定,d表示两点间的距离向量,||Ad||p表示向量的p范数,
Figure BDA0002118786750000092
n表示设计目标的数量,p对应PIT区域的形状,p的具体取值根据实际情况自行确定。
a5)计算剩余的多个帕累托近似点中每个帕累托近似点到所有已知的帕累托最优解间的智能距离;
具体地,根据上述的智能距离的计算公式计算剩余的多个帕累托近似点中每个帕累托近似点到所有已知的帕累托最优解间的智能距离。
a6)选择位于最大智能距离所对应的帕累托近似点的两侧且相邻的两个帕累托近似点,建立两个线性正交约束,并基于两个线性正交约束构建相应的单目标优化问题;
具体地,如附图4所示,选择位于最大智能距离所对应的帕累托近似点的两侧且相邻的两个帕累托近似点Up和Uq,建立两个线性正交约束,并基于两个线性正交约束构建相应的单目标优化问题,相应的单目标优化问题(Single-Objective Optimization,SOO)可表述为:
Figure BDA0002118786750000093
其中,x表示设计变量向量,xl和xu分别表示对应的设计变量的上下界,μn(x)表示设计目标向量,g(x)和h(x)分别表示不等式约束向量和等式约束向量,Up和Uq分别表示选取的位于最大智能距离所对应的帕累托近似点的两侧且相邻的两个帕累托近似点,n表示设计目标的数量。
如此设置,通过增加双向的线性正交约束,可以将求解卫星布局优化设计的单目标优化问题所得的帕累托最优解限制在线性正交约束构成的带状的设计区域内,以减少占优解和冗余解的产生。
a7)设定动态罚函数,对线性正交约束的设计区域进行加权松弛;
具体地,本发明实施例中,如附图5所示,在采用双向的线性正交约束来缩小设计区域的同时,设定了一个动态罚函数以对线性正交约束的设计区域进行加权松弛。其中,当设计目标满足双向的线性正交约束时,将动态罚函数的值设置为0;当设计目标不满足双向的线性正交约束时,对设计目标进行惩罚,且设计目标距离带状设计区域越远,则惩罚的力度越大;同时为了保证算法优先优化布局性能指标约束,将动态罚函数的权重值设为一个相对较小的值。如附图5所示,本发明实施例中,动态罚函数采用二次函数的形式,即表述为y=bx2+cx(b>0,c>0),该式中的y表示惩罚后的约束函数值,b和c根据实际情况具体给定,例如可以为:b=1,c=1/2,x指违反双向线性正交约束的程度;其中,y可以直接加到已有的目标函数上,以达成采用罚函数方法来处理约束的目的。
a8)利用加速粒子群优化算法对单目标优化问题进行求解,以生成帕累托解;
具体地,在完成单目标优化问题以及动态罚函数的构建后,利用加速粒子群优化算法对该单目标优化问题进行求解,以生成帕累托解Pi
a9)判断该帕累托解是否属于智能帕累托解集,若是,将该帕累托解作为元素存入智能帕累托解集,将该帕累托解定为帕累托最优解中的一个;若否,删除该帕累托解。
具体地,对于如何判断帕累托解Pi是否属于智能帕累托解集,本发明实施例提供一种判定方式:当新生成的帕累托解Pi属于以下三种情况时,该帕累托解Pi不属于智能帕累托解集;
情况1:该新生成的帕累托解Pi属于已知的智能帕累托解集中的非占优解;
情况2:该新生成的帕累托解Pi位于已知的帕累托最优解的PIT区域内;
此时该新生成的帕累托解Pi属于冗余解;
情况3:该新生成的帕累托解Pi不位于双向的线性正交约束的约束线或约束区域上;
此时,表明在进行该次外的其他次的单目标优化问题的求解时,存在可能生成与该帕累托解Pi相同的解的情况;同时也表明该次的线性双向约束的设计区域内的设计空间是不连续的,此时将该次新生成的帕累托解Pi和双向的线性正交约束的约束线间的区域设置为限制性区域并加以保留。
a10)判断是否有剩余的帕累托近似点可生成帕累托解,若是,返回步骤a2;若否,输出智能帕累托解集。
具体地,若有多余的帕累托近似点可以生成新的帕累托解,则返回步骤a2,再次进行迭代优化求解,以对卫星布局设计方案的智能帕累托解集不断进行补充;若没有多余的帕累托近似点可生成新的帕累托解,输出最终的智能帕累托解集。
进一步地,在完成卫星布局设计方案的智能帕累托解集的求解后,由于智能帕累托解集中的每一个元素(每一个帕累托最优解)都是一个可行的卫星布局设计方案,基于求解得到的智能帕累托解集,即可确定卫星的最终布局方案。基于上述具体设定的设计约束和设计目标,卫星布局设计方案的最终智能帕累托解集如附图6所示。
可见,本发明实施例提供的多目标卫星布局优化设计方法通过构造正交约束将多目标卫星布局优化设计问题转化为单目标卫星布局优化设计问题,能够实现多目标优化算法的设计求解;且利用正交约束方法对卫星复杂的布局设计空间进行限制,能有效地减少设计搜索空间,增加多目标布局优化算法求解的稳定性;此外,通过设置动态罚函数对正交约束进行处理,能够保证求解单目标卫星布局优化设计问题得到的解均为可行的卫星布局方案。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。此外,本文中“前”、“后”、“左”、“右”、“上”、“下”均以附图中表示的放置状态为参照。
最后应说明的是:以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然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;而这些修改或者替换,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 (8)

1.一种多目标卫星布局优化设计方法,其特征在于,所述方法包括:
1)对卫星内部的结构和设备进行近似描述,建立卫星布局设计方案的简化结构模型;
2)基于所述简化结构模型,确定设计约束和设计目标,建立多目标多约束的卫星布局优化设计模型;
3)将所述多目标多约束的卫星布局优化设计模型分解为多个单目标的卫星布局优化设计模型,并分别对多个所述单目标的卫星布局优化设计模型进行优化求解;
4)利用帕累托最优理论和正交约束方法,对多个所述单目标的卫星布局优化设计模型的求解结果进行处理,以获取所述卫星布局设计方案的智能帕累托解集;
5)根据所述卫星布局设计方案的智能帕累托解集,确定所述卫星的最终布局方案;
所述利用帕累托最优理论和正交约束方法,对多个所述单目标的卫星布局优化设计模型的求解结果进行处理,以获取所述卫星布局设计方案的智能帕累托解集,包括:
a1)分别对多个所述单目标的卫星布局优化设计模型重复运行多次加速粒子群优化算法,将多次加速粒子群优化算法中结果最好的设计目标向量作为定位点,设置一个初始元素为空的智能帕累托解集,将多个所述定位点定为帕累托最优解并将多个所述定位点作为元素存入所述智能帕累托解集;
a2)将多个所述定位点作为帕累托前沿顶点以构造理想近似线;
a3)在所述理想近似线上产生多个均匀分布的帕累托近似点;
a4)移除多个所述帕累托近似点中不符合设定要求的帕累托近似点;
a5)计算剩余的多个所述帕累托近似点中每个帕累托近似点到所有已知的帕累托最优解间的智能距离;
a6)选择位于最大智能距离所对应的帕累托近似点的两侧且相邻的两个帕累托近似点,建立两个线性正交约束,并基于两个所述线性正交约束构建相应的单目标优化问题;所述相应的单目标优化问题表述为:
Figure FDA0002404069920000011
其中,x表示设计变量向量,xl和xu分别表示对应的设计变量的上下界,μn(x)表示设计目标向量,g(x)和h(x)分别表示不等式约束向量和等式约束向量,Up和Uq分别表示选取的位于最大智能距离所对应的帕累托近似点的两侧且相邻的两个帕累托近似点;
a7)设定动态罚函数,对所述线性正交约束的设计区域进行加权松弛;
其中,当设计目标满足双向的线性正交约束时,将动态罚函数的值设置为0,当设计目标不满足双向的线性正交约束时,对设计目标进行惩罚,动态罚函数采用二次函数的形式;
a8)利用加速粒子群优化算法对所述单目标优化问题进行求解,以生成帕累托解;
a9)判断所述帕累托解是否属于所述智能帕累托解集,若是,将所述帕累托解作为元素存入所述智能帕累托解集,将所述帕累托解定为帕累托最优解中的一个;若否,删除所述帕累托解;
a10)判断是否有剩余的帕累托近似点可生成帕累托解,若是,返回步骤a2;若否,输出所述智能帕累托解集。
2.根据权利要求1所述的多目标卫星布局优化设计方法,其特征在于,所述对卫星内部的结构和设备进行近似描述,建立卫星布局设计方案的简化结构模型,包括:
设定卫星舱外壳为圆柱体或立方体,设定卫星组件为圆柱体或立方体,以及设定所述卫星组件质量均匀分布且质心与形心重合;
设定所述卫星组件均安装在所述卫星舱内的承力板上,且不同所述承力板上的所述卫星组件无空间干涉;
基于上述设定,建立卫星布局的三维坐标系O-xyz,将所述承力板的中心作为坐标原点O,将所述承力板的安装面作为xOy面,并使z轴垂直于所述承力板的安装面向上,x轴、y轴和所述z轴构成右手直角坐标系。
3.根据权利要求2所述的多目标卫星布局优化设计方法,其特征在于,所述设计约束包括卫星系统质心误差和卫星系统惯性夹角误差,所述设计目标包括降低卫星整体的转动惯量和提高卫星内部温度场的均匀性。
4.根据权利要求3所述的多目标卫星布局优化设计方法,其特征在于,所述多目标多约束的卫星布局优化设计模型表述为:
Figure FDA0002404069920000031
其中,X表示所述卫星的布局方案,N表示卫星组件总数,(xi,yi)表示卫星组件i的位置坐标,αi表示所述卫星组件i的安装角度,f1(X)表示对应所述卫星整体的转动惯量的目标函数,Jx'表示所述卫星绕着x轴的转动惯量,Jy'表示所述卫星绕着y轴的转动惯量,Jz'表示所述卫星绕着z轴的转动惯量,f2(X)表示所述卫星内部温度场的非均匀性,int(Aij)表示所述卫星组件i和卫星组件j的热有效面积的重叠面积,Nk表示第k个承力板上的卫星组件数目,n表示承力板总数,
Figure FDA0002404069920000032
g1(X)表示卫星组件之间的不干涉约束,ΔVij表示所述卫星组件i和所述卫星组件j之间的干涉量,g2,3(X)表示卫星系统质心约束,(xc,yc)表示所述卫星的真实质心坐标,(xe,ye)表示所述卫星的期望质心坐标,(δxe,δye)表示所允许的所述卫星的最大质心偏差,g4,5,6(X)表示卫星系统惯性夹角约束,(θx'y'z')表示所述卫星绕三个坐标轴方向的惯性夹角,(δθx',δθy',δθz')表示所允许的所述卫星绕三个坐标轴方向的最大惯性夹角。
5.根据权利要求4所述的多目标卫星布局优化设计方法,其特征在于,将所述多目标多约束的卫星布局优化设计模型分解为两个单目标的卫星布局优化设计模型,并利用加速粒子群优化算法分别对两个所述单目标的卫星布局优化设计模型进行优化求解。
6.根据权利要求5所述的多目标卫星布局优化设计方法,其特征在于,所述理想近似线利用下述公式2计算:
Figure FDA0002404069920000033
其中,Nj表示理想近似线向量,μj*表示第j个设计目标对应的定位点,μn*表示第n个设计目标对应的定位点,n为设计目标的数量。
7.根据权利要求6所述的多目标卫星布局优化设计方法,其特征在于,所述帕累托近似点利用下述公式3计算获取:
Figure FDA0002404069920000041
其中,Ui表示第i个帕累托近似点,
Figure FDA0002404069920000042
表示标量参数,且满足约束条件:
Figure FDA0002404069920000043
Figure FDA0002404069920000044
8.根据权利要求7所述的多目标卫星布局优化设计方法,其特征在于,设定要求包括:所述帕累托近似点不在设定的限制性区域内,且不在所有已知的帕累托最优解的PIT区域内。
CN201910599442.5A 2019-07-04 2019-07-04 多目标卫星布局优化设计方法 Active CN110362909B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910599442.5A CN110362909B (zh) 2019-07-04 2019-07-04 多目标卫星布局优化设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910599442.5A CN110362909B (zh) 2019-07-04 2019-07-04 多目标卫星布局优化设计方法

Publications (2)

Publication Number Publication Date
CN110362909A CN110362909A (zh) 2019-10-22
CN110362909B true CN110362909B (zh) 2020-04-24

Family

ID=68218137

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910599442.5A Active CN110362909B (zh) 2019-07-04 2019-07-04 多目标卫星布局优化设计方法

Country Status (1)

Country Link
CN (1) CN110362909B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111507032B (zh) * 2020-03-31 2021-09-24 中国人民解放军军事科学院国防科技创新研究院 基于深度学习技术预测温度分布的组件布局优化设计方法
CN111783278B (zh) * 2020-06-04 2023-07-21 中国人民解放军军事科学院国防科技创新研究院 基于多模态分布估计算法的卫星布局优化设计方法
CN111783337B (zh) * 2020-06-28 2023-07-25 中国人民解放军军事科学院国防科技创新研究院 卫星热布局代理模型的超参数优化方法
CN112052517B (zh) * 2020-08-13 2021-12-03 中国人民解放军军事科学院国防科技创新研究院 基于吉布斯原理的组件布局随机采样方法
CN112906286B (zh) * 2021-03-18 2022-10-28 中国人民解放军国防科技大学 基于nsga-ii算法的全方向隐身卫星外形多目标优化方法
CN113098590B (zh) * 2021-04-19 2022-03-04 西安电子科技大学 面向非均匀业务覆盖的卫星星座构型参数优化方法
CN116090109B (zh) * 2023-03-31 2023-08-18 中国人民解放军国防科技大学 航天器组件多样化布局优化方法及系统、设备、存储介质
CN117422610B (zh) * 2023-12-19 2024-03-22 上海卫星互联网研究院有限公司 一种三维模型轻量化方法、装置及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104239981A (zh) * 2014-10-11 2014-12-24 中冶南方工程技术有限公司 一种基于多目标优化算法的能源动态平衡与优化调度方法
CN105069700A (zh) * 2015-08-05 2015-11-18 国网天津市电力公司 一种分层分区的配电网架规划方法
CN107329935A (zh) * 2017-07-11 2017-11-07 沈阳航空航天大学 一种空中态势帕累托攻防策略的求解方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002058086A1 (en) * 2001-01-18 2002-07-25 Taiyo Yuden Co. Ltd. Granular thin magnetic film and method of manufacturing the film, laminated magnetic film, magnetic part, and electronic device
CN101959202B (zh) * 2010-10-07 2013-02-27 西安电子科技大学 基于遗传算法的平流层飞艇布局优化方法
WO2015198286A1 (en) * 2014-06-26 2015-12-30 Consiglio Nazionale Delle Ricerche Method and system for regulating in real time the clock frequencies of at least one cluster of electronic machines
CN108984998B (zh) * 2018-09-29 2022-12-30 深圳市欣顿智能科技有限公司 一种考虑复杂工程约束的卫星布局方案设计方法
CN109871578B (zh) * 2019-01-08 2020-05-05 郑州轻工业学院 一种基于蚁群劳动分工的卫星舱布局方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104239981A (zh) * 2014-10-11 2014-12-24 中冶南方工程技术有限公司 一种基于多目标优化算法的能源动态平衡与优化调度方法
CN105069700A (zh) * 2015-08-05 2015-11-18 国网天津市电力公司 一种分层分区的配电网架规划方法
CN107329935A (zh) * 2017-07-11 2017-11-07 沈阳航空航天大学 一种空中态势帕累托攻防策略的求解方法

Also Published As

Publication number Publication date
CN110362909A (zh) 2019-10-22

Similar Documents

Publication Publication Date Title
CN110362909B (zh) 多目标卫星布局优化设计方法
CN109753743B (zh) 进化-配点混合多目标弹道优化方法及其装置
CN111783278B (zh) 基于多模态分布估计算法的卫星布局优化设计方法
CN110611315B (zh) 一种考虑输配协同的分布式电源最大接入容量计算方法
CN112231839B (zh) 针对高耗时约束的飞行器追峰采样智能探索方法
CN103745116A (zh) 分布式综合模块化航电dima系统评估方法及优化方法
CN116700012B (zh) 一种多智能体的避撞编队合围控制器的设计方法
Shi et al. Layout design of satellite module using a modified artificial bee colony algorithm
CN112046794B (zh) 基于混合高斯模型的固定时间约束的航天器集群控制方法
CN112990549A (zh) 一种空间非合作目标抵近绕飞观测轨迹优化方法
CN117148721A (zh) 一种基于分布式观测器的多飞行器控制受限协同编队方法
CN113657718B (zh) 一种多机器人动态联盟任务分配方法及相关装置
CN114115308A (zh) 一种引力波探测航天器姿态自主规划方法
CN114943168A (zh) 一种水上浮桥组合方法及系统
De Sousa et al. A toll for multidisciplinary design conception of spacecraft equipment layout
Lu et al. Distributed multi-UAV cooperation for path planning by an NTVPSO-ADE algorithm
CN116819637B (zh) 一种引力效应补偿方法及系统
CN111046542A (zh) 一种评估二十面体的le网格计算特性方法及离散方法
CN111368398A (zh) 一种不确定结构电大目标电磁散射特性分析方法及装置
Zhang et al. Multiple UAVs task assignment based on improved dung beetle optimizer
Chen et al. An improved differential evolution with local search for constrained layout optimization of satellite module
Jian et al. Fuel‐Efficient on‐Orbit Service Vehicle Allocation Based on an Improved Discrete Particle Swarm Optimization Algorithm
CN114545979B (zh) 一种基于强化学习的飞行器智能滑模编队控制方法
CN113378441B (zh) 一种可形变表面束缚的共形阵列单元的延迟构造方法
CN116595626A (zh) 航天器仪器舱组件多样化布局的双目标优化方法及系统

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