CN110986963A - 基于姿态信息的航天器多目标在线聚类规划方法 - Google Patents
基于姿态信息的航天器多目标在线聚类规划方法 Download PDFInfo
- Publication number
- CN110986963A CN110986963A CN201911355154.1A CN201911355154A CN110986963A CN 110986963 A CN110986963 A CN 110986963A CN 201911355154 A CN201911355154 A CN 201911355154A CN 110986963 A CN110986963 A CN 110986963A
- Authority
- CN
- China
- Prior art keywords
- clustering
- imaging
- interval
- spacecraft
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/24—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for cosmonautical navigation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Astronomy & Astrophysics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开的基于姿态信息的航天器多目标在线聚类规划方法,属于航天器姿态和任务规划领域。本发明实现方法为:根据航天器观测相机的视场角,确定航天器多目标在线聚类的聚类标准约束,以最佳成像时间为标准,将所有单目标成像区间进行排序,形成的成像区间序列组合,通过聚类标准约束依次确定中心成像区间,通过成像时间约束形成新的中心成像区间序列组合,根据航天器姿态信息约束,基于两点边值扩展法,将中心成像区间和剩余区间进行合并,形成聚类成像区间,所述的聚类成像区间为满足上述约束条件的多次观测的目标区间聚合成能够由航天器一次观测完成的聚类区间。本发明具有速度快,效率高,准确性强,实时性好以及安全性高的优点。
Description
技术领域
本发明涉及基于姿态信息的航天器多目标在线聚类规划方法,适用于航天器观测任务规划方法,属于航天器姿态和任务规划领域。
背景技术
航天器观测任务是通过有效载荷对既定区域或目标进行信息获取,是航天任务中的重要部分。航天器在观测多个目标时,存在一些距离很近的目标,如果对每个目标单独进行处理会产生多个小条带,不仅增大规划阶段的搜索空间,还会造成卫星频繁姿态机动浪费时间。此时,可以对多个观测目标进行目标聚类,将满足相关约束条件的需要多次观测的目标聚合成能够由航天器一次成像完成观测的聚类目标。
而现有的多目标聚类方法,大多是离线模式。在任务规划之前就对目标预先进行聚类,且只考虑了多目标之间的几何位置关系和优先级顺序,忽略了与航天器的相对位置、航天器机动时间间隔以及航天器姿态之间的关系。这时需要设计一种在线聚类方法,不仅考虑目标之间的几何位置关系和优先级顺序,也考虑观测条带间隔和目标与航天器之间的姿态关系,能够较好的处理航天器观测任务过程中的机动时间限制、单次成像时间限制、航天器的侧摆角约束等多种约束。
在实际观测任务中,在线多目标聚类可以减少航天器载荷由于频繁地姿态机动而消耗的能源和时间。对于一些离线聚类无法处理的目标,可以通过在线多目标聚类对它们一起进行观测,使航天器可以观测到更多的目标,有效地提高观测任务中航天器对目标的观测效率。
发明内容
针对航天器观测任务规划问题,本发明公开的基于姿态信息的航天器多目标在线聚类规划方法要解决的技术问题是:根据多目标之间的姿态空间位置关系和优先级顺序,考虑观测任务中的相机的幅宽和目标与航天器之间的姿态关系等多种约束,将满足相关约束条件的多次观测的目标区间聚合成能够由航天器一次观测完成的聚类区间,所述相关约束条件包括聚类标准约束、成像时间约束、姿态信息约束。即通过聚类标准约束考虑实际观测任务中成像区间条带宽度,实现相机参数到聚类参数的有效转化,符合实际任务情况,准确性高;通过成像时间约束充分考虑航天器轨道信息和观测条带间隔,符合实际观测任务情况,提高多目标聚类的实时性和准确性;通过姿态信息约束充分考虑航天器姿态信息和侧摆姿态角约束,符合实际观测任务情况,提高多目标聚类的准确性和安全性。
本发明的目的是通过下述技术方案实现的:
本发明公开的基于姿态信息的航天器多目标在线聚类规划方法,根据航天器观测相机的视场角,确定航天器多目标在线聚类的聚类标准约束,以最佳成像时间为标准,将所有单目标成像区间进行排序,形成的成像区间序列组合,通过聚类标准约束依次确定中心成像区间,通过成像时间约束形成新的中心成像区间序列组合,根据航天器姿态信息约束,基于两点边值扩展法,将中心成像区间和剩余区间进行合并,形成聚类成像区间,所述的聚类成像区间为满足上述约束条件的多次观测的目标区间聚合成能够由航天器一次观测完成的聚类区间。本发明具有速度快,效率高,准确性强,实时性好以及安全性高的优点。
本发明公开的基于姿态信息的航天器多目标在线聚类规划方法,包括如下步骤:
步骤一:根据航天器观测相机的视场角,确定航天器多目标在线聚类的聚类标准约束。
根据航天器观测相机的视场角theta,得出多目标在线聚类的聚类宽度T,确定航天器多目标在线聚类的聚类标准约束:
其中,b为航天器相对于轨道的转动系数,a是航天器的轨道半长轴,r是航天器环绕星体的球面半径。
即得出航天器多目标在线聚类的聚类标准约束为:侧摆角之差在theta以内以及最佳成像时刻之差在T以内,满足以上条件的所有成像区间能够聚类合并成为新的聚类区间。
步骤二:以最佳成像时间为标准,将所有单目标成像区间进行排序,形成的成像区间序列组合。
以最佳成像时间为标准,按照从小到大的顺序,将所有单目标成像区间进行排序,形成的成像区间序列组合。
步骤三:基于步骤一确定的航天器多目标在线聚类的聚类标准约束,通过聚类标准约束和目标优先级依次确定中心成像区间,将所有中心成像区间按照最佳成像时刻和条带间隔排序形成新的中心成像区间序列组合以及剩余成像区间序列组合。所述最佳成像时刻和条带间隔排序即为成像时间约束。
基于步骤一确定的多目标在线聚类的聚类宽度T,从当前成像区间序列组合中,选出每个聚类宽度内的中心成像区间。单个聚类宽度内,优先级最高的区间为中心成像区间,若优先级相同,最靠近聚类中心的区间为中心成像区间。
其中,tc为当前成像区间与聚类中心的距离,Ti是当前成像区间最佳成像时间,Ta是当前聚类区间的开始成像时间。
将所有中心成像区间按照最佳成像时刻排序,形成新的中心成像区间序列组合以及剩余成像区间序列组合。
步骤四:根据航天器姿态信息约束,基于两点边值扩展法,将步骤三得到的中心成像区间和剩余区间进行合并,形成聚类成像区间。
多目标在线聚类时,最佳成像时间区间代表的是目标之间沿轨道方向的距离,侧摆姿态角代表的是沿轨道法向方向的距离。所以,多目标聚类不仅要考虑最佳成像时间,还要考虑航天器姿态信息。
在航天器观测多目标的过程中,由于航天器的相机向前推扫形成多条条带,每个条带夹角为theta,条带中存在包括多个观测目标的情况,此时根据姿态信息侧摆角度差进行合并。若以中心成像区间向两边合并,会出现遗漏临界目标点的情况。
为了防止出现遗漏临界目标点问题,实现最大化多目标聚类,通过两点边值扩展法将步骤三得到的中心成像区间和附近区间进行合并,形成聚类成像区间,具体实现方法如下:
首先,以中心成像区间的侧摆姿态角为侧摆中心点,前后扩展形成侧摆区间的两点边值。
其中,theta1为侧摆区间的起始点边值,theta2为侧摆区间的终止点边值,thetac为中心成像区间的侧摆姿态角。
然后,判断附近区间的中心侧摆点是否位于当前侧摆区间的两点边值以内,若在内部,则更新当前侧摆中心点,同时扩展两点边值,否则将附近区间放入新的剩余区间序列组合,对所有附近区间重复当前步骤。
其中,thetac1为更新后的当前侧摆中心点,theta0为附近区间的侧摆中心点。
而侧摆中心点的变化范围为初始中心成像区间的侧摆姿态角thetac的前后条带夹角的一半,即[thetac-theta/2,thetac+theta/2]。若更新后的侧摆中心点超过该范围,则该次更新无效,还原上一步侧摆中心点,并将附近区间放入新的剩余区间序列组合。
不断通过两点边值法扩展新的聚类区间,形成新的聚类区间序列组合以及剩余成像区间序列组合。
步骤五:通过步骤一的聚类标准约束对步骤二的成像区间进行排序,形成步骤三的中心成像区间,在步骤四中根据航天器姿态信息将步骤三得到的中心成像区间和剩余区间进行合并形成便于观测的聚类成像区间,所述的便于观测的聚类成像区间为满足相关约束条件的多次观测的目标区间聚合成能够由航天器一次观测完成的聚类区间。所述相关约束条件包括聚类标准约束、成像时间约束、姿态信息约束。即通过聚类标准约束充分考虑实际观测任务中成像区间条带宽度,实现相机参数到聚类参数的有效转化,符合实际任务情况,准确性高;通过成像时间约束充分考虑航天器轨道信息和观测条带间隔,符合实际观测任务情况,提高多目标聚类的实时性和准确性;通过姿态信息约束充分考虑航天器姿态信息和侧摆姿态角约束,符合实际观测任务情况,提高多目标聚类的准确性和安全性。
通过步骤一的聚类标准约束对步骤二的成像区间进行排序,形成步骤三的中心成像区间,在步骤四中根据航天器姿态信息将步骤三得到的中心成像区间和剩余区间进行合并形成便于观测的聚类成像区间,所述的便于观测的聚类成像区间为满足相关约束条件的多次观测的目标区间聚合成能够由航天器一次观测完成的聚类区间。所述相关约束条件包括聚类标准约束、成像时间约束、姿态信息约束。
通过聚类标准约束充分考虑实际观测任务中成像区间条带宽度,实现相机参数到聚类参数的有效转化,符合实际任务情况,准确性高;通过成像时间约束充分考虑航天器轨道信息和观测条带间隔,符合实际观测任务情况,提高多目标聚类的实时性和准确性;通过姿态信息约束充分考虑航天器姿态信息和侧摆姿态角约束,符合实际观测任务情况,提高多目标聚类的准确性和安全性。
有益效果:
1、本发明公开的基于姿态信息的航天器多目标在线聚类规划方法,根据航天器观测相机的视场角,确定航天器多目标在线聚类的聚类标准约束,充分考虑实际观测任务中成像区间条带聚类宽度,实现相机参数到聚类参数的有效转化,符合实际任务情况,准确性高。
2、本发明公开的基于姿态信息的航天器多目标在线聚类规划方法,不同于只考虑经纬度的离线聚类,用最佳成像时间区间代表目标之间沿轨道方向的距离,以最佳成像时间区间为标准,进行在线聚类排序,充分考虑航天器轨道信息和观测条带间隔,符合实际观测任务情况,提高多目标聚类的实时性和准确性。
3、本发明公开的基于姿态信息的航天器多目标在线聚类规划方法,考虑航天器姿态信息,用侧摆姿态角代表目标之间沿轨道法向方向的距离,以侧摆姿态角为标准将目标进行在线聚类,充分考虑航天器姿态信息和侧摆姿态角约束,符合实际观测任务情况,提高多目标聚类的准确性和安全性。
4、本发明公开的基于姿态信息的航天器多目标在线聚类规划方法,采用两点边值的思想最大化聚类目标,使聚类区间可以包含更多的目标,得到聚类后的航天器成像区间,具有效率高,速度快,安全性高的优点。本发明在航天器观测任务和航天器规划领域中有很好的应用前景。
附图说明
图1是航天器传统观测遗漏临界目标点情况示意图;
图2是基于姿态信息的航天器多目标在线聚类规划方法总体流程图。
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。
为了验证方法的可行性,设置航天器轨道初始时间为2020年1月1日,初始仿真时长为1轨,航天器最大允许侧摆角为47度,视场角15.6度,成像条带时长为10s,半长轴为7471.23km,偏心率为0,轨道倾角为63.4度,近地点幅角、升交点赤经和平近点角都为0,共有101个目标点。
如图2所示,本实施例公开的基于姿态信息的航天器多目标在线聚类规划方法,包括如下步骤:
步骤一:根据航天器观测相机的视场角,确定航天器多目标在线聚类的聚类标准约束。
根据航天器观测相机的视场角15.6度,得出多目标在线聚类的聚类宽度T,确定航天器多目标在线聚类的聚类标准约束:
其中,b为航天器相对于轨道的转动系数0.133,a是航天器的轨道半长轴7471.23km,r是航天器环绕星体的球面半径6371km。
得出航天器多目标在线聚类的聚类标准约束为,侧摆角之差在15.6度以内以及最佳成像时刻之差在20s以内,满足以上条件的所有成像区间可以聚类合并成为一个新的聚类区间。
步骤二:以最佳成像时间为标准,将所有单目标成像区间进行排序,形成的成像区间序列组合。
以最佳成像时间为标准,按照从小到大的顺序,将所有单目标成像区间进行排序,形成的成像区间序列组合,具体参数见表1。
表1单目标成像区间序列组合
从表中可以看出,101个目标经过观测后只有64个目标可以被观测到,下面对这64个目标区间进行聚类。
步骤三:基于步骤一确定的航天器多目标在线聚类的聚类标准约束,通过聚类标准约束和目标优先级依次确定中心成像区间,将所有中心成像区间按照最佳成像时刻和条带间隔排序形成新的中心成像区间序列组合以及剩余成像区间序列组合。所述最佳成像时刻和条带间隔排序即为成像时间约束。
基于步骤一确定的多目标在线聚类的聚类宽度20s,从当前成像区间序列组合中,选出每个聚类宽度内的中心成像区间。单个聚类宽度内,优先级最高的区间为中心成像区间,若优先级相同,最靠近聚类中心的区间为中心成像区间。
其中,tc为当前成像区间与聚类中心的距离,Ti是当前成像区间最佳成像时间,Ta是当前聚类区间的开始成像时间。
将所有中心成像区间按照最佳成像时刻排序,形成新的中心成像区间序列组合以及剩余成像区间序列组合。
步骤四:考虑航天器姿态信息,基于两点边值扩展法,将步骤三得到的中心成像区间和附近区间进行合并,形成聚类成像区间。
多目标在线聚类时,最佳成像时间区间代表的是目标之间沿轨道方向的距离,侧摆姿态角代表的是沿轨道法向方向的距离。所以,多目标聚类不仅要考虑最佳成像时间,还要考虑航天器姿态信息。
在航天器观测多目标的过程中,由于航天器的相机向前推扫形成多条条带,每个条带夹角为15.6度,条带中可能包括多个观测目标,这时根据姿态信息侧摆角度差进行合并。若以中心成像区间向两边合并,会出现遗漏临界目标点的情况,具体示意图如图1。
为了防止出现遗漏临界目标点问题,实现最大化多目标聚类,通过两点边值扩展法将步骤三得到的中心成像区间和附近区间进行合并,形成聚类成像区间,具体实现方法如下:
首先,以中心成像区间的侧摆姿态角为侧摆中心点,前后扩展形成侧摆区间的两点边值。
其中,theta1为侧摆区间的起始点边值,theta2为侧摆区间的终止点边值,即theta1和theta215.6度,thetac为中心成像区间的侧摆姿态角。
然后,判断附近区间的中心侧摆点是否位于当前侧摆区间的两点边值以内,若在内部,则更新当前侧摆中心点,同时扩展两点边值,否则将附近区间放入新的剩余区间序列组合,对所有附近区间重复当前步骤。
其中,thetac1为更新后的当前侧摆中心点,theta0为附近区间的侧摆中心点。
而侧摆中心点的变化范围为初始中心成像区间的侧摆姿态角thetac的前后条带夹角的一半,即[thetac-7.8,thetac+7.8]。若更新后的侧摆中心点超过该范围,则该次更新无效,还原上一步侧摆中心点,并将附近区间放入新的剩余区间序列组合。
不断通过两点边值扩展新的聚类区间,形成新的聚类区间序列组合以及剩余成像区间序列组合。
步骤五:通过步骤一的聚类标准约束对步骤二的成像区间进行排序,形成步骤三的中心成像区间,在步骤四中根据航天器姿态信息将步骤三得到的中心成像区间和剩余区间进行合并形成便于观测的聚类成像区间,所述的便于观测的聚类成像区间为满足相关约束条件的多次观测的目标区间聚合成能够由航天器一次观测完成的聚类区间。所述相关约束条件包括聚类标准约束、成像时间约束、姿态信息约束。即通过聚类标准约束充分考虑实际观测任务中成像区间条带宽度,实现相机参数到聚类参数的有效转化,符合实际任务情况,准确性高;通过成像时间约束充分考虑航天器轨道信息和观测条带间隔,符合实际观测任务情况,提高多目标聚类的实时性和准确性;通过姿态信息约束充分考虑航天器姿态信息和侧摆姿态角约束,符合实际观测任务情况,提高多目标聚类的准确性和安全性。
通过步骤一的聚类标准约束对步骤二的成像区间进行排序,形成步骤三的中心成像区间,在步骤四中根据航天器姿态信息将步骤三得到的中心成像区间和剩余区间进行合并形成便于观测的聚类成像区间,所述的便于观测的聚类成像区间为满足相关约束条件的多次观测的目标区间聚合成能够由航天器一次观测完成的聚类区间。所述相关约束条件包括聚类标准约束、成像时间约束、姿态信息约束。得到多目标在线聚类后的航天器聚类成像区间,具体参数见表2,至此完成基于姿态信息的航天器多目标在线聚类规划。
表2多目标在线聚类后航天器聚类成像区间
在表2中,64个目标最后形成27个聚类区间,相同的区间代号表示为同一个聚类区间内的目标,看出得到聚类后的航天器成像区间,实现航天器多目标在线聚类。通过聚类标准约束充分考虑实际观测任务中成像区间条带宽度,实现相机参数到聚类参数的有效转化,符合实际任务情况,准确性高;通过成像时间约束充分考虑航天器轨道信息和观测条带间隔,符合实际观测任务情况,提高多目标聚类的实时性和准确性;通过姿态信息约束充分考虑航天器姿态信息和侧摆姿态角约束,符合实际观测任务情况,提高多目标聚类的准确性和安全性。
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 (6)
1.基于姿态信息的航天器多目标在线聚类规划方法,其特征在于:包括如下步骤,
步骤一:根据航天器观测相机的视场角,确定航天器多目标在线聚类的聚类标准约束;
步骤二:以最佳成像时间为标准,将所有单目标成像区间进行排序,形成的成像区间序列组合;
步骤三:基于步骤一确定的航天器多目标在线聚类的聚类标准约束,通过聚类标准约束和目标优先级依次确定中心成像区间,将所有中心成像区间按照最佳成像时刻和条带间隔排序形成新的中心成像区间序列组合以及剩余成像区间序列组合;所述最佳成像时刻和条带间隔排序即为成像时间约束;
步骤四:根据航天器姿态信息约束,基于两点边值扩展法,将步骤三得到的中心成像区间和剩余区间进行合并,形成聚类成像区间;
步骤五:通过步骤一的聚类标准约束对步骤二的成像区间进行排序,形成步骤三的中心成像区间,在步骤四中根据航天器姿态信息将步骤三得到的中心成像区间和剩余区间进行合并形成便于观测的聚类成像区间,所述的便于观测的聚类成像区间为满足相关约束条件的多次观测的目标区间聚合成能够由航天器一次观测完成的聚类区间;所述相关约束条件包括聚类标准约束、成像时间约束、姿态信息约束;即通过聚类标准约束充分考虑实际观测任务中成像区间条带宽度,实现相机参数到聚类参数的有效转化,符合实际任务情况,准确性高;通过成像时间约束充分考虑航天器轨道信息和观测条带间隔,符合实际观测任务情况,提高多目标聚类的实时性和准确性;通过姿态信息约束充分考虑航天器姿态信息和侧摆姿态角约束,符合实际观测任务情况,提高多目标聚类的准确性和安全性。
3.如权利要求2所述的基于姿态信息的航天器多目标在线聚类规划方法,其特征在于:步骤二具体实现方法为,
以最佳成像时间为标准,按照从小到大的顺序,将所有单目标成像区间进行排序,形成的成像区间序列组合。
5.如权利要求4所述的基于姿态信息的航天器多目标在线聚类规划方法,其特征在于:步骤四具体实现方法为,
多目标在线聚类时,最佳成像时间区间代表的是目标之间沿轨道方向的距离,侧摆姿态角代表的是沿轨道法向方向的距离;所以,多目标聚类不仅要考虑最佳成像时间,还要考虑航天器姿态信息;
在航天器观测多目标的过程中,由于航天器的相机向前推扫形成多条条带,每个条带夹角为theta,条带中存在包括多个观测目标的情况,此时根据姿态信息侧摆角度差进行合并;若以中心成像区间向两边合并,会出现遗漏临界目标点的情况;
为了防止出现遗漏临界目标点问题,实现最大化多目标聚类,通过两点边值扩展法将步骤三得到的中心成像区间和附近区间进行合并,形成聚类成像区间,具体实现方法如下:
首先,以中心成像区间的侧摆姿态角为侧摆中心点,前后扩展形成侧摆区间的两点边值;
其中,theta1为侧摆区间的起始点边值,theta2为侧摆区间的终止点边值,thetac为中心成像区间的侧摆姿态角;
然后,判断附近区间的中心侧摆点是否位于当前侧摆区间的两点边值以内,若在内部,则更新当前侧摆中心点,同时扩展两点边值,否则将附近区间放入新的剩余区间序列组合,对所有附近区间重复当前步骤;
其中,thetac1为更新后的当前侧摆中心点,theta0为附近区间的侧摆中心点;
而侧摆中心点的变化范围为初始中心成像区间的侧摆姿态角thetac的前后条带夹角的一半,即[thetac-theta/2,thetac+theta/2];若更新后的侧摆中心点超过该范围,则该次更新无效,还原上一步侧摆中心点,并将附近区间放入新的剩余区间序列组合;
不断通过两点边值法扩展新的聚类区间,形成新的聚类区间序列组合以及剩余成像区间序列组合。
6.如权利要求5所述的基于姿态信息的航天器多目标在线聚类规划方法,其特征在于:步骤五具体实现方法为,
通过步骤一的聚类标准约束对步骤二的成像区间进行排序,形成步骤三的中心成像区间,在步骤四中根据航天器姿态信息将步骤三得到的中心成像区间和剩余区间进行合并形成便于观测的聚类成像区间,所述的便于观测的聚类成像区间为满足相关约束条件的多次观测的目标区间聚合成能够由航天器一次观测完成的聚类区间;所述相关约束条件包括聚类标准约束、成像时间约束、姿态信息约束;
通过聚类标准约束充分考虑实际观测任务中成像区间条带宽度,实现相机参数到聚类参数的有效转化,符合实际任务情况,准确性高;通过成像时间约束充分考虑航天器轨道信息和观测条带间隔,符合实际观测任务情况,提高多目标聚类的实时性和准确性;通过姿态信息约束充分考虑航天器姿态信息和侧摆姿态角约束,符合实际观测任务情况,提高多目标聚类的准确性和安全性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911355154.1A CN110986963B (zh) | 2019-12-25 | 2019-12-25 | 基于姿态信息的航天器多目标在线聚类规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911355154.1A CN110986963B (zh) | 2019-12-25 | 2019-12-25 | 基于姿态信息的航天器多目标在线聚类规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110986963A true CN110986963A (zh) | 2020-04-10 |
CN110986963B CN110986963B (zh) | 2021-06-15 |
Family
ID=70075349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911355154.1A Active CN110986963B (zh) | 2019-12-25 | 2019-12-25 | 基于姿态信息的航天器多目标在线聚类规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110986963B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861230A (zh) * | 2020-07-24 | 2020-10-30 | 二十一世纪空间技术应用股份有限公司 | 一种面向灾害应急的多星协同观测任务规划方法及装置 |
CN112241177A (zh) * | 2020-11-06 | 2021-01-19 | 北京理工大学 | 基于时间线状态路标的启发式航天器任务规划方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034858A (zh) * | 2012-11-30 | 2013-04-10 | 宁波大学 | 一种卫星云图的二次聚类分割方法 |
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 |
CN107643530A (zh) * | 2017-08-16 | 2018-01-30 | 苏州阿清智能科技有限公司 | 一种基于数据聚类的卫星信号处理及跟踪方法 |
CN107765228A (zh) * | 2017-09-29 | 2018-03-06 | 西安电子科技大学 | 一种基于区域相似性的在线雷达目标检测方法 |
WO2018064496A1 (en) * | 2016-09-30 | 2018-04-05 | Jeffrey Freedman | Providing communications coverage using hybrid analog/digital beamforming |
CN109708648A (zh) * | 2018-11-27 | 2019-05-03 | 上海航天控制技术研究所 | 一种空间运动点目标的分类辨识方法 |
-
2019
- 2019-12-25 CN CN201911355154.1A patent/CN110986963B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034858A (zh) * | 2012-11-30 | 2013-04-10 | 宁波大学 | 一种卫星云图的二次聚类分割方法 |
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 |
WO2018064496A1 (en) * | 2016-09-30 | 2018-04-05 | Jeffrey Freedman | Providing communications coverage using hybrid analog/digital beamforming |
CN107643530A (zh) * | 2017-08-16 | 2018-01-30 | 苏州阿清智能科技有限公司 | 一种基于数据聚类的卫星信号处理及跟踪方法 |
CN107765228A (zh) * | 2017-09-29 | 2018-03-06 | 西安电子科技大学 | 一种基于区域相似性的在线雷达目标检测方法 |
CN109708648A (zh) * | 2018-11-27 | 2019-05-03 | 上海航天控制技术研究所 | 一种空间运动点目标的分类辨识方法 |
Non-Patent Citations (4)
Title |
---|
GUOHUA WU等: "A two-phase scheduling method with the consideration of task clustering for earth observing satellites", 《COMPUTERS &OPERATIONSRESEARCH》 * |
KAN LI等: "Combining the Self-adaptive Neural Network and Support Vector Machine for Online Clustering and Image Segmentation", 《FOURTH INTERNATIONAL WORKSHOP ON ADVANCED COMPUTATIONAL INTELLIGENCE》 * |
李志亮等: "敏捷卫星任务规划问题研究现状与展望", 《装备学院学报》 * |
陈黄科等: "基于目标空间划分的自适应多目标进化算法 ", 《软件学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861230A (zh) * | 2020-07-24 | 2020-10-30 | 二十一世纪空间技术应用股份有限公司 | 一种面向灾害应急的多星协同观测任务规划方法及装置 |
CN111861230B (zh) * | 2020-07-24 | 2023-11-28 | 二十一世纪空间技术应用股份有限公司 | 一种面向灾害应急的多星协同观测任务规划方法及装置 |
CN112241177A (zh) * | 2020-11-06 | 2021-01-19 | 北京理工大学 | 基于时间线状态路标的启发式航天器任务规划方法 |
CN112241177B (zh) * | 2020-11-06 | 2021-11-23 | 北京理工大学 | 基于时间线状态路标的启发式航天器任务规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110986963B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109214564B (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 | |
CN110986963B (zh) | 基于姿态信息的航天器多目标在线聚类规划方法 | |
Ali et al. | Cooperative path planning of multiple UAVs by using max–min ant colony optimization along with cauchy mutant operator | |
CN110617818A (zh) | 一种无人机航迹生成方法 | |
CN108614420B (zh) | 基于非线性规划的星簇级卫星容错控制方法 | |
CN112016187B (zh) | 一种基于混合动力的近地小行星交会任务轨道优化方法 | |
CN110926485B (zh) | 一种基于直线特征的移动机器人定位方法及系统 | |
CN110733667A (zh) | 地月平动点轨道间转移设计方法 | |
CN109871031A (zh) | 一种固定翼无人机的轨迹规划方法 | |
CN110550240B (zh) | 多星合作博弈的拦截方法 | |
CN110619452A (zh) | 用于卫星星群的地面移动目标自动跟踪任务规划方法及系统 | |
CN108613655B (zh) | 一种敏捷卫星机动中沿斜条带成像的姿态调整方法 | |
CN112130582A (zh) | 一种多智能体编队形成方法 | |
CN110399652B (zh) | 基于运动伪装的航天器隐蔽机动轨迹设计方法 | |
CN111102982B (zh) | 高轨目标的抵近方法 | |
CN113788166A (zh) | 基于空间物体轨道误差的差速拦截跟踪方法 | |
CN116203835A (zh) | 一种基于脉冲推力的航天器轨道追逃博弈方法 | |
CN105279585A (zh) | 一种geo卫星群的多对多在轨加注任务规划方法 | |
CN112990549B (zh) | 一种空间非合作目标抵近绕飞观测轨迹优化方法 | |
CN113859584A (zh) | 一种漂旋目标分布式接管的抵近轨迹规划方法 | |
CN113093246A (zh) | 地面多目标点成像快速判定及任务参数计算方法 | |
CN111121779B (zh) | 一种无人机所处飞行区域的实时检测方法 | |
CN104950668A (zh) | 卫星编队解析式燃料优化控制方法及系统 | |
CN114001740B (zh) | 一种基于曲线坐标的无源探测非合作目标定轨方法 | |
Goh et al. | Real-time estimation of satellite's two-line elements via positioning data |
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 |