CN111027801B - 基于任务邀请的卫星筛选方法和系统 - Google Patents

基于任务邀请的卫星筛选方法和系统 Download PDF

Info

Publication number
CN111027801B
CN111027801B CN201911038419.5A CN201911038419A CN111027801B CN 111027801 B CN111027801 B CN 111027801B CN 201911038419 A CN201911038419 A CN 201911038419A CN 111027801 B CN111027801 B CN 111027801B
Authority
CN
China
Prior art keywords
task
satellite
observed
historical
satellites
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
CN201911038419.5A
Other languages
English (en)
Other versions
CN111027801A (zh
Inventor
靳鹏
张凯
胡笑旋
罗贺
马华伟
王国强
夏维
任送莲
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN201911038419.5A priority Critical patent/CN111027801B/zh
Publication of CN111027801A publication Critical patent/CN111027801A/zh
Application granted granted Critical
Publication of CN111027801B publication Critical patent/CN111027801B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提供一种基于任务邀请的卫星筛选方法和系统，涉及卫星调度领域。包括以下步骤：获取历史任务数据，历史任务数据包括：历史任务和历史任务对应的卫星；基于历史任务获取历史任务需求向量；基于待观测任务获取待观测任务需求向量；基于两种需求向量获取历史任务和待观测任务的相似度；基于相似度获取目标历史任务，提取目标历史任务对应的目标卫星；基于待观测任务对目标卫星进行邀请；若目标卫星同时满足能量约束、储存容量约束和任务时间窗约束，则目标卫星接受邀请，得到邀请卫星；若邀请卫星为一颗，则由其执行待观测任务；若邀请卫星为多颗，则由执行待观测任务时收益最大的邀请卫星执行待观测任务。本发明在筛选卫星时的效率高。

Description

基于任务邀请的卫星筛选方法和系统
技术领域
本发明涉及卫星调度技术领域，具体涉及一种基于任务邀请的卫星筛选方法和系统。
背景技术
随着航天技术的发展，对地观测卫星愈发的被人们广泛关注。对地观测卫星通过对地球表面和低层大气进行探测，进而获取有关信息。对地观测卫星具有覆盖区域广、持续时间长、不受空域国界限制等独特优势，因此对地观测卫星被广泛应用于军事侦察、气象观测以及环境保护等领域。
对于一个卫星观测任务，如何在众多的可用卫星资源中选择合适的卫星来执行观测任务是一大问题。现有技术中，对观测任务和执行卫星的匹配方法一般为：将所有的可用卫星资源进行统计，根据观测任务由操作员手动筛选卫星，并将卫星和观测任务进行配对。
然而本申请的发明人发现，现有技术提供的方法在实际应用时，由于需要操作员将所有的卫星逐次进行筛选匹配，过程复杂且处理时间长。即现有技术在选取卫星时存在效率低的缺点。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于任务邀请的卫星筛选方法和系统，解决了现有技术选取卫星时效率低的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
本发明解决其技术问题所提供的一种基于任务邀请的卫星筛选方法，所述筛选方法由计算机执行，包括以下步骤：
获取历史任务数据，所述历史任务数据包括：历史任务和历史任务对应的卫星；
基于所述历史任务获取历史任务需求向量；基于待观测任务获取待观测任务需求向量；
基于所述历史任务需求向量和所述待观测任务需求向量获取所述历史任务和待观测任务的相似度；
基于所述相似度获取目标历史任务，提取所述目标历史任务对应的目标卫星；
基于待观测任务对所述目标卫星进行邀请；
判断所述目标卫星是否同时满足能量约束、储存容量约束和任务时间窗约束，若均满足条件，则所述目标卫星接受邀请，得到邀请卫星；
若所述邀请卫星为一颗，则由所述邀请卫星执行待观测任务；若所述邀请卫星为多颗，则获取所有邀请卫星执行待观测任务得到的收益，并选取收益最大的邀请卫星执行待观测任务。
优选的，所述相似度的获取方法包括：
Figure BDA0002252182130000031
其中：
θ表示历史任务和待观测任务的相似度；
Figure BDA0002252182130000036
表示待观测任务需求向量；
Figure BDA0002252182130000032
表示历史任务需求向量。
优选的，所述基于所述相似度获取目标历史任务，包括：
预先设置相似度阈值；
若所述相似度大于所述相似度阈值，则所述相似度对应的历史任务为一个目标历史任务。
优选的，所述能量约束为：
Figure BDA0002252182130000033
其中：
M表示卫星的数量，N表示第i颗卫星上历史任务的数量；
Figure BDA0002252182130000034
表示第i颗卫星上已规划任务j；
Start表示开始时间，End表示结束时间；
k表示待观测任务；
Figure BDA0002252182130000035
表示第i颗卫星单位时间成像所需能量；
Eni表示第i颗卫星的最大能量。
优选的，所述储存容量约束为：
Figure BDA0002252182130000041
其中：
M表示卫星的数量，N表示第i颗卫星上历史任务的数量；
Figure BDA0002252182130000042
表示第i颗卫星上的已规划任务j；
Start表示开始时间，End表示结束时间；
k表示待观测任务；
Seis表示第i颗卫星单位时间成像所需储存量；
Cpi表示第i颗卫星的最大储存容量。
优选的，所述任务时间窗约束为：
Figure BDA0002252182130000043
其中：
M表示卫星的数量，N表示第i颗卫星上历史任务的数量；
Figure BDA0002252182130000044
表示第i颗卫星上的的已规划任务j；
Start表示开始时间，End表示结束时间；
k表示待观测任务；
Figure BDA0002252182130000045
表示第i颗卫星执行任务j时的相机偏转角；
kiθ表示第i颗卫星执行待观测任务的相机偏转角；
Seiv表示第i颗卫星相机角度转换速率。
优选的，邀请卫星执行待观测任务得到的收益的获取方法为：
S(k)＝G(k)-E(rk)-C(rk)
其中：
S(k)表示执行待观测任务k所获得收益；
G(k)表示执行待观测任务k可获得的汇报；
E(rk)表示执行待观测任务k的卫星消耗能量资源折合成本；
C(rk)表示执行待观测任务k的卫星消耗容量资源折合成本。
本发明解决其技术问题所提供的一种基于任务邀请的卫星筛选系统，其特征在于，所述系统包括计算机，所述计算机包括：
至少一个存储单元；
至少一个处理单元；
其中，所述至少一个存储单元中存储有至少一条指令，所述至少一条指令由所述至少一个处理单元加载并执行以实现以下步骤：
获取历史任务数据，所述历史任务数据包括：历史任务和历史任务对应的卫星；
基于所述历史任务获取历史任务需求向量；基于待观测任务获取待观测任务需求向量；
基于所述历史任务需求向量和所述待观测任务需求向量获取所述历史任务和待观测任务的相似度；
基于所述相似度获取目标历史任务，提取所述目标历史任务对应的目标卫星；
基于待观测任务对所述目标卫星进行邀请；
判断所述目标卫星是否同时满足能量约束、储存容量约束和任务时间窗约束，若均满足条件，则所述目标卫星接受邀请，得到邀请卫星；
若所述邀请卫星为一颗，则由所述邀请卫星执行待观测任务；若所述邀请卫星为多颗，则获取所有邀请卫星执行待观测任务得到的收益，并选取收益最大的邀请卫星执行待观测任务。
优选的，所述相似度的获取方法包括：
Figure BDA0002252182130000061
其中：
θ表示历史任务和待观测任务的相似度；
Figure BDA0002252182130000062
表示待观测任务需求向量；
Figure BDA0002252182130000063
表示历史任务需求向量。
优选的，所述基于所述相似度获取目标历史任务，包括：
预先设置相似度阈值；
若所属相似度大于所述相似度值阈值，则所述相似度对应的历史任务为一个目标历史任务。
本发明提供了一种基于任务邀请的卫星筛选方法和系统，与现有技术相比，具备以下有益效果。
(三)有益效果
本发明通过获取历史任务数据，历史任务数据包括：历史任务和历史任务对应的卫星；基于历史任务获取历史任务需求向量；基于待观测任务获取待观测任务需求向量；基于两种需求向量获取历史任务和待观测任务的相似度；基于相似度获取目标历史任务，提取目标历史任务对应的目标卫星；基于待观测任务对目标卫星进行邀请；若目标卫星同时满足能量约束、储存容量约束和任务时间窗约束，则目标卫星接受邀请，得到邀请卫星；若邀请卫星为一颗，则由其执行待观测任务；若邀请卫星为多颗，则获取所有邀请卫星执行待观测任务得到的收益，并获取收益最大的邀请卫星执行待观测任务。本发明通过比较待观测任务和历史任务相识度，实行对卫星的初步筛选；在通过三中约束对卫星进行二次筛选；从而得到合适的卫星来执行任务；相比现有技术的一一配对，本发明提高了效率，降低了任务匹配的复杂度。
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为本发明实施例提供的基于任务邀请的卫星筛选方法的整体流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
本申请实施例通过提供一种基于任务邀请的卫星筛选方法和系统，解决了现有技术选取卫星时效率低的问题，实现了选取卫星的效率的提高。
本申请实施例中的技术方案为解决上述技术问题，总体思路如下：
本发明实施例通过获取历史任务数据，历史任务数据包括：历史任务和历史任务对应的卫星；基于历史任务获取历史任务需求向量；基于待观测任务获取待观测任务需求向量；基于历史任务需求向量和待观测任务需求向量获取历史任务和待观测任务的相似度；基于相似度获取目标历史任务，提取目标历史任务对应的目标卫星；基于待观测任务对目标卫星进行邀请；判断目标卫星是否同时满足能量约束、储存容量约束和任务时间窗约束，若均满足条件，则目标卫星接受邀请，得到邀请卫星；若邀请卫星为一颗，则由其执行待观测任务；若邀请卫星为多颗，则获取所有邀请卫星执行待观测任务得到的收益，并选取收益最大的邀请卫星执行待观测任务。本发明实施例通过比较待观测任务和历史任务的相似度，实现对卫星的初步筛选；再用三种约束对卫星进行二次筛选，从而得到合适的卫星来执行任务；相比于现有技术的一一配对，本发明提高了效率，降低了任务匹配的复杂度。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
本发明实施例提供了一种基于任务邀请的卫星筛选方法，该筛选方法由计算机执行，包括以下步骤：
S1、获取历史任务数据，上述历史任务数据包括：历史任务和历史任务对应的卫星；
S2、基于上述历史任务获取历史任务需求向量；基于待观测任务获取待观测任务需求向量；
S3、基于上述历史任务需求向量和上述待观测任务需求向量获取上述历史任务和待观测任务的相似度；
S4、基于上述相似度获取目标历史任务，提取上述目标历史任务对应的目标卫星；
S5、基于待观测任务对上述目标卫星进行邀请；
S6、判断上述目标卫星是否同时满足能量约束、储存容量约束和任务时间窗约束，若均满足条件，则上述目标卫星接受邀请，得到邀请卫星；
S7、若上述邀请卫星为一颗，则由上述邀请卫星执行待观测任务；若上述邀请卫星为多颗，则获取所有邀请卫星执行待观测任务得到的收益，并选取收益最大的邀请卫星执行待观测任务。
本发明实施例通过获取历史任务数据，历史任务数据包括：历史任务和历史任务对应的卫星；基于历史任务获取历史任务需求向量；基于待观测任务获取待观测任务需求向量；基于历史任务需求向量和待观测任务需求向量获取历史任务和待观测任务的相似度；基于相似度获取目标历史任务，提取目标历史任务对应的目标卫星；基于待观测任务对目标卫星进行邀请；判断目标卫星是否同时满足能量约束、储存容量约束和任务时间窗约束，若均满足条件，则目标卫星接受邀请，得到邀请卫星；若邀请卫星为一颗，则由其执行待观测任务；若邀请卫星为多颗，则获取所有邀请卫星执行待观测任务得到的收益，并选取收益最大的邀请卫星执行待观测任务。本发明实施例通过比较待观测任务和历史任务的相似度，实现对卫星的初步筛选；再用三种约束对卫星进行二次筛选，从而得到合适的卫星来执行任务；相比于现有技术的一一配对，本发明提高了效率，降低了任务匹配的复杂度。
下面对各步骤进行具体分析。
在步骤S1中，获取历史任务数据，上述历史任务数据包括：历史任务和历史任务对应的卫星。
具体的，在卫星控制中心上获取：待观测任务、已经完成的历史任务以及完成每个历史任务相应的卫星。
根据历史任务构建历史数据库。历史数据库即在过往一段时间内完成任务的集合，定义为St，St＝(t1、t2、...、tM)，其中：M是历史任务的数量，tl表示第l个任务。在本发明实施例中，选取过去半年时间段内所有卫星完成的历史任务构建历史数据库。
在步骤S2中，基于上述历史任务获取历史任务需求向量；基于待观测任务获取待观测任务需求向量。
具体的，历史任务需求向量的获取方法为：
对于历史任务tl，本发明实施例采用一个七维需求向量定量化描述任务需求能力的大小，每一维需求按照顺序分别为①任务优先级需求②任务覆盖面积量需求③观测地理位置需求④任务持续观测时长需求⑤观测成像清晰度需求⑥任务消耗资源需求⑦任务观测气象条件需求。将每一维的需求强弱度分为6个等级，分别用数字1到6来表示，数字越大则代表需求等级越高需求越强。
本发明实施例通过邀请专家分析历史任务，从而确定历史任务每一维需求对应的强弱等级，得到对应的等级数值，再根据历史任务每一维需求的等级将定性的需求强弱转化为定量表示，形成历史任务需求向量。具体表示为
Figure BDA0002252182130000111
在本发明实施例中，设定待观测任务为用k表示，根据上述历史任务需求向量的获取方法，同样邀请专家对观测任务进行分析，确定每一维的需求强弱等级，得到对应的数值，将定性的需求强弱转化为定量表示，形成待观测任务需求向量，具体表示为
Figure BDA0002252182130000112
在步骤S3中，基于上述历史任务需求向量和上述待观测任务需求向量获取上述历史任务和待观测任务的相似度。
具体的，历史任务和待观测任务的相似度的获取方法如下：
Figure BDA0002252182130000113
其中：
θ表示历史任务和待观测任务的相似度；
Figure BDA0002252182130000115
表示待观测任务需求向量；
Figure BDA0002252182130000114
表示历史任务需求向量。
相似度越大表示两个任务越相似。
在步骤S4中，基于上述相似度获取目标历史任务，提取上述目标历史任务对应的目标卫星。
具体的，预先设置一个相似度阈值。在本发明实施例中，相似度阈值为0.7。
当上述相似度大于预设的相似度阈值时，该相似度对应的历史任务为一个目标历史任务。
根据相似度阈值筛选所有的历史任务，得到M个目标历史任务，再获取这些目标历史任务所对应的卫星，从而形成目标卫星集合{Se1,...,SeM}。
至此，完成了对卫星的初步筛选。
在步骤S5中，基于待观测任务对上述目标卫星进行邀请。
在步骤S6中，判断上述目标卫星是否同时满足能量约束、储存容量约束和任务时间窗约束，若均满足条件，则上述目标卫星接受邀请，得到邀请卫星。
具体的，能量约束可以保证在任务执行时间内卫星能提供满足任务需求的能量，获取方法为：
Figure BDA0002252182130000121
其中：
M表示卫星的数量，N表示第i颗卫星上历史任务的数量；
Figure BDA0002252182130000122
表示第i颗卫星上的已安排任务j；
Start表示开始时间，End表示结束时间；
k表示待观测任务；
Figure BDA0002252182130000131
表示第i颗卫星单位时间成像所需能量；
Eni表示第i颗卫星的最大能量。
具体的，储存容量约束可以保证在任务执行时间内卫星能提供满足任务需求的储存容量，获取方法为：
Figure BDA0002252182130000132
其中：
M表示卫星的数量，N表示第i颗卫星上历史任务的数量；
Figure BDA0002252182130000133
表示第i颗卫星上的已安排任务j；
Start表示开始时间，End表示结束时间；
k表示待观测任务；
Seis表示第i颗卫星单位时间成像所需储存量；
Cpi表示第i颗卫星的最大储存容量。
具体的，任务时间窗约束可以保证任务在时间窗内不受相邻任务的影响，获取方法为：
Figure BDA0002252182130000134
其中：
M表示卫星的数量，N表示第i颗卫星上历史任务的数量；
Figure BDA0002252182130000135
表示第i颗卫星上的已安排任务j；
Start表示开始时间，End表示结束时间；
k表示待观测任务；
Figure BDA0002252182130000141
表示第i颗卫星执行任务j时的相机偏转角；
kiθ表示第i颗卫星执行待观测任务的相机偏转角；
Seiv表示第i颗卫星相机角度转换速率。
同时满足上述三个约束条件的目标卫星可接受邀请，有任意一个约束条件不满足的目标卫星拒绝邀请。接受邀请的目标卫星称为邀请卫星。
步骤S6是对卫星的二次筛选。
在步骤S7中，若上述邀请卫星为一颗，则由上述邀请卫星执行待观测任务；若上述邀请卫星为多颗，则获取所有邀请卫星执行待观测任务得到的收益，并选取收益最大的邀请卫星执行待观测任务。
具体的，邀请卫星执行待观测任务得到的收益的获取方法为：
S(k)＝G(k)-E(rk)-C(rk)
其中：
S(k)表示执行待观测任务k所获得收益；
G(k)表示执行待观测任务k可获得的汇报；
E(rk)表示执行待观测任务k的卫星消耗能量资源折合成本；
C(rk)表示执行待观测任务k的卫星消耗容量资源折合成本。
本发明实施例还提供了一种基于任务邀请的卫星筛选系统，上述系统包括计算机，上述计算机包括：
至少一个存储单元；
至少一个处理单元；
其中，上述至少一个存储单元中存储有至少一条指令，上述至少一条指令由上述至少一个处理单元加载并执行以实现以下步骤：
获取历史任务数据，上述历史任务数据包括：历史任务和历史任务对应的卫星；
基于上述历史任务获取历史任务需求向量；基于待观测任务获取待观测任务需求向量；
基于上述历史任务需求向量和上述待观测任务需求向量获取上述历史任务和待观测任务的相似度；
基于上述相似度获取目标历史任务，提取上述目标历史任务对应的目标卫星；
基于待观测任务对上述目标卫星进行邀请；
判断上述目标卫星是否同时满足能量约束、储存容量约束和任务时间窗约束，若均满足条件，则上述目标卫星接受邀请，得到邀请卫星；
若上述邀请卫星为一颗，则由上述邀请卫星执行待观测任务；若上述邀请卫星为多颗，则获取所有邀请卫星执行待观测任务得到的收益，并选取收益最大的邀请卫星执行待观测任务。
可理解的是，本发明实施例提供的上述筛选系统与上述筛选方法相对应，其有关内容的解释、举例、有益效果等部分可以参考基于任务邀请的卫星筛选方法中的相应内容，此处不再赘述。
综上所述，与现有技术相比，具备以下有益效果：
本发明实施例通过获取历史任务数据，历史任务数据包括：历史任务和历史任务对应的卫星；基于历史任务获取历史任务需求向量；基于待观测任务获取待观测任务需求向量；基于历史任务需求向量和待观测任务需求向量获取历史任务和待观测任务的相似度；基于相似度获取目标历史任务，提取目标历史任务对应的目标卫星；基于待观测任务对目标卫星进行邀请；判断目标卫星是否同时满足能量约束、储存容量约束和任务时间窗约束，若均满足条件，则目标卫星接受邀请，得到邀请卫星；若邀请卫星为一颗，则由其执行待观测任务；若邀请卫星为多颗，则获取所有邀请卫星执行待观测任务得到的收益，并选取收益最大的邀请卫星执行待观测任务。本发明实施例通过比较待观测任务和历史任务的相似度，实现对卫星的初步筛选；再用三种约束对卫星进行二次筛选，从而得到合适的卫星来执行任务；相比于现有技术的一一配对，本发明提高了效率，降低了任务匹配的复杂度。
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。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以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 (9)

1.一种基于任务邀请的卫星筛选方法，其特征在于，所述筛选方法由计算机执行，包括以下步骤：
获取历史任务数据，所述历史任务数据包括：历史任务和历史任务对应的卫星；
基于所述历史任务获取历史任务需求向量；基于待观测任务获取待观测任务需求向量；
基于所述历史任务需求向量和所述待观测任务需求向量获取所述历史任务和待观测任务的相似度；
基于所述相似度获取目标历史任务，提取所述目标历史任务对应的目标卫星；
基于待观测任务对所述目标卫星进行邀请；
判断所述目标卫星是否同时满足能量约束、储存容量约束和任务时间窗约束，若均满足条件，则所述目标卫星接受邀请，得到邀请卫星；
若所述邀请卫星为一颗，则由所述邀请卫星执行待观测任务；若所述邀请卫星为多颗，则获取所有邀请卫星执行待观测任务得到的收益，并选取收益最大的邀请卫星执行待观测任务；
所述能量约束为：
Figure FDA0003839719260000011
其中：
M表示卫星的数量，N表示第i颗卫星上历史任务的数量；
Figure FDA0003839719260000021
表示第i颗卫星上的已规划任务j；
Start表示开始时间，End表示结束时间；
k表示待观测任务；
Figure FDA0003839719260000022
表示第i颗卫星单位时间成像所需能量；
Eni表示第i颗卫星的最大能量。
2.如权利要求1所述的筛选方法，其特征在于，所述相似度的获取方法包括：
Figure FDA0003839719260000023
其中：
θ表示历史任务和待观测任务的相似度；
Figure FDA0003839719260000024
表示待观测任务需求向量；
Figure FDA0003839719260000025
表示历史任务需求向量。
3.如权利要求1所述的筛选方法，其特征在于，所述基于所述相似度获取目标历史任务，包括：
预先设置相似度阈值；
若所述相似度大于所述相似度阈值，则所述相似度对应的历史任务为一个目标历史任务。
4.如权利要求1所述的筛选方法，其特征在于，所述储存容量约束为：
Figure FDA0003839719260000026
其中：
M表示卫星的数量，N表示第i颗卫星上历史任务的数量；
Figure FDA0003839719260000031
表示第i颗卫星上的已规划任务j；
Start表示开始时间，End表示结束时间；
k表示待观测任务；
Seis表示第i颗卫星单位时间成像所需储存量；
Cpi表示第i颗卫星的最大储存容量。
5.如权利要求1所述的筛选方法，其特征在于，所述任务时间窗约束为：
Figure FDA0003839719260000032
其中：
M表示卫星的数量，N表示第i颗卫星上历史任务的数量；
Figure FDA0003839719260000033
表示第i颗卫星上已规划任务j；
Start表示开始时间，End表示结束时间；
k表示待观测任务；
Figure FDA0003839719260000034
表示第i颗卫星执行任务j时的相机偏转角；
kiθ表示第i颗卫星执行待观测任务的相机偏转角；
Seiv表示第i颗卫星相机角度转换速率。
6.如权利要求1所述的筛选方法，其特征在于，邀请卫星执行待观测任务得到的收益的获取方法为：
S(k)＝G(k)-E(rk)-C(rk)
其中：
S(k)表示执行待观测任务k所获得收益；
G(k)表示执行待观测任务k可获得的汇报；
E(rk)表示执行待观测任务k的卫星消耗能量资源折合成本；
C(rk)表示执行待观测任务k的卫星消耗容量资源折合成本。
7.一种基于任务邀请的卫星筛选系统，其特征在于，所述系统包括计算机，所述计算机包括：
至少一个存储单元；
至少一个处理单元；
其中，所述至少一个存储单元中存储有至少一条指令，所述至少一条指令由所述至少一个处理单元加载并执行以实现以下步骤：
获取历史任务数据，所述历史任务数据包括：历史任务和历史任务对应的卫星；
基于所述历史任务获取历史任务需求向量；基于待观测任务获取待观测任务需求向量；
基于所述历史任务需求向量和所述待观测任务需求向量获取所述历史任务和待观测任务的相似度；
基于所述相似度获取目标历史任务，提取所述目标历史任务对应的目标卫星；
基于待观测任务对所述目标卫星进行邀请；
判断所述目标卫星是否同时满足能量约束、储存容量约束和任务时间窗约束，若均满足条件，则所述目标卫星接受邀请，得到邀请卫星；
若所述邀请卫星为一颗，则由所述邀请卫星执行待观测任务；若所述邀请卫星为多颗，则获取所有邀请卫星执行待观测任务得到的收益，并选取收益最大的邀请卫星执行待观测任务；
所述能量约束为：
Figure FDA0003839719260000051
其中：
M表示卫星的数量，N表示第i颗卫星上历史任务的数量；
Figure FDA0003839719260000052
表示第i颗卫星上的已规划任务j；
Start表示开始时间，End表示结束时间；
k表示待观测任务；
Figure FDA0003839719260000053
表示第i颗卫星单位时间成像所需能量；
Eni表示第i颗卫星的最大能量。
8.如权利要求7所述的筛选系统，其特征在于，所述相似度的获取方法包括：
Figure FDA0003839719260000054
其中：
θ表示历史任务和待观测任务的相似度；
Figure FDA0003839719260000055
表示待观测任务需求向量；
Figure FDA0003839719260000056
表示历史任务需求向量。
9.如权利要求8所述的筛选系统，其特征在于，所述基于所述相似度获取目标历史任务，包括：
预先设置相似度阈值；
若所述相似度大于所述相似度阈值，则所述相似度对应的历史任务为一个目标历史任务。
CN201911038419.5A 2019-10-29 2019-10-29 基于任务邀请的卫星筛选方法和系统 Active CN111027801B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911038419.5A CN111027801B (zh) 2019-10-29 2019-10-29 基于任务邀请的卫星筛选方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911038419.5A CN111027801B (zh) 2019-10-29 2019-10-29 基于任务邀请的卫星筛选方法和系统

Publications (2)

Publication Number Publication Date
CN111027801A CN111027801A (zh) 2020-04-17
CN111027801B true CN111027801B (zh) 2023-04-07

Family

ID=70204658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911038419.5A Active CN111027801B (zh) 2019-10-29 2019-10-29 基于任务邀请的卫星筛选方法和系统

Country Status (1)

Country Link
CN (1) CN111027801B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256108A (zh) * 2021-05-24 2021-08-13 平安普惠企业管理有限公司 人力资源分配方法、装置、电子设备及存储介质
CN114943421A (zh) * 2022-04-25 2022-08-26 航天宏图信息技术股份有限公司 多类卫星协同任务筹划方法、装置、电子设备及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919484A (zh) * 2019-03-06 2019-06-21 合肥工业大学 一种星上自主任务规划方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014022810A2 (en) * 2012-08-03 2014-02-06 Skybox Imaging, Inc. Satellite scheduling system
CN106648852B (zh) * 2016-11-18 2018-08-14 合肥工业大学 基于双蚁群的多星任务调度方法和装置
EP4117199A1 (en) * 2017-10-20 2023-01-11 Hawkeye 360, Inc. Method and scheduling system of a plurality of hierarchical tasks for a satellite system
CN110314381B (zh) * 2018-03-28 2022-08-12 腾讯科技（深圳）有限公司 任务处理方法及装置、计算机可读介质和电子设备
CN109657930B (zh) * 2018-11-29 2022-09-30 合肥工业大学 基于虚拟星座的协同任务的资源联盟构建方法
CN109670678B (zh) * 2018-11-29 2021-05-18 合肥工业大学 虚拟星座动态环境下的任务分配方法和系统
CN110210788A (zh) * 2019-06-14 2019-09-06 广东电网有限责任公司 一种卫星调度方法、装置、设备和计算机存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919484A (zh) * 2019-03-06 2019-06-21 合肥工业大学 一种星上自主任务规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
面向点及区域目标的遥感卫星任务调度;白保存等;《国防科技大学学报》;20090415(第02期);第63-67页 *

Also Published As

Publication number Publication date
CN111027801A (zh) 2020-04-17

Similar Documents

Publication Publication Date Title
Fan et al. Identifying risk factors of IT outsourcing using interdependent information: An extended DEMATEL method
CN111027801B (zh) 基于任务邀请的卫星筛选方法和系统
CN111949795A (zh) 工单自动分类方法及装置
CN110990121B (zh) 一种基于应用画像的Kubernetes调度策略
CN116523262B (zh) 基于大数据的生产计划智能规划方法、系统和介质
CN110796513A (zh) 多任务学习方法、装置、电子设备及存储介质
CN110751416A (zh) 一种用水量的预测方法、装置及设备
CN113222057A (zh) 数据预测模型训练、数据预测方法、装置、设备及介质
CN111754261B (zh) 一种车辆出租意愿的评估方法、装置及终端设备
CN111401302B (zh) 遥感图像舰船目标一体化检测与细粒度识别方法
Kell et al. The quantification and presentation of risk
CN113139612A (zh) 图像分类方法、分类网络的训练方法和相关产品
CN117132171A (zh) 一种自动化的办公信息管理系统
CN116883184A (zh) 一种基于大数据的财税智能化分析方法
CN115689201A (zh) 面向企业资源供需调配的多准则智能决策优化方法及系统
CN111105125B (zh) 复杂任务的资源配置方法和系统
CN110956361B (zh) 基于任务邀请的卫星调度方法
CN111077770B (zh) 多星协同资源的配置方法和系统
CN114565203A (zh) 一种基于大邻域搜索算法和K-means的多星多任务规划方法
CN106650790A (zh) 一种基于蜂群智能的遥感影像聚类方法
CN113256267A (zh) 一种项目数据处理方法和系统
CN112734086A (zh) 一种用于更新神经网络预测模型的方法和装置
CN115860275B (zh) 一种用于土地整备利益统筹测绘采集方法及系统
CN115098725B (zh) 任务处理模型确定方法、视频类别确定方法及装置
CN112561082B (zh) 生成模型的方法、装置、设备以及存储介质

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