CN113220425A - 一种基于马赛克拼接的分布式可重构卫星系统组织方法 - Google Patents
一种基于马赛克拼接的分布式可重构卫星系统组织方法 Download PDFInfo
- Publication number
- CN113220425A CN113220425A CN202110287025.4A CN202110287025A CN113220425A CN 113220425 A CN113220425 A CN 113220425A CN 202110287025 A CN202110287025 A CN 202110287025A CN 113220425 A CN113220425 A CN 113220425A
- Authority
- CN
- China
- Prior art keywords
- satellite
- task
- agent
- mosaic
- capacity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000008520 organization Effects 0.000 title claims abstract description 8
- 238000007726 management method Methods 0.000 claims abstract description 133
- 230000000694 effects Effects 0.000 claims abstract description 25
- 239000003795 chemical substances by application Substances 0.000 claims description 321
- 238000003384 imaging method Methods 0.000 claims description 38
- 239000011159 matrix material Substances 0.000 claims description 11
- 230000008447 perception Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 8
- 230000006855 networking Effects 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012508 change request Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000003331 infrared imaging Methods 0.000 claims description 4
- 230000037396 body weight Effects 0.000 claims description 3
- 238000000701 chemical imaging Methods 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明公开了一种基于马赛克拼接的分布式可重构卫星系统组织方法，包括：建立卫星智能体的结构模型；接到地面发送的任务，该卫星智能体迅速与附近的卫星智能体建立联系；按照卫星有效载荷能力进行马赛克能力拆分得到马赛克能力模块；对拆分后的马赛克能力模块进行马赛克拼接，建立具有管理卫星智能体和工作卫星智能体的空间马赛克可重构系统两级系统混合控制结构模型；管理卫星智能体制定本次多星协作的任务规划调度方案，工作卫星智能体判断下发任务与自身原有任务是否冲突，若冲突，管理卫星智能体重新制定方案，直至冲突消失后，执行任务。该方法将任务执行拓宽到多个维度，全面提升了任务执行效果，提高目标的识别概率。
Description
技术领域
本发明涉及的是一种基于马赛克拼接的分布式可重构卫星系统组织方法，属于航空航天领域。
背景技术
分布式卫星系统(Distributed Satellite System,DSS)是由多个卫星组成的任务体系结构，通过体系内的卫星相互协同完成对地观测、导航、通信等任务。
现有的分布式卫星系统由指定的卫星组网形成，可供分布式卫星进行内部协作、自主决策、规划调度以及自主执行任务等。分布式卫星系统根据分布式卫星系统的空间分布尺度、卫星同构程度、协同程度等特性，可将分布式卫星系统划分为星座、卫星编队、卫星集群、卫星列车、分离模块卫星系统、联邦卫星系统等。
不同类型的分布式卫星系统，对系统构型可重构的要求不同，如：卫星集群、联邦卫星系统对于构型控制较低或不要求卫星满足一定构型；而卫星编队、星座等要求构型准确以及可重构。
星座卫星成员都是预先由地面工程人员设计制造，发射入轨组成。典型的分布式可重构空间系统如GPS卫星星座等。如GPS卫星星座有24颗工作卫星和4颗备份卫星组成，24颗工作卫星均匀分布在6个轨道面上，距离地面约20000千米。现有的卫星编队、卫星集群可由同构或异构的卫星组成，执行简单的协作任务。
发明人发现，现有的分布式卫星系统注重单星的在轨协同，星间组网灵活性差，必须是由地面人员预先指定的卫星组成，不能轻易加入在轨的卫星。组网后分布式卫星系统能力模式单一，不能根据任务特性来灵活改变能力模式。如GPS星座只能用来导航。
发明内容
针对上述缺陷，本发明将马赛克拼接的思想应用在分布式可重构卫星系统中，提供了一种基于马赛克拼接的分布式可重构卫星系统组织方法，该方法不注重组网卫星的类型，而是基于卫星能力将其组合，设计了具有单星自治和多星协作能力的分布式可重构卫星系统。以类似于马赛克拼接的简单方式，构建一个按需集成，极具弹性的系统，该系统具有自主运行、弹性灵活组网、体系可重构等特点。该方法突破了单一的任务执行方式，将任务执行拓宽到多个维度，全面提升了任务执行效果。马赛克体系中的各种光学、电子能力可对目标的多种特征进行识别，进行联合判别、启发学习，得到目标的光学、电子等不同特征参数。当单个或多个卫星执行相同任务时，即可检索已有的联合判别特征参数，提高目标的识别概率。
为达到上述目的，本发明通过以下技术方案来具体实现：
本发明提供了一种基于马赛克拼接的分布式可重构卫星系统组织方法，该方法包括：
步骤一、根据卫星的系统构成，建立用于代替轨道上卫星的卫星智能体的结构模型；
步骤二、当卫星智能体接收到地面发送的任务，该卫星智能体迅速与附近的卫星智能体建立联系，构成分布式卫星系统；
步骤三、建立联系的所有卫星智能体按照卫星有效载荷的能力进行马赛克能力拆分得到马赛克能力模块；
步骤四、根据接收到的任务对拆分后的马赛克能力模块进行马赛克拼接，得到基于马赛克拼接的分布式可重构卫星系统，对分布式可重构卫星系统的效能进行评估，得到执行该任务的多星协作最优组合方案；
步骤五、在最优组合方案里根据卫星智能体的计算能力确定卫星智能体角色，建立具有管理卫星智能体和工作卫星智能体的空间马赛克可重构系统两级系统混合控制结构模型；
步骤六、管理卫星智能体制定本次多星协作的任务规划调度方案，进行下发，工作卫星智能体判断下发任务与自身原有任务是否冲突，若冲突，进行上报，管理卫星智能体重新制定方案，直至冲突消失后，使用该空间马赛克可重构系统两级系统混合控制结构模型执行任务。
所述步骤一中，卫星智能体的结构模型包括感知智能体模块、知识库、决策智能体模块、规划智能体模块、控制智能体模块和效应智能体模块；其中，
感知智能体模块，用于在接收到地面发送的任务时，感知空间环境中其他卫星智能体的信号，通过效应智能体模块发出联系信号，与其他卫星智能体建立联系；
知识库，用于向决策智能体模块提供已存储的决策模型，向规划智能体模块提供已存储的任务分配模型和任务规划模型，保存最终生成的空间马赛克可重构系统两级系统混合控制结构模型的信息；其中，所述决策模型，用于根据各个卫星的星载计算机的性能参数得到的卫星智能体的计算能力对卫星角色进行划分，并基于任务需求，根据卫星种类和过境情况，对卫星智能体进行组合，协同执行任务；任务分配模型，用于根据具体任务，基于拍卖算法对划分角色后的卫星智能体进行任务分配；任务规划模型，用于生成与分配的任务对应的任务规划方案；所述信息包括卫星智能体基本信息、卫星智能体的计算能力和/或卫星智能体之间相对位置关系等；
决策智能体模块，用于通过决策模型确定建立联系的所有卫星智能体的角色，制定卫星智能体的组合方案以及制定空间马赛克可重构系统两级系统混合控制结构模型的体系能力构成和重构策略；其中，体系能力是空间马赛克可重构系统两级系统混合控制结构模型中所有卫星智能的综合能力；重构策略是指根据任务需要和变化，合理搭配分布式卫星系统中卫星的种类，形成最佳任务执行能力；
规划智能体模块，用于根据接收到的任务，通过任务分配模型对确定角色后的卫星智能体给予任务分配，通过任务规划模型制定与执行分配的任务对应的任务规划方案；
控制智能体模块，用于根据规划智能体模块发送的任务规划方案生成控制指令，将所述控制指令发送到效应智能体模块进行指令执行；同时发送到规划智能体模块，对卫星智能体的各个模块自主运行进行协调；
效应智能体模块，用于对接收到的指令进行任务执行，对外动作输出和信息输出。
所述步骤二的具体步骤包括：
卫星智能体的结构模型中的感知智能体模块接收到空间环境中其他卫星智能体的信号，效应智能体模块发出联系信号，与其他卫星智能体建立联系，构成分布式卫星系统。
所述步骤三，具体包括：将建立联系的所有卫星智能体的有效载荷的能力根据预存储的类型进行归类，再将归类后的卫星智能体的有效载荷能力进行马赛克能力拆分，得到马赛克能力模块。
其中，所述马赛克能力拆分的步骤，具体包括：
卫星有效载荷的能力为光学有效载荷能力时，马赛克能力拆分为宽幅成像能力、窄幅成像能力、高分辨率成像能力、红外成像能力和高光谱成像能力等；
卫星有效载荷的能力为合成孔径雷达(SAR)有效载荷能力时，根据工作模式，马赛克能力拆分为广域GMTI能力、同时SAR/GMTI能力、条带SAR能力和聚束SAR能力；
卫星有效载荷的能力为电子侦察能力时，按照其侦察对象进行马赛克能力拆分为雷达信号侦察能力、通信信号侦察能力、测控信号侦察能力；
卫星有效载荷的能力为通信有效载荷能力时，按照其业务频段分别马赛克能力拆分为UHF、L、S、C、X、Ku、Ka频段能力。
卫星有效载荷的能力为气象有效载荷能力时，按照其载荷类型马赛克能力拆分为微波遥感能力、可见光遥感能力、红外遥感能力。
通过动态重构系统进行融合匹配、动态组合及自主规划。马赛克拆分后的能力可以任意组合，形成多种多样的组合方式，但是大多数组合方式不适用于任务需求。针对实际的任务需求和约束条件，将卫星的能力按需组合，动态聚合，得到最优的能力组合方式。
所述步骤四中，对分布式可重构卫星系统的效能进行评估，系统效能最高的组合方案即为执行该任务的多星协作最优组合方案，使用的评估方法为ADC法，所述ADC法是美国工业界武器系统效能咨询委员会提出的效能评估模型；所述ADC法为：
E＝ADC
其中，E表示效能；A为系统的可用性或有效度，表示为行向量，当要求系统在任意时刻工作时，A表示系统在执行任务时的所处状态的指标；D为可信性或可信赖度，表示可信性矩阵，已知系统开始执行任务时的状态，表示系统在执行任务时，一个或几个时间内所处的状态；C为能力，表示为系统的能力矩阵，已知系统在执行任务时的状态，表示系统完成规定任务之能力的指标。
所述ADC法中，
A＝[a1,a2,…,ai]
其中，矩阵A中的每一个元素ai都是系统在开始执行任务时处于不同状态的概率，概率总和为1，即∑ai＝1，i∈N,1≤i≤n，n表示状态的总个数，i表示系统所处的状态，N表示自然数；
A简易化时，只有两个指标：有效状态概率、故障状态概率：
系统处于有效状态的概率表示为：
系统处于故障状态概率表示为：
式中a1为有效状态，a2为故障状态，MTBF为平均故障间隔时间，MTTR为平均修理时间；
其中，dij表示已知系统在状态i中开始执行任务，该系统在执行任务过程中处在状态j中的概率，j∈N,1≤j≤n，n表示状态的总个数，N表示自然数；
其中，ci,q表示系统第q项能力在第i种状态下完成任务的度量，q表示系统的某一项能力；当卫星系统为对地观测系统，能力可为发现目标概率、跟踪目标概率、目标判别能力。
所述步骤五中，在最优组合方案里根据卫星智能体的计算能力确定卫星智能体角色，包括：
计算能力最强的卫星智能体作为管理卫星智能体，计算能力次之的作为备份管理卫星智能体，其余卫星智能体作为工作卫星智能体；
备份管理卫星智能体同时也是工作卫星智能体，接受管理卫星智能体的领导指挥，与其他工作卫星智能体不同的是，备份管理卫星智能体需要分享其计算能力，协助管理卫星智能体进行决策。
管理卫星智能体与工作卫星智能体都需要执行任务。
所述步骤五中，建立具有管理卫星智能体和工作卫星智能体的空间马赛克可重构系统两级系统混合控制结构模型的方法包括：
空间马赛克可重构系统两级系统混合控制结构模型包含管理层和执行层；
管理层由管理卫星智能体组成，负责高级别的决策管理和任务规划调度，制定总体协作机制和策略；管理层由一个或多个卫星智能体组成，但是有且只有一个管理卫星智能体与执行层进行联系，其余卫星智能体有两个任务：一是作为备份管理卫星智能体，提高系统的冗余性，二是根据任务需求，分享星上计算能力；管理层的卫星智能体并非仅负责总体决策规划，作为一颗独立自主的卫星智能体，管理卫星智能体也负责具体的动作输出；
执行层由工作卫星智能体组成，负责单星级别的任务规划和具体的行为输出；根据任务需要，空间马赛克可重构系统两级系统混合控制结构模型可以实现不同类型卫星动态组网，工作卫星智能体包含搭载不同类型有效载荷的卫星智能体，进入最优组合方案的卫星智能体即为本次任务的执行卫星智能体；
根据实际任务，管理层和执行层进行动态组合，可构成不同的能力体系；
卫星智能体的角色不是固定不变的，根据不同的任务情况而灵活多变，一个卫星智能体可以是管理卫星智能体，也可以是工作卫星智能体，但在一个任务中，卫星智能体的角色只能有一个。
所述步骤六中的具体步骤包括：
管理卫星智能体负责高级别的决策管理和任务规划调度，制定总体协作机制和策略；
管理层接收到任务指令后，由管理层智能体制定出总体任务规划方案，下达任务指令；
工作卫星智能体的时间安排有观测任务时间段和空闲时间段，观测任务时间段内卫星智能体执行自身的任务，在空闲时间段内卫星智能体可执行管理卫星智能体下发的任务，任务需求与观测任务有重叠，任务需求时间段大于空闲时间段均为冲突任务，需要进行任务协商；当工作卫星智能体判断管理卫星智能体下发的任务与自身安排有冲突时，向管理卫星智能体提出任务变更请求和任务建议，管理卫星智能体重新制定任务计划，进行下发，直至不存在任务冲突。
本发明的有益效果是：
利用本发明提供的方法在对于分布式卫星系统执行任务，具有以下优点：
1、将能力马赛克拆分后进行动态随机组合，使基于马赛克拼接的分布式可重构卫星系统能力多样化，改变了传统的分布式卫星系统组合单一，能力单一的缺点，最优组合算法计算出的最优能力组合可节省卫星资源，且达到最优的任务收益；
2、以集中反馈式为基础的空间马赛克可重构系统两级系统混合控制结构的管理层和执行层可进行任务协商，管理卫星Agent负责高级别的决策管理和任务规划调度，制定总体协作机制和策略，确保了全局最优化。管理层和执行层卫星Agent根据马赛克拼接进行变化；
3、备份管理卫星Agent提高了系统的冗余性和可靠性，通过分享星上计算能力，减轻了管理卫星Agent的计算量，提高了整个系统的任务效率。备份卫星不参与任务协商保证了全局最优性，管理层和执行层卫星根据任务需要灵活变化，提高了系统的可用性；
4、管理卫星Agent和工作卫星Agent结构相同，减小了系统的复杂度。卫星Agent内部有多个子系统Agent，构成了卫星单星自治能力和协同能力。
5、知识库储存的决策模型、规划模型和其他知识为多星协同、单星自治提供了基础。
附图说明
图1所示为本发明提供的流程图示意图。
图2所示为本发明提供的基于马赛克拼接的分布式可重构卫星系统示意图。
图3所示为本发明提供的空间马赛克可重构系统两级系统混合控制结构模型示意图。
图4所示为本发明提供的卫星智能体的结构模型示意图。
图5所示为本发明提供的管理卫星智能体制定本次多星协作的任务规划调度方案示意图。
图6所示为本发明提供的管理卫星智能体制定本次多星协作的任务规划调度方案时任务协商过程示意图。
具体实施方式
下面对本发明的技术方案进行具体阐述，需要指出的是，本发明的技术方案不限于实施例所述的实施方式，本领域的技术人员参考和借鉴本发明技术方案的内容，在本发明的基础上进行的改进和设计，应属于本发明的保护范围。
实施例一
如图1所示，本发明实施例一种基于马赛克拼接的分布式可重构卫星系统组织方法，该方法包括：
步骤一、根据卫星的系统构成，建立用于代替轨道上卫星的卫星智能体的结构模型。
其中，智能体Agent，是复杂系统科学领域里定义的具有智能特性的抽象个体。
步骤二、当卫星智能体接收到地面发送的任务，该卫星智能体迅速与附近的卫星智能体建立联系，构成分布式卫星系统；
步骤三、建立联系的所有卫星智能体按照卫星有效载荷的能力进行马赛克能力拆分得到马赛克能力模块；
步骤四、根据接收到的任务对拆分后的马赛克能力模块进行马赛克拼接，得到基于马赛克拼接的分布式可重构卫星系统，对分布式可重构卫星系统的效能进行评估，得到执行该任务的多星协作最优组合方案；马赛克能力拆分和马赛克拼接参考图2所示。
步骤五、在最优组合方案里根据卫星智能体的计算能力确定卫星智能体角色，建立具有管理卫星智能体和工作卫星智能体的空间马赛克可重构系统两级系统混合控制结构模型；
参考图3所示，图3是建立具有管理卫星智能体和工作卫星智能体的空间马赛克可重构系统两级系统混合控制结构模型。管理层由管理卫星和多个备份卫星，只有一个管理卫星与执行层进行联系，备份管理卫星仅可以分享计算能力等资源，管理卫星出现故或超出了卫星通讯的范围，备份管理卫星才能与执行层建立联系。执行层不同形状代表不同类型的卫星，用实线与管理卫星连接的是进入最优组合方案的卫星，用虚线连接的是没能进入最优组合的卫星或下一任务阶段与管理卫星建立联系的卫星。
步骤六、管理卫星智能体制定本次多星协作的任务规划调度方案，进行下发，工作卫星智能体判断下发任务与自身原有任务是否冲突，若冲突，进行上报，管理卫星智能体重新制定方案，直至冲突消失后，使用该空间马赛克可重构系统两级系统混合控制结构模型执行任务。
参考图5和图6所示，图5所示为本发明提供的管理卫星智能体制定本次多星协作的任务规划调度方案示意图。任务协商阶段管理卫星智能体判别冲突任务和合理任务的示意图。工作卫星的时间安排有观测任务时间段和空闲时间段，观测时间段内卫星执行自身的任务，在空闲时间段内卫星可执行管理卫星下发的任务，任务需求与观测任务有重叠，任务需求时间段大于空闲时间段均为冲突任务，需要进行任务协商。图6是本发明提供的管理卫星智能体制定本次多星协作的任务规划调度方案时任务协商过程示意图。工作卫星判断管理卫星下发的任务与自身安排有冲突时，向管理卫星提出任务变更请求和任务建议，管理卫星重新制定任务计划，进行下发，直至不存在任务冲突。
如图4所示，所述步骤一中，卫星智能体的结构模型包括感知智能体模块、知识库、决策智能体模块、规划智能体模块、控制智能体模块和效应智能体模块；其中，
感知智能体模块，用于在接收到地面发送的任务时，感知空间环境中其他卫星智能体的信号，通过效应智能体模块发出联系信号，与其他卫星智能体建立联系；
知识库，用于向决策智能体模块提供已存储的决策模型，向规划智能体模块提供已存储的任务分配模型和任务规划模型，保存最终生成的空间马赛克可重构系统两级系统混合控制结构模型的信息；其中，所述决策模型，用于根据各个卫星的星载计算机的性能参数得到的卫星智能体的计算能力对卫星角色进行划分，并基于任务需求，根据卫星种类和过境情况，对卫星智能体进行组合，协同执行任务；任务分配模型，用于根据具体任务，基于拍卖算法对划分角色后的卫星智能体进行任务分配；任务规划模型，用于生成与分配的任务对应的任务规划方案；所述信息包括卫星智能体基本信息、卫星智能体的计算能力和/或卫星智能体之间相对位置关系等；过境情况指卫星什么时候飞到哪个地方的上空。
决策智能体模块，用于通过决策模型确定建立联系的所有卫星智能体的角色，制定卫星智能体的组合方案以及制定空间马赛克可重构系统两级系统混合控制结构模型的体系能力构成和重构策略；其中，体系能力是空间马赛克可重构系统两级系统混合控制结构模型中所有卫星智能的综合能力；重构策略是指根据任务需要和变化，合理搭配分布式卫星系统中卫星的种类，形成最佳任务执行能力；
规划智能体模块，用于根据接收到的任务，通过任务分配模型对确定角色后的卫星智能体给予任务分配，通过任务规划模型制定与执行分配的任务对应的任务规划方案；
控制智能体模块，用于根据规划智能体模块发送的任务规划方案生成控制指令，将所述控制指令发送到效应智能体模块进行指令执行；同时发送到规划智能体模块，对卫星智能体的各个模块自主运行进行协调；
效应智能体模块，用于对接收到的指令进行任务执行，对外动作输出和信息输出。
感知Agent从环境中获取外部环境信息和附近各个卫星的状态信息，经过卫星的计算处理，效应Agent输出了卫星的处理信息和自身的状态信息，这些信息再被其他卫星获得，如此循环往复，构成了管理卫星和工作卫星协商规划的基础。
工作卫星的时间安排有观测任务时间段和空闲时间段，观测时间段内卫星执行自身的任务，在空闲时间段内卫星可执行管理卫星下发的任务，任务需求与观测任务有重叠，任务需求时间段大于空闲时间段均为冲突任务，需要进行任务协商。当工作卫星判断管理卫星下发的任务与自身安排有冲突时，向管理卫星提出任务变更请求和任务建议，管理卫星重新制定任务计划，进行下发，直至不存在任务冲突。
任务计划制定完毕后，各卫星执行任务指令，根据自身实际情况，将任务结果传输至地面站。至此，一次完整的任务结束。之后，各卫星可根据下一任务重新建立马赛克可重构体系。
所述步骤二的具体步骤包括：
卫星智能体的结构模型中的感知智能体模块接收到空间环境中其他卫星智能体的信号，效应智能体模块发出联系信号，与其他卫星智能体建立联系，构成分布式卫星系统。
所述步骤三，具体包括：将建立联系的所有卫星智能体的有效载荷的能力根据预存储的类型进行归类，再将归类后的卫星智能体的有效载荷能力进行马赛克能力拆分，得到马赛克能力模块。
其中，所述马赛克能力拆分的步骤，具体包括：
卫星有效载荷的能力为光学有效载荷能力时，马赛克能力拆分为宽幅成像能力、窄幅成像能力、高分辨率成像能力、红外成像能力和高光谱成像能力等；
卫星有效载荷的能力为合成孔径雷达(SAR)有效载荷能力时，根据工作模式，马赛克能力拆分为广域GMTI能力、同时SAR/GMTI能力、条带SAR能力和聚束SAR能力；
卫星有效载荷的能力为电子侦察能力时，按照其侦察对象进行马赛克能力拆分为雷达信号侦察能力、通信信号侦察能力、测控信号侦察能力；
卫星有效载荷的能力为通信有效载荷能力时，按照其业务频段分别马赛克能力拆分为UHF、L、S、C、X、Ku、Ka频段能力。
其中各频段具体范围为：
UHF频段：300MHZ-1GHz；
L频段：1-2GHz；
S频段：2-4GHZ
C频段：4-8GHz；
X频段：8-12GHz；
Ku频段：12-18GHz；
K频段：18-27GHZ
Ka频段：27-40GHz
卫星有效载荷的能力为气象有效载荷能力时，按照其载荷类型马赛克能力拆分为微波遥感能力、可见光遥感能力、红外遥感能力。
所述步骤四中，对分布式可重构卫星系统的效能进行评估，系统效能最高的组合方案即为执行该任务的多星协作最优组合方案，使用的评估方法为ADC法，所述ADC法是美国工业界武器系统效能咨询委员会提出的效能评估模型；系统效能与协同的可用性(Availity)、可信性(Dependability)和系统能力(Capability)有关，模型表达形式为：
E＝ADC
其中，E表示效能；A为系统的可用性或有效度，表示为行向量，当要求系统在任意时刻工作时，A表示系统在执行任务时的所处状态的指标；D为可信性或可信赖度，表示可信性矩阵，已知系统开始执行任务时的状态，表示系统在执行任务时，一个或几个时间内所处的状态；C为能力，表示为系统的能力矩阵，已知系统在执行任务时的状态，表示系统完成规定任务之能力的指标。
所述ADC法中，
A＝[a1,a2,…,ai]，
其中，矩阵A中的每一个元素ai都是系统在开始执行任务时处于不同状态的概率，概率总和为1，即∑ai＝1，i∈N,1≤i≤n，n表示状态的总个数，i表示系统所处的状态，N表示自然数；
A简易化时，只有两个指标：有效状态概率、故障状态概率：
系统处于有效状态的概率表示为：
系统处于故障状态概率表示为：
式中a1为有效状态，a2为故障状态，MTBF为平均故障间隔时间，MTTR为平均修理时间；
其中，dij表示已知系统在状态i中开始执行任务，该系统在执行任务过程中处在状态j中的概率，j∈N,1≤j≤n，n表示状态的总个数，N表示自然数；
其中，ci,q表示系统第q项能力在第i种状态下完成任务的度量，q表示系统的某一项能力；当卫星系统为对地观测系统，能力可为发现目标概率、跟踪目标概率、目标判别能力。
综上，ADC法效能评估步骤为：
(1)确定系统初始状态参数，特别是和系统工作状态正常与异常相关的参数；
(2)根据系统特有属性计算可信度矩阵，通常需要考虑系统在工作时状态可能发生的迁移；
(3)确定系统能力向量，能力向量的准确性是关键所在；
(4)利用矩阵乘法计算系统效能。
综上，最优化组合的算法步骤：
Step 1：确定任务类型，数据初始化；
Step 2：马赛克模块随机组合成方案集合；
Step 3：ADC法计算方案集合中各种组合的系统效能；
Step 4：找出系统效能最高的组合方案。
通过马赛克拼接的组合方式，空间马赛克可重构系统两级系统混合控制结构模型执行任务可以突破单一的任务执行方式，将任务执行拓宽到多个维度，全面提升了任务执行效果。马赛克体系中的各种光学、电子能力可对目标的多种特征进行识别，进行联合判别、启发学习，得到目标的光学、电子等不同特征参数。当单个或多个卫星执行相似任务时，即可检索星上存储的已有的联合判别特征参数，辅助判别，提高目标的识别概率。
所述步骤五中，在最优组合方案里根据卫星智能体的计算能力确定卫星智能体角色，包括：
计算能力最强的卫星智能体作为管理卫星智能体，计算能力次之的作为备份管理卫星智能体，其余卫星智能体作为工作卫星智能体；
备份管理卫星智能体同时也是工作卫星智能体，接受管理卫星智能体的领导指挥，与其他工作卫星智能体不同的是，备份管理卫星智能体需要分享其计算能力，协助管理卫星智能体进行决策。
管理卫星智能体与工作卫星智能体都需要执行任务。
所述步骤五中，建立具有管理卫星智能体和工作卫星智能体的空间马赛克可重构系统两级系统混合控制结构模型的方法包括：
空间马赛克可重构系统两级系统混合控制结构模型包含管理层和执行层；
管理层由管理卫星智能体组成，负责高级别的决策管理和任务规划调度，制定总体协作机制和策略；管理层由一个或多个卫星智能体组成，但是有且只有一个管理卫星智能体与执行层进行联系，其余卫星智能体有两个任务：一是作为备份管理卫星智能体，提高系统的冗余性，二是根据任务需求，分享星上计算能力；管理层的卫星智能体并非仅负责总体决策规划，作为一颗独立自主的卫星智能体，管理卫星智能体也负责具体的动作输出；
执行层由工作卫星智能体组成，负责单星级别的任务规划和具体的行为输出；根据任务需要，空间马赛克可重构系统两级系统混合控制结构模型可以实现不同类型卫星动态组网，工作卫星智能体包含搭载不同类型有效载荷的卫星智能体，进入最优组合方案的卫星智能体即为本次任务的执行卫星智能体；
根据实际任务，管理层和执行层进行动态组合，可构成不同的能力体系。
卫星智能体的角色不是固定不变的，根据不同的任务情况而灵活多变，一个卫星智能体可以是管理卫星智能体，也可以是工作卫星智能体，但在一个任务中，卫星智能体的角色只能有一个。
空间马赛克可重构体系通过自主运行实现任务目标，要求多颗卫星之间具有相互协作的能力，单颗卫星也具有自治能力。根据上述空间马赛克可重构系统两级系统混合控制结构模型，设计了具有单星自治和多星协作功能的卫星控制结构Agent模型。
管理卫星Agent和工作卫星Agent的结构模型相同，这样的设计可以避免因Agent结构种类多样造成的DSS动态重构自治体系复杂化，也可以为Agent协作带来方便，但卫星Agent内部的子Agent构成根据卫星类型而异。上述设计使卫星Agent的结构具有了统一性和多样性。
卫星控制结构Agent模型包含感知Agent、决策Agent、规划Agent、知识库、控制Agent、效应Agent。其中感知Agent、决策Agent、规划Agent和知识库负责规划层面工作，控制Agent和效应Agent负责执行层面工作。环境包含外部环境信息，外部卫星的状态信息。
所述步骤六中的具体步骤包括：
管理卫星智能体负责高级别的决策管理和任务规划调度，制定总体协作机制和策略；
管理层接收到任务指令后，由管理层智能体制定出总体任务规划方案，下达任务指令；
工作卫星智能体的时间安排有观测任务时间段和空闲时间段，观测任务时间段内卫星智能体执行自身的任务，在空闲时间段内卫星智能体可执行管理卫星智能体下发的任务，任务需求与观测任务有重叠，任务需求时间段大于空闲时间段均为冲突任务，需要进行任务协商；当工作卫星智能体判断管理卫星智能体下发的任务与自身安排有冲突时，向管理卫星智能体提出任务变更请求和任务建议，管理卫星智能体重新制定任务计划，进行下发，直至不存在任务冲突。
一具体应用例子：
以某次对区域1的某型号装备目标进行观测为例：
1)卫星A收到地面站指令，要求对区域1的目标进行观测。卫星A的感知Agent发现附近存在卫星B、C、D、E、F、G，通过知识库的卫星轨道参数计算得出，成像卫星B，成像卫星C，电子侦察卫星D，会经过区域1的上空，气象卫星E是地球同步轨道卫星，也可以观测到区域1。
2)成像卫星A的子系统Agent发起连接请求，迅速与卫星B、C、D、E建立联系。
3)卫星A马赛克拆分为高分辨率成像、红外成像和高光谱成像能力。卫星B马赛克拆分为广域SAR成像和聚束SAR成像能力。卫星C马赛克拆分为宽幅成像和窄幅成像能力。卫星D马赛克拆分为雷达信号侦察能力。卫星E马赛克拆分为可见光遥感和微波遥感能力，如表1所示。
表1卫星能力拆分
4)马赛克拼接得到多种组合方式，计算系统效能。通过最优组合算法，得到最优组合方式为卫星A的高分辨率成像能力、卫星B的SAR成像能力，卫星C的宽幅成像能力，卫星D的雷达信号侦察能力，卫星E的微波遥感能力，如表2所示：
表2马赛克最优组合方式及卫星角色划分
| 卫星型号 | 卫星角色 | 进入最优组合的能力 |
| 成像卫星A | 工作卫星Agent | 高分辨率成像 |
| 成像卫星B | 管理卫星Agent | 聚束SAR成像 |
| 成像卫星C | 备份管理卫星Agent | 宽幅成像 |
| 电子侦察卫星D | 工作卫星Agent | 雷达信号侦察 |
| 气象卫星E | 工作卫星Agent | 微波遥感 |
5)卫星B的计算能力最强，C次之，通过卫星知识库里的马赛克组成策略，确定成像卫星B为管理卫星Agent，成像卫星C为备份管理卫星Agent，A，D，E为工作卫星Agent。
6)建立具有管理卫星智能体和工作卫星智能体的空间马赛克可重构系统两级系统混合控制结构模型，其中成像卫星B为管理卫星Agent，成像卫星C为备份管理卫星Agent，A，D，E为工作卫星Agent。
7)管理卫星B根据知识库的模型制定了任务规划调度方案，下发到各个卫星，卫星A，D得知与自身情况冲突，与卫星B进行协商，更改计划，整个过程中成像卫星C为备份管理卫星Agent。
8)卫星B下发任务规划调度，由气象卫星E进行成像对区域1天气进行分析，C进行宽幅成像，成像卫星A进行高分辨率成像，成像卫星B进行SAR成像，侦察卫星D对目标的电磁波谱进行侦察。
9)各个卫星将数据下传至地面站。
利用本发明提供的方法在对于分布式卫星系统执行任务，具有以下优点：
1、将能力马赛克拆分后进行动态随机组合，使基于马赛克拼接的分布式可重构卫星系统能力多样化，改变了传统的分布式卫星系统组合单一，能力单一的缺点，智能组合算法计算出的最优能力组合可节省卫星资源，且达到最优的任务收益；
2、以集中反馈式为基础的空间马赛克可重构系统两级系统混合控制结构的管理层和执行层可进行任务协商，管理卫星Agent负责高级别的决策管理和任务规划调度，制定总体协作机制和策略，确保了全局最优化，执行层卫星Agent根据马赛克拼接进行变化；
3、备份管理卫星Agent提高了系统的冗余性和可靠性，通过分享星上计算能力，减轻了管理卫星Agent的计算量，提高了整个系统的任务效率。备份卫星不参与任务协商保证了全局最优性，管理层和执行层卫星根据任务需要灵活变化，提高了系统的可用性；
4、管理卫星Agent和工作卫星Agent结构相同，减小了系统的复杂度。卫星Agent内部有多个子系统Agent，构成了卫星单星自治能力和协同能力。
5、知识库储存的决策模型、规划模型和其他知识为多星协同、单星自治提供了基础。
以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于上述实施例，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (10)
1.一种基于马赛克拼接的分布式可重构卫星系统组织方法，其特征在于，该方法包括：
步骤一、根据卫星的系统构成，建立用于代替轨道上卫星的卫星智能体的结构模型；
步骤二、当卫星智能体接收到地面发送的任务，该卫星智能体迅速与附近的卫星智能体建立联系，构成分布式卫星系统；
步骤三、建立联系的所有卫星智能体按照卫星有效载荷的能力进行马赛克能力拆分得到马赛克能力模块；
步骤四、根据接收到的任务对拆分后的马赛克能力模块进行马赛克拼接，得到基于马赛克拼接的分布式可重构卫星系统，对分布式可重构卫星系统的效能进行评估，得到执行该任务的多星协作最优组合方案；
步骤五、在最优组合方案里根据卫星智能体的计算能力确定卫星智能体角色，建立具有管理卫星智能体和工作卫星智能体的空间马赛克可重构系统两级系统混合控制结构模型；
步骤六、管理卫星智能体制定本次多星协作的任务规划调度方案，进行下发，工作卫星智能体判断下发任务与自身原有任务是否冲突，若冲突，进行上报，管理卫星智能体重新制定方案，直至冲突消失后，使用该空间马赛克可重构系统两级系统混合控制结构模型执行任务。
2.如权利要求1所述的方法，其特征在于，所述步骤一中，卫星智能体的结构模型包括感知智能体模块、知识库、决策智能体模块、规划智能体模块、控制智能体模块和效应智能体模块；其中，
感知智能体模块，用于在接收到地面发送的任务时，感知空间环境中其他卫星智能体的信号，通过效应智能体模块发出联系信号，与其他卫星智能体建立联系；
知识库，用于向决策智能体模块提供已存储的决策模型，向规划智能体模块提供已存储的任务分配模型和任务规划模型，保存最终生成的空间马赛克可重构系统两级系统混合控制结构模型的信息；其中，所述决策模型，用于根据各个卫星的星载计算机的性能参数得到的卫星智能体的计算能力对卫星角色进行划分，并基于任务需求，根据卫星种类和过境情况，对卫星智能体进行组合，协同执行任务；任务分配模型，用于根据具体任务，基于拍卖算法对划分角色后的卫星智能体进行任务分配；任务规划模型，用于生成与分配的任务对应的任务规划方案；所述信息包括卫星智能体基本信息、卫星智能体的计算能力和/或卫星智能体之间相对位置关系等；
决策智能体模块，用于通过决策模型确定建立联系的所有卫星智能体的角色，制定卫星智能体的组合方案以及制定空间马赛克可重构系统两级系统混合控制结构模型的体系能力构成和重构策略；其中，体系能力是空间马赛克可重构系统两级系统混合控制结构模型中所有卫星智能的综合能力；重构策略是指根据任务需要和变化，合理搭配分布式卫星系统中卫星的种类，形成最佳任务执行能力；
规划智能体模块，用于根据接收到的任务，通过任务分配模型对确定角色后的卫星智能体给予任务分配，通过任务规划模型制定与执行分配的任务对应的任务规划方案；
控制智能体模块，用于根据规划智能体模块发送的任务规划方案生成控制指令，将所述控制指令发送到效应智能体模块进行指令执行；同时发送到规划智能体模块，对卫星智能体的各个模块自主运行进行协调；
效应智能体模块，用于对接收到的指令进行任务执行，对外动作输出和信息输出。
3.如权利要求1或2所述的方法，其特征在于，所述步骤二的具体步骤包括：
卫星智能体的结构模型中的感知智能体模块接收到空间环境中其他卫星智能体的信号，效应智能体模块发出联系信号，与其他卫星智能体建立联系，构成分布式卫星系统。
4.如权利要求1所述的方法，其特征在于，所述步骤三，具体包括：将建立联系的所有卫星智能体的有效载荷的能力根据预存储的类型进行归类，再将归类后的卫星智能体的有效载荷能力进行马赛克能力拆分，得到马赛克能力模块。
5.如权利要求1或4所述的方法，其特征在于，所述马赛克能力拆分的步骤，具体包括：
卫星有效载荷的能力为光学有效载荷能力时，马赛克能力拆分为宽幅成像能力、窄幅成像能力、高分辨率成像能力、红外成像能力和高光谱成像能力等；
卫星有效载荷的能力为合成孔径雷达(SAR)有效载荷能力时，根据工作模式，马赛克能力拆分为广域GMTI能力、同时SAR/GMTI能力、条带SAR能力和聚束SAR能力；
卫星有效载荷的能力为电子侦察能力时，按照其侦察对象进行马赛克能力拆分为雷达信号侦察能力、通信信号侦察能力、测控信号侦察能力；
卫星有效载荷的能力为通信有效载荷能力时，按照其业务频段分别马赛克能力拆分为UHF、L、S、C、X、Ku、Ka频段能力。
卫星有效载荷的能力为气象有效载荷能力时，按照其载荷类型马赛克能力拆分为微波遥感能力、可见光遥感能力、红外遥感能力。
6.如权利要求1所述的方法，其特征在于，所述步骤四中，对分布式可重构卫星系统的效能进行评估，系统效能最高的组合方案即为执行该任务的多星协作最优组合方案，使用的评估方法为ADC法，所述ADC法是美国工业界武器系统效能咨询委员会提出的效能评估模型；所述ADC法为：
E＝ADC
其中，E表示效能；A为系统的可用性或有效度，表示为行向量，当要求系统在任意时刻工作时，A表示系统在执行任务时的所处状态的指标；D为可信性或可信赖度，表示可信性矩阵，已知系统开始执行任务时的状态，表示系统在执行任务时，一个或几个时间内所处的状态；C为能力，表示为系统的能力矩阵，已知系统在执行任务时的状态，表示系统完成规定任务之能力的指标。
7.如权利要求6所述的方法，其特征在于，所述ADC法中，
A＝[a1,a2,…,ai]
其中，矩阵A中的每一个元素ai都是系统在开始执行任务时处于不同状态的概率，概率总和为1，即∑ai＝1，i∈N,1≤i≤n，n表示状态的总个数，i表示系统所处的状态，N表示自然数；
A简易化时，只有两个指标：有效状态概率、故障状态概率：
系统处于有效状态的概率表示为：
系统处于故障状态概率表示为：
式中a1为有效状态，a2为故障状态，MTBF为平均故障间隔时间，MTTR为平均修理时间；
其中，dij表示已知系统在状态i中开始执行任务，该系统在执行任务过程中处在状态j中的概率，j∈N,1≤j≤n，n表示状态的总个数，N表示自然数；
其中，ci,q表示系统第q项能力在第i种状态下完成任务的度量，q表示系统的某一项能力；当卫星系统为对地观测系统，能力可为发现目标概率、跟踪目标概率、目标判别能力。
8.如权利要求1所述的方法，其特征在于，所述步骤五中，在最优组合方案里根据卫星智能体的计算能力确定卫星智能体角色，包括：
计算能力最强的卫星智能体作为管理卫星智能体，计算能力次之的作为备份管理卫星智能体，其余卫星智能体作为工作卫星智能体；
备份管理卫星智能体同时也是工作卫星智能体，接受管理卫星智能体的领导指挥，与其他工作卫星智能体不同的是，备份管理卫星智能体需要分享其计算能力，协助管理卫星智能体进行决策。
管理卫星智能体与工作卫星智能体都需要执行任务。
9.如权利要求1所述的方法，其特征在于，所述步骤五中，建立具有管理卫星智能体和工作卫星智能体的空间马赛克可重构系统两级系统混合控制结构模型的方法包括：
空间马赛克可重构系统两级系统混合控制结构模型包含管理层和执行层；
管理层由管理卫星智能体组成，负责高级别的决策管理和任务规划调度，制定总体协作机制和策略；管理层由一个或多个卫星智能体组成，但是有且只有一个管理卫星智能体与执行层进行联系，其余卫星智能体有两个任务：一是作为备份管理卫星智能体，提高系统的冗余性，二是根据任务需求，分享星上计算能力；管理层的卫星智能体并非仅负责总体决策规划，作为一颗独立自主的卫星智能体，管理卫星智能体也负责具体的动作输出；
执行层由工作卫星智能体组成，负责单星级别的任务规划和具体的行为输出；根据任务需要，空间马赛克可重构系统两级系统混合控制结构模型可以实现不同类型卫星动态组网，工作卫星智能体包含搭载不同类型有效载荷的卫星智能体，进入最优组合方案的卫星智能体即为本次任务的执行卫星智能体；
根据实际任务，管理层和执行层进行动态组合，可构成不同的能力体系；
卫星智能体的角色不是固定不变的，根据不同的任务情况而灵活多变，一个卫星智能体可以是管理卫星智能体，也可以是工作卫星智能体，但在一个任务中，卫星智能体的角色只能有一个。
10.如权利要求1所述的方法，其特征在于，所述步骤六中的具体步骤包括：
管理卫星智能体负责高级别的决策管理和任务规划调度，制定总体协作机制和策略；
管理层接收到任务指令后，由管理层智能体制定出总体任务规划方案，下达任务指令；
工作卫星智能体的时间安排有观测任务时间段和空闲时间段，观测任务时间段内卫星智能体执行自身的任务，在空闲时间段内卫星智能体可执行管理卫星智能体下发的任务，任务需求与观测任务有重叠，任务需求时间段大于空闲时间段均为冲突任务，需要进行任务协商；当工作卫星智能体判断管理卫星智能体下发的任务与自身安排有冲突时，向管理卫星智能体提出任务变更请求和任务建议，管理卫星智能体重新制定任务计划，进行下发，直至不存在任务冲突。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110287025.4A CN113220425B (zh) | 2021-03-17 | 2021-03-17 | 一种基于马赛克拼接的分布式可重构卫星系统组织方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110287025.4A CN113220425B (zh) | 2021-03-17 | 2021-03-17 | 一种基于马赛克拼接的分布式可重构卫星系统组织方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113220425A true CN113220425A (zh) | 2021-08-06 |
| CN113220425B CN113220425B (zh) | 2022-09-30 |
Family
ID=77083694
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110287025.4A Expired - Fee Related CN113220425B (zh) | 2021-03-17 | 2021-03-17 | 一种基于马赛克拼接的分布式可重构卫星系统组织方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113220425B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115694611A (zh) * | 2022-10-26 | 2023-02-03 | 湖南赛德雷特空间科技有限公司 | 面向微小卫星边缘计算的星载电子系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108335012A (zh) * | 2017-12-26 | 2018-07-27 | 佛山科学技术学院 | 一种智能遥感卫星层次化分布式自主协同任务规划系统 |
| CN112288212A (zh) * | 2020-07-31 | 2021-01-29 | 上海卫星工程研究所 | 一种多星自主协同系统及方法 |
-
2021
- 2021-03-17 CN CN202110287025.4A patent/CN113220425B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108335012A (zh) * | 2017-12-26 | 2018-07-27 | 佛山科学技术学院 | 一种智能遥感卫星层次化分布式自主协同任务规划系统 |
| CN112288212A (zh) * | 2020-07-31 | 2021-01-29 | 上海卫星工程研究所 | 一种多星自主协同系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 高黎等: "基于MAS的DSS自主协作运行体系结构模型研究", 《国防科技大学学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115694611A (zh) * | 2022-10-26 | 2023-02-03 | 湖南赛德雷特空间科技有限公司 | 面向微小卫星边缘计算的星载电子系统 |
| CN115694611B (zh) * | 2022-10-26 | 2024-04-09 | 湖南赛德雷特空间科技有限公司 | 面向微小卫星边缘计算的星载电子系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113220425B (zh) | 2022-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN113128828B (zh) | 一种基于多智能体强化学习的卫星观测分布式在线规划方法 | |
| CN112580906A (zh) | 卫星遥感任务规划与地面资源调度联合求解方法 | |
| CN109936619A (zh) | 一种基于雾计算的空间信息网络架构、方法和可读存储介质 | |
| CN109088667B (zh) | 一种面向简单任务的同构多星在线协同方法 | |
| CN113612525A (zh) | 基于约束满足的低轨互联网星座星地链路规划方法 | |
| CN113313414B (zh) | 一种多类异构遥感平台任务协同规划方法 | |
| Zheng et al. | Onboard mission allocation for multi-satellite system in limited communication environment | |
| CN113220425B (zh) | 一种基于马赛克拼接的分布式可重构卫星系统组织方法 | |
| US7519569B1 (en) | System, apparatus, and method to dynamically allocate resources | |
| Schier et al. | Space communication architecture supporting exploration and science: Plans & studies for 2010-2030 | |
| CN113496103B (zh) | 基于多重原则与链条组合的敏捷卫星多目标协同观测方法 | |
| Liu et al. | Bottom-up mechanism and improved contract net protocol for dynamic task planning of heterogeneous earth observation resources | |
| Cahoy et al. | Initial results from ACCESS: an autonomous cubesat constellation scheduling system for earth observation | |
| CN115276753A (zh) | 一种低轨宽带卫星星座兼容仿真系统 | |
| Hasnain et al. | Agile spacecraft imaging algorithm comparison for earth science | |
| CN114115342B (zh) | 一种基于冲突处理的无人集群多域协同系统及方法 | |
| CN109728845B (zh) | 一种卫星高效调度星座及调度方法 | |
| Skobelev et al. | Using multi-agent technology for the distributed management of a cluster of remote sensing satellites | |
| CN115796506A (zh) | 一种星座协同观测任务自主资源筛选方法 | |
| Zhang et al. | Satellite group autonomous operation mechanism and planning algorithm for marine target surveillance | |
| Bulanov et al. | Inter-satellite communication for LEO CubeSat network: QoS parameters and feasibility of massive MIMO | |
| Teske et al. | Distributed Satellite Collection Scheduling Optimization using Cooperative Coevolution and Market-Based Techniques | |
| Williamson et al. | Autonomy Levels for Small Satellite Clusters | |
| Cappaert et al. | Network control systems for large-scale constellations |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220930 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |