CN113283666A - 一种卫星群的启发式智能任务推理与决策方法 - Google Patents
一种卫星群的启发式智能任务推理与决策方法 Download PDFInfo
- Publication number
- CN113283666A CN113283666A CN202110648454.XA CN202110648454A CN113283666A CN 113283666 A CN113283666 A CN 113283666A CN 202110648454 A CN202110648454 A CN 202110648454A CN 113283666 A CN113283666 A CN 113283666A
- Authority
- CN
- China
- Prior art keywords
- information
- satellite
- target
- intelligent task
- decision
- 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
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90344—Query processing by using string matching techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/253—Grammatical analysis; Style critique
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Radio Relay Systems (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种卫星群的启发式智能任务推理与决策方法,具体包括:S1信息预处理;S11信息抽取;S12信息分词;S13信息识别:使用命名体识别技术对信息中的实体对象进行识别,获得信息中的关键实体;S14信息结构化:分析句子的语法结构,标记语法关系和对应的词下标,从而生成结构化的信息;S2启发式智能任务推理;S3星上智能任务决策,以实现可实现更好的观测性能;可从整体的角度进行优化调度,利于观测资源共享,避免对某些任务重复观测而浪费卫星资源;增强卫星突发情况时的时效性、鲁棒性和动态调整能力。针对目标态势预测更加精确以提高决策有效性。
Description
技术领域
本发明属于卫星定位领域,具体属于卫星监控技术,是一种卫星群的启发式智能任务推理与决策方法。
背景技术
随着航天技术的不断发展和在轨卫星数目的增多,卫星逐渐成为民用信息获取、灾害防治、舰船护航等行动中不可或缺的信息获取手段,这些应用中用户的观测需求具有极高的时效性。
当前应用中,利用卫星进行对地观测主要包括以下步骤:用户提出对地观测的需求或请求;卫星的管控系统周期性收集用户提出的观测需求,而后综合考虑观测需求中观测位置、空间分辨率等任务属性和系统中卫星的最大观测时长、侧摆角度约束等使用约束,以进行卫星任务规划,并制定相应的观测任务计划;依据观测任务计划制定控制指令,并上注卫星,由卫星依指令执行获取观测数据后下传到地面,经处理后发送给用户。可见,卫星任务规划在整个对地观测过程居于核心地位,卫星任务规划的结果直接影响整个对地观测过程的成败和用户通过对地观测获取信息服务的体验。然而随着卫星数量和用户需求的不断增多,以及卫星管理方对用户需要的无法预知性和用户需求的实时性以及不确定性,对于卫星调度规划,如果所有的卫星任务规划都由地面站制定并上传,处理分析大量观测数据的地面站面临的压力会急剧增加。
现有技术中,对于卫星任务规划,传统的地面站规划方式存在时延高、耗费人力、资源利用率低且可能出现信息在传输过程中丢失等问题。而面向意图的星上智能任务决策技术,可以减少地面站的介入,极大提高卫星的运行效率,增加卫星系统的智能性,解决地面站规划存在的缺陷。此外,由于用户需求的复杂性、观测目标的不确定性和时效性、卫星资源的不确定性以及外部因素的不可控性等因素,导致基于单卫星任务规划问题十分复杂,以往的静态地面规划在时效性、鲁棒性、容错性和灵活性等方面存在很大的不足。
发明内容
本发明的目的在于提供一种基于意图的群智启发式任务推理与决策技术的星上智能系统,实现通过启发式智能任务推理算法对实时卫星信息进行分析推理,得到该信息的模糊意图,然后利用星上自主决策算法将模糊意图转化为结构化意图,最后对结构化意图进行参数实例化后输出可规划的任务序列集,从而实现星上的任务推理与决策。
本发明采用以下技术方案,包括:S1信息预处理,S11信息抽取:对星上实时信息进行正则表达式抽取,获得信息中具有固定形式且缺乏语法结构的信息;S12信息分词:对剩余信息抽取后信息部分进行分词,按照词粒度进行分割,并对每个词进行词性标注,以进行信息结构化;S13信息识别:使用命名体识别技术对信息中的实体对象进行识别,获得信息中的关键实体;S14信息结构化:分析句子的语法结构,标记语法关系和对应的词下标,从而生成结构化的信息。
进一步地;上述S12信息分词步骤中,设置伪分词数据库,将低频词进行存储。具体地,现有的分词模型普遍存在未登录词和歧义分词问题,例如:组合型歧义和交集型歧义。其中,未登录词是指词典中没有收录、模型不认识的词语,可以通过用户自定义词典来解决。而对于歧义分词,则需要对模型进行修正,例如“黑龙江省大兴安岭西林吉林区发生火灾”,往往会被分割为“黑龙江省”、“大兴安岭”、“西林”、“吉林”、“区”、“发生”、“火灾”,正确的分词结果应该为“黑龙江省”、“大兴安岭”、“西林吉”、“林区”、“发生”、“火灾”,不难看出,造成歧义分词的主要原因是“西林吉林区”中“吉林”和“区”都是高频字词,而“西林吉”是低频词,分词模型更趋向于将文本分为多个高频词,因此需要增加一个专门的伪分词字段库,分词时进行最大正向匹配,在本例中,将“西林吉”加入到伪分词字段库中后,模型分词时优先匹配“西林”,从而得到正确的分词结果。
S2启发式智能任务推理,S21态势生成:将生成的结构化信息与历史信息库中该实体的历史状态信息作比对,自动甄别和更新本系统当前存储的态势信息,并根据信息来源与天气信息等对态势进行模糊信息的补全与扩充。S22模式识别和规则匹配:采用模式识别和规则匹配方法,将当前的模糊态势与规则库中的推理规则进行规则匹配,得到模糊意图。
进一步地,态势生成过程中,涉及三个数据库及一个装置:历史信息库、整合对齐信息库、信息特征信息库以及智能化比较器。
具体地,历史信息库贮存预处理步骤输出的一系列结构化信息流。整合对齐信息库贮存经过整合对齐操作后的历史信息。信息特征信息库贮存一系列特征信息。比较器将智能化比较整合对齐信息库与信息特征信息库,根据整合对齐信息库中的信息智能修改信息特征信息库,从而实现不断更新维护信息特征信息库。
具体地,在模糊信息补全与扩充过程中,还涉及到信息的存储、信息流主键和外键的识别、外部信息库的智能化查询和构造以及相关信息针对特殊外键的粘连和对齐,需要采用模块化的外键识别方法与外部信息库通信,首先检索定位输入的目标信息流的对应外键,之后查询对比目标信息库的目标信息来源后加入来源信息,此后加入信息库中的天气信息的属性,最后再对相应外键进行定位连接,从而实现信息特征的智能扩充处理。
进一步地,模式识别和规则匹配过程中,部分字段可以通过任务中的关键词匹配得到任务主题,如果不能通过信息匹配得到,再尝试通过知识系统中的规则库,进行规则匹配,如果规则库中没有,则基于专家经验将军事场景常见的需求要求制定成规则,对规则库进行扩充。
上述启发式智能任务推理步骤实现以星上的实时信息为输入,输出模糊意图,倘若输入的是地面上注意图,例如,地面上注意图“UTC时间2019年12 月31日,18:37:11,大兴安岭火灾预警。”则只需要使用预处理步骤中的正则表达式抽取、分词和命名体识别技术,便可得到模糊意图“意图:火灾预警;时间:2019-12-31 18:37:11;目标名称:大兴安岭”。
S3星上智能任务决策,S31使用目标信息库对模糊意图进行信息补全,得到结构化意图;S32根据意图和目标类型查询知识图谱得到不同的载荷任务清单,实现将结构化意图与意图模板库进行匹配,得到不同卫星或者同种卫星的可规划任务序列集,供后续的星上任务规划模块直接调用。
进一步地,上述星上智能任务决策步骤的输入为推理步骤输出的模糊意图,往往只包含了意图、载荷、目标名称、目标区域、高度、频率、结束时间以及载荷可选等属性。此时的意图还很简略,未包含规划需要得知的重要属性,例如分辨率、任务优先级、最低成像质量等。
因此,为了将意图分解为可规划的任务序列,需要建立意图参数实例化模型,将意图的重要参数实例化,其重要参数包括目标类型、观测周期、持续时间、空间分辨率、任务优先级以及最低成像质量,从而得到重要参数实例化的规范化描述意图。扩展参数的获得属于机器学习中的回归和分类问题,将历史需求和具体需求数据作为训练数据,通过规范化建模算法库中的算法进行训练,生成参数回归与分类建模模型库,再通过模型复选和参数调整结合模型融合找到最适合参数回归与分类的模型,将模型产生的结果和规则匹配产生的结果进行融合,形成最终的明确的格式化目标需求。
与现有技术相比较,本发明能够赋予卫星智能任务推理与自主决策能力,实现星上智能化,减少人为管控的需求。同时,通过卫星网络化协同技术,自主动态地调整卫星的分布式拓扑结构,动态地进行任务规划有以下优势:
可实现更好的观测性能;
可从整体的角度进行优化调度,利于观测资源共享,避免对某些任务重复观测而浪费卫星资源;
增强卫星突发情况时的时效性、鲁棒性和动态调整能力。
针对目标态势预测更加精确以提高决策有效性。
附图说明
图1是本发明的卫星群的启发式智能任务推理与决策流程图;
图2是本发明的信息预处理流程图;
图3是本发明的一个意图模板库示例图;
图4是本发明的一个星上智能任务推理示例图;
图5是本发明的一个星上智能决策示例图;
图6是本发明的一个星上有云/电磁干扰任务推理示例图。
具体实施方式
为使本发明的技术特征更加清楚,下面将结合附图使用具体的实施样例对本发明的技术方案进行描述。
如图1所示的卫星群的启发式智能任务推理与决策流程图,首先进行信息与处理,随后进行启发式智能任务推理;并通过针对智能任务的有效推理,实现星上智能任务决策
如图2所示的信息预处理流程图,信息预处理的具体过程为:首先进行信息抽取,即对星上实时信息进行正则表达式抽取,获得信息中具有固定形式且缺乏语法结构的信息;随后执行信息分词,即对剩余信息抽取后信息部分进行分词,按照词粒度进行分割,并对每个词进行词性标注,以进行信息结构化;最后实现信息识别,具体为使用命名体识别技术对信息中的实体对象进行识别,获得信息中的关键实体;S14信息结构化:分析句子的语法结构,标记语法关系和对应的词下标,从而生成结构化的信息。
如图3所示的意图模板库示例图,在进行结构化的信息过程中,用户在发出请求后,需要获取相关参数,将特定参数收集并输入意图模板后,放能够进行有效的态势预测。
具体参数信息为:目标的识别验证,并根据目标指示锁定目标,并将该效果输入意图模板;针对区域目标和点目标进行搜索发现,并将发现结果输入意图模板;依据光学器件、SAR、红外设备获取各林区火灾情况详细信息,将火灾情况详细信息输入意图模板;同时,根据点目标以及区域目标信息确定重点监测目标,并针对重点目标进行监测,将该重点目标监测信息传输至意图模板;并且,根据点目标的探查信息,做出初步动态趋势预测,并根据该初步动态趋势预测结果,产生早期预警信息,将该早期预警信息输入意图模板。意图模板根据所收集的各类信息,实现具体决策。
具体地,上述各类输入至意图模板的参数还能够针对所探测的模糊数据进行模糊意图的具体实例画修正,以做出准确决策。通过多类探测设备的设置,并结合卫星监控数据,能够实现更好的观测性能。
由于使用了光学、SAR以及红外设备进行具体信息的探测,结合卫星监测数据,能够更加准确的获取目标的位置信息以及运动态势,能够在决策模型中,更加准确地确定出目标的未来位置。
进一步地,针对点目标的位置信息,产生早期预警,该早期预警是判断出点目标进行移动后所发出,将该移动信息,例如:移动方向及移动速度,放置于预警信息中,传输至意图模板;意图模板根据该移动信息,结合天气、风力、风速以及温度信息,进一步确定点目标的具体运行态势,以精准实现目标趋势预判,并完成有效决策。两级判定过程能够精确判定目标运动态势。
进一步地,早期预警信息是模板选择的判决条件,依据早期预警信息选择合适的模板类型,具体地,在监测目标移动的情况下,若目标移动情形与历史记录移动趋势相同,则选择一类模板,历史记录移动趋势信息在目标移动预判过程中权重最高;若目标移动清醒与历史记录移动趋势不同,则选择二类模板,历史移动趋势信息在目标移动预判过程中权重最低并且不为零,并依据光学、SAR以及红外探测目标信息,结合卫星监测信息执行目标位置预判;在目标未移动的情况下,则选择三类模板,历史移动趋势信息在目标移动预判过程中权重为零,并依据光学、SAR以及红外探测目标信息,事实监测目标位置信息,并不断生成连续预警数据。通过该类预警信息的获取,能够避免对某些任务重复观测而浪费卫星资源;增强卫星突发情况时的时效性、鲁棒性和动态调整能力。
如图4的星上智能任务推理示例所示,输入的实时卫星信息为:UTC时间 2019年12月31日,18:37:11,大兴安岭出现3处火灾疑似点。
步骤1,信息预处理,首先对输入的信息进行正则表达式抽取,得到“时间:2019-12-31 18:37:11”;然后对剩余信息进行分词,得到“大兴安岭”、“出现”、“3”、“处”、“火灾”、“疑似点”,同时,对每个词语进行词性标注“大兴安岭:名词”、“出现:动词”、“3:数词”、“处:量词”、“火灾:名词”、“疑似点:名词”;最后,命名体识别后得到“大兴安岭:地名”,句法分析并将模糊信息补全,得到完整的结构化信息“目标:火灾疑似点;时间:2019-12-31 18:37:11;地点:大兴安岭;目标数量:3;目标状态:疑似起火;天气:无云;来源:重点目标监测大兴安岭”。
步骤2,星上智能任务决策,将步骤1获得的结构化信息与该基地的历史信息作比对,发现火灾疑似点,于是产生“大兴安岭发生火灾”的态势,并对大兴安岭状态信息进行更新。然后通过目标信息库知道“大兴安岭”为“重点区域”,且状态为“发生火灾”,从而生成“重点区域发生火灾”的模糊态势,与规则库中的规则X匹配,输出意图“意图:识别验证;区域:大兴安岭;禁用载荷:无;时间:2019-12-31 18:37:11”。
如图5的星上智能决策示例所示,地面上注意图“UTC时间2020年12月 3日,12:18:02,大兴安岭火灾预警”,首先通过自然语言处理技术,进行正则表达式抽取、分词与命名体识别,得到模糊意图“意图:火灾情况详查;时间:2020-12-03 12:18:02;目标名称:大兴安岭”,然后查阅目标信息库,对模糊意图进行目标信息补全,从而获得完整的结构化意图“意图:火灾预警;时间:2020-12-03 12:18:02;目标名称:大兴安岭;目标类型:区域目标;经度:124.3531;纬度:51.5526”。然后在图2的意图模板库中查询“火灾预警区域目标”的模板,得到载荷类型为“光学”最低分分辨率为“1m”,最晚完成时间为“30分钟”,任务优先级为“5”,参数实例化后得到最终的可规划任务序列集,如图4所示。
如图6的星上有云/电磁干扰任务推理示例图所示,此时的信息中有“有云/ 电磁干扰”,目标侦查失败,将直接进行模式识别与规则匹配,仅通过天气中的有云/电磁干扰进行规则匹配。若有云,则重新执行侦察意图,禁用光学和红外;若有电磁干扰,则重新执行侦察意图,禁用SAR;最终输出的意图如图5 所示。
本发明能够实现如下技术效果:
通过设置多类位置探测装置,并结合卫星位置监控信息联合运算,可实现更好的观测性能;
通过早期预警信息,根据不同的信息内容选择不同的意图模板,可从整体的角度进行优化调度,利于观测资源共享,避免对某些任务重复观测而浪费卫星资源;
通过针对未移动目标的持续预警信息的提供,增强卫星突发情况时的时效性、鲁棒性和动态调整能力。
通过早期预警以及意图模板的进一步运算的两级判定,能够针对目标态势预测更加精确以提高决策有效性。
Claims (10)
1.一种卫星群的启发式智能任务推理与决策方法,其特征在于:
S1信息预处理;
S11信息抽取:对星上实时信息进行正则表达式抽取,获得信息中具有固定形式且缺乏语法结构的信息;
S12信息分词:对剩余信息抽取后信息部分进行分词,按照词粒度进行分割,并对每个词进行词性标注,以进行信息结构化;
S13信息识别:使用命名体识别技术对信息中的实体对象进行识别,获得信息中的关键实体;
S14信息结构化:分析句子的语法结构,标记语法关系和对应的词下标,从而生成结构化的信息;
S2启发式智能任务推理;
S3星上智能任务决策。
2.根据权利要求1所述的一种卫星群的启发式智能任务推理与决策方法,其特征在于:上述S12信息分词步骤中,设置伪分词数据库,将低频词进行存储。
3.根据权利要求1所述的一种卫星群的启发式智能任务推理与决策方法,其特征在于:对于S2启发式智能任务推理:
S21态势生成:将生成的结构化信息与历史信息库中该实体的历史状态信息作比对,自动甄别和更新本系统当前存储的态势信息,并根据信息来源与天气信息等对态势进行模糊信息的补全与扩充;
S22模式识别和规则匹配:采用模式识别和规则匹配方法,将当前的模糊态势与规则库中的推理规则进行规则匹配,得到模糊意图。
4.根据权利要求3所述的一种卫星群的启发式智能任务推理与决策方法,其特征在于:所述S21态势生成过程中,涉及三个数据库及一个装置:
历史信息信息库、整合对齐信息库、信息特征信息库以及智能化比较器。
5.根据权利要求3所述的一种卫星群的启发式智能任务推理与决策方法,其特征在于:所述模式识别和规则匹配过程中,部分字段可以通过任务中的关键词匹配得到任务主题,如果不能通过信息匹配得到,再尝试通过知识系统中的规则库,进行规则匹配;
如果规则库中没有,则基于专家经验将民用场景常见的需求要求制定成规则,对规则库进行扩充。
6.根据权利要求2所述的一种卫星群的启发式智能任务推理与决策方法,其特征在于:在模糊信息补全与扩充过程中,还涉及到信息的存储、信息流主键和外键的识别、外部信息库的智能化查询和构造以及相关信息针对特殊外键的粘连和对齐,需要采用模块化的外键识别方法与外部信息库通信;
首先检索定位输入的目标信息流的对应外键;
之后查询对比目标信息库的目标信息来源后加入来源信息;
此后加入信息库中的天气信息的属性;
最后再对相应外键进行定位连接;
实现信息特征的智能扩充处理。
7.根据权利要求1所述的一种卫星群的启发式智能任务推理与决策方法,其特征在于:针对目标探测,通过光学、SAR、红外三类位置确定装置以及卫星位置监控信息,共同经过运算获得目标位置信息。
8.根据权利要求1所述的一种卫星群的启发式智能任务推理与决策方法,其特征在于:针对区域目标以及点目标进行位置监视。
9.根据权利要求1所述的一种卫星群的启发式智能任务推理与决策方法,其特征在于:能够针对点目标进行早期预警。
10.根据权利要求1所述的一种卫星群的启发式智能任务推理与决策方法,其特征在于:能够针对点目标进行运动态势普查。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110648454.XA CN113283666B (zh) | 2021-06-10 | 2021-06-10 | 一种卫星群的启发式智能任务推理与决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110648454.XA CN113283666B (zh) | 2021-06-10 | 2021-06-10 | 一种卫星群的启发式智能任务推理与决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113283666A true CN113283666A (zh) | 2021-08-20 |
CN113283666B CN113283666B (zh) | 2023-07-07 |
Family
ID=77284175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110648454.XA Active CN113283666B (zh) | 2021-06-10 | 2021-06-10 | 一种卫星群的启发式智能任务推理与决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113283666B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113779267A (zh) * | 2021-09-13 | 2021-12-10 | 中国人民解放军国防科技大学 | 一种基于意图的星上智能任务决策方法 |
CN114139776A (zh) * | 2021-11-15 | 2022-03-04 | 昆明理工大学 | 一种基于认知图谱的深空探测任务规划方法及系统 |
CN114169066A (zh) * | 2021-09-18 | 2022-03-11 | 中国人民解放军63921部队 | 基于微纳星群抵近侦察的空间目标特性测量、侦察方法 |
CN114610954A (zh) * | 2022-03-09 | 2022-06-10 | 上海弘玑信息技术有限公司 | 信息处理方法及装置、存储介质和电子设备 |
CN116485162A (zh) * | 2023-06-21 | 2023-07-25 | 中科边缘智慧信息科技(苏州)有限公司 | 一种基于图计算的卫星观测任务规划方法、系统及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510221A (zh) * | 2009-02-17 | 2009-08-19 | 北京大学 | 一种用于信息检索的查询语句分析方法与系统 |
GB2559024A (en) * | 2016-11-28 | 2018-07-25 | National Univ Of Defence Technology | Autonomous Operation and control system of agile imaging satellite and operation process thereof |
WO2018149326A1 (zh) * | 2017-02-16 | 2018-08-23 | 阿里巴巴集团控股有限公司 | 一种自然语言问句答案的生成方法、装置及服务器 |
US20190121665A1 (en) * | 2017-10-20 | 2019-04-25 | HawkEye 360, Inc. | Hierarchical satellite task scheduling system |
CA3063018A1 (en) * | 2018-11-21 | 2020-10-17 | Beijing Yutian Technology Co. Ltd | An intelligent emergency decision support system for emergency communication |
CN111950617A (zh) * | 2020-08-05 | 2020-11-17 | 上海卫星工程研究所 | 多源引导信息星上实时融合处理方法及系统 |
CN112800082A (zh) * | 2021-02-22 | 2021-05-14 | 中国人民解放军国防科技大学 | 一种基于置信规则库推理的空中目标识别方法 |
-
2021
- 2021-06-10 CN CN202110648454.XA patent/CN113283666B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510221A (zh) * | 2009-02-17 | 2009-08-19 | 北京大学 | 一种用于信息检索的查询语句分析方法与系统 |
GB2559024A (en) * | 2016-11-28 | 2018-07-25 | National Univ Of Defence Technology | Autonomous Operation and control system of agile imaging satellite and operation process thereof |
WO2018149326A1 (zh) * | 2017-02-16 | 2018-08-23 | 阿里巴巴集团控股有限公司 | 一种自然语言问句答案的生成方法、装置及服务器 |
US20190121665A1 (en) * | 2017-10-20 | 2019-04-25 | HawkEye 360, Inc. | Hierarchical satellite task scheduling system |
CA3063018A1 (en) * | 2018-11-21 | 2020-10-17 | Beijing Yutian Technology Co. Ltd | An intelligent emergency decision support system for emergency communication |
CN111950617A (zh) * | 2020-08-05 | 2020-11-17 | 上海卫星工程研究所 | 多源引导信息星上实时融合处理方法及系统 |
CN112800082A (zh) * | 2021-02-22 | 2021-05-14 | 中国人民解放军国防科技大学 | 一种基于置信规则库推理的空中目标识别方法 |
Non-Patent Citations (1)
Title |
---|
苗航;林鹏;匡麟玲;陆建华;: "自主运行地面站的微小卫星任务规划方法", 计算机测量与控制, no. 02 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113779267A (zh) * | 2021-09-13 | 2021-12-10 | 中国人民解放军国防科技大学 | 一种基于意图的星上智能任务决策方法 |
CN113779267B (zh) * | 2021-09-13 | 2023-07-11 | 中国人民解放军国防科技大学 | 一种基于意图的星上智能任务决策方法 |
CN114169066A (zh) * | 2021-09-18 | 2022-03-11 | 中国人民解放军63921部队 | 基于微纳星群抵近侦察的空间目标特性测量、侦察方法 |
CN114169066B (zh) * | 2021-09-18 | 2022-07-29 | 中国人民解放军63921部队 | 基于微纳星群抵近侦察的空间目标特性测量、侦察方法 |
CN114139776A (zh) * | 2021-11-15 | 2022-03-04 | 昆明理工大学 | 一种基于认知图谱的深空探测任务规划方法及系统 |
CN114139776B (zh) * | 2021-11-15 | 2024-04-23 | 昆明理工大学 | 一种基于认知图谱的深空探测任务规划方法及系统 |
CN114610954A (zh) * | 2022-03-09 | 2022-06-10 | 上海弘玑信息技术有限公司 | 信息处理方法及装置、存储介质和电子设备 |
CN114610954B (zh) * | 2022-03-09 | 2022-11-25 | 上海弘玑信息技术有限公司 | 信息处理方法及装置、存储介质和电子设备 |
CN116485162A (zh) * | 2023-06-21 | 2023-07-25 | 中科边缘智慧信息科技(苏州)有限公司 | 一种基于图计算的卫星观测任务规划方法、系统及装置 |
CN116485162B (zh) * | 2023-06-21 | 2023-09-19 | 中科边缘智慧信息科技(苏州)有限公司 | 一种基于图计算的卫星观测任务规划方法、系统及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113283666B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113283666B (zh) | 一种卫星群的启发式智能任务推理与决策方法 | |
Zuiev et al. | Development of complex methodology of processing heterogeneous data in intelligent decision support systems | |
Zhu et al. | KST-GCN: A knowledge-driven spatial-temporal graph convolutional network for traffic forecasting | |
CN107273530B (zh) | 基于互联网信息的重要船只目标动态监测方法 | |
CN112612902A (zh) | 一种电网主设备的知识图谱构建方法及设备 | |
CN113392986B (zh) | 一种基于大数据的公路桥梁信息抽取方法及管理养护系统 | |
CN113779267B (zh) | 一种基于意图的星上智能任务决策方法 | |
CN114398442A (zh) | 一种基于数据驱动的情报处理系统 | |
Chao et al. | Construction and application research of knowledge graph in spacecraft launch | |
Blasch et al. | Control diffusion of information collection for situation understanding using Boosting MLNs | |
CN116611813B (zh) | 一种基于知识图谱的智能运维管理方法及系统 | |
CN117421171A (zh) | 一种大数据任务监控方法、系统、装置及存储介质 | |
CN115934966A (zh) | 基于遥感影像推荐信息的自动标注方法 | |
USH2208H1 (en) | Intelligent agent remote tracking of chemical and biological clouds | |
CN115204179A (zh) | 基于电网公共数据模型的实体关系预测的方法及装置 | |
CN114357039A (zh) | 一种基于大数据的卫星星座云处理分析平台及其使用方法 | |
Lang et al. | A novel method of emergency situation evaluation for deep-sea based on bayesian network | |
Gryshmanov et al. | Prognosis method of unfavorable airborne events during flight based on convolutional and recurrent neural networks | |
Zhang et al. | A Real Time Traffic Flow Model Based on Deep Learning. | |
Wang et al. | Research on the construction technology of knowledge graph in aviation | |
Tang et al. | Analysis of Characteristics and Requirements of Large LEO Constellations Management | |
Chen et al. | Exploration on-orbit management work of satellite payload | |
Yu et al. | Research on Intelligent Task Management and Control Mode of Space Information Networks Based on Big-Data Driven | |
Chen et al. | Research on security evaluation system of network information system based on rough set theory | |
Wang et al. | Thinking on the Application of Big Data in Fault Diagnosis of Military Equipment |
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 |