CN114792147A - 一种多平台空间目标观测协同调度方法及终端设备 - Google Patents
一种多平台空间目标观测协同调度方法及终端设备 Download PDFInfo
- Publication number
- CN114792147A CN114792147A CN202110097306.3A CN202110097306A CN114792147A CN 114792147 A CN114792147 A CN 114792147A CN 202110097306 A CN202110097306 A CN 202110097306A CN 114792147 A CN114792147 A CN 114792147A
- Authority
- CN
- China
- Prior art keywords
- observation
- platform
- target
- formula
- function
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 238000005457 optimization Methods 0.000 claims abstract description 23
- 238000012216 screening Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 105
- 238000013461 design Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 4
- 238000002360 preparation method Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000012795 verification Methods 0.000 abstract description 3
- 238000013507 mapping Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 210000000349 chromosome Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002759 chromosomal effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/06313—Resource planning in a project environment
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种多平台空间目标观测协同调度方法及终端设备,方法包括确定观测目标和使用的观测平台,观测平台包括地基固定观测平台、地基移动观测平台和天基观测平台中的至少两种;获取观测平台对观测目标的可用观测窗口的集合;利用加权多目标优化算法从可用观测窗口的集合中筛选出满足条件的观测窗口,并依序调度。本发明针对空间目标观测的平台多样性、单次观测不确定性、任务层次优先性等现实问题,从多平台任务协同分配的角度,统一考虑天基、地基固定、地基移动观测平台,建立面向空间目标应急观测异构平台预调度模型,基于STK和改进NSGA‑Ⅱ算法进行了验证,为构建天地一体空间目标观测体系建立提供有益借鉴。
Description
技术领域
本申请涉及一种多平台空间目标观测协同调度方法及终端设备,属于空间目标观测技术领域。
背景技术
目前,空间目标观测平台分为三类:一是部署在固定点位的观测站,二是可机动部署固定观测阵位的的观测平台,三是部署在轨道的天基观测平台。空间目标观测任务特点有:一是任务随机性,应急任务需求来源随机,如卫星出现异常,需要快速判别失效原因;二是时空约束性,观测平台与目标之间存在着有限的可见时间窗口;三是逻辑约束性,观测任务一般具有相对固定的逻辑顺序,空间目标搜索、粗跟踪、精确跟踪、目标识别、拍照、多源数据融合;四是完成时效性,根据任务的动态变化,新生成或新到达的任务具有明显的时效性,需要在有限的时间内完成,要求具有方便快捷的算法实现动态任务调度;五是环境约束性,受天时天候的约束较大,如云层遮挡,不允许拍摄可见光图像等,目标亮度等特性。
国外对空间目标观测系统提出的目标需求:产生最精确的产品,为使用者提供及时技术,并在空间舞台的每一个操作环节给予所有者最大限度的灵活性。要实现这一目标,需要发展天基、地基、地基移动平台协同构成的空间目标观测体系。固定分布在地球表面的光学地基测量系统覆盖范围有限,受天气、地球自转和公转周期的限制,如在高度400~2000km的近圆轨道目标,平均角速度为11.3~15.6rev/day,单一地基观测平台不能及时观测目标,需要其他观测平台进行补充。而天基观测系统能够有效弥补地基观测网的缺点,地基移动系统也有利提高了空间目标观测灵活性,天、地基空间目标协同观测已然成为发展趋势。
当前多星对地观测、星地一体对地观测等协同调度研究很多,在协同调度结构方面,提出了多种调度架构,如基于Agent集中-分布式架构、层次任务网络架构、有限集中星地一体化协同结构。在动态调度方面,杜永浩建立了卫星任务调度统一化约束满足模型,给出了多种协同求解框架;张铭考虑卫星资源失效和应急任务加入等动态不确定性因素的影响,构建了反应式调度多目标优化模型;彭双研究卫星动态调度问题时,针对应急测控及星上应急动作调整时序特点,提出了启发式卫星动作序列优化调整方法。在调度算法方面,黄小军提出了多目标进化算法与变邻域搜索相结合的混合调度算法求解电子侦察卫星联合侦察混合调度问题;吴海燕针对天文卫星机遇目标任务调度问题,提出了基于规则的启发式求解算法;鄢青青研究了基于蚁群算法的空间目标地基监视重调度问题。上述研究多集中于同构平台的调度问题以及任务失效、新任务加入等不确定性问题的重调度问题,但没有充分考虑预调度方案中任务执行成功率问题。
发明内容
本申请的目的在于,提供一种多平台空间目标观测协同调度方法,以解决上述背景技术中提出的技术问题。
本发明的第一实施例提供了一种多平台空间目标观测协同调度方法,包括:
步骤1、确定观测目标和使用的观测平台,所述观测平台包括地基固定观测平台、地基移动观测平台和天基观测平台中的至少两种;
步骤2、获取所述观测平台对所述观测目标的可用观测窗口的集合;
步骤3、利用加权多目标优化算法从所述可用观测窗口的集合中筛选出满足条件的观测窗口,并依序调度。
优选地,所述步骤3中的加权多目标优化算法包括目标函数,所述目标函数包括:任务完成收益函数、任务完成集中程度函数、地基移动总消耗量函数和平台平均负载函数。
优选地,所述任务完成收益函数根据第一公式确定,所述第一公式为:
式中,NC为成功调度的观测任务数量,prk为观测任务优先级,φj为观测目标j的调度任务成功率,xi为决策变量,wi为第i个观测窗口,C(xiwi)为第i个观测窗口所消耗的;其中,prk、φj和xi分别为:
式中,pri为观测平台i的优先级,prj为观测目标j的优先级,pr1为地基固定观测平台,pr2为地基移动观测平台,pr3为天基观测平台,α1、α2、α3、α4分别表示优先级系数,且α1+α2+α3+α4=1,βj表示用户自定义重要程度,且βj∈[1,10],twoji表示观测平台i对观测目标j的第o次观测时长,T为整个调度区间时长,count(wj)为观测目标j的所有观测窗口数,m为观测平台数量,n为观测目标数量,qij为观测平台i对观测目标j的观测窗口数量,
优选地,所述任务完成集中程度函数根据第二公式确定,所述第二公式为:
式中,tswi+1为第i+1个观测窗口的开始时间,tewi为第i个观测窗口的结束时间,tswk为第k个需调度窗口的开始时间。
优选地,所述地基移动总消耗量函数根据第三公式确定,所述第三公式为:
式中,m1、m2、m3分别为天基观测平台、地基固定观测平台、地基移动观测平台数量,为地基移动平台i对应的第k个观测窗口,地基移动平台i对应的第k+1个观测窗口,为地基移动平台i对应的第k个和第k+1个观测窗口对应地理坐标之间的距离,xi为决策变量,xi具体为:
优选地,所述平台平均负载函数根据第四公式确定,所述第四公式为:
式中,i为所述观测平台的编号,m为所述观测平台的总数量,Ni为所述观测平台i的观测任务数量,每个所述观测任务包含一个所述观测目标,qi为所述观测平台i的观测窗口总数量。
优选地,所述加权多目标优化算法包括约束函数,所述约束函数包括观测任务唯一性约束函数,所述观测任务唯一性约束函数根据第五公式确定,所述第五公式为:
式中,xijk为所述观测平台i对于所述观测目标j的第k个所述观测窗口执行观测的决策变量。
优选地,所述约束函数还包括观测平台逻辑约束函数,观测平台逻辑约束函数根据第六公式确定,所述第六公式为:
式中,teijk为所述观测平台i对于所述观测目标j的第k次观测窗口的结束时间,tpi为所述观测平台i的准备时间,tsijk′为所述观测平台i对于所述观测目标j的第k′次观测窗口的开始时间,di,i′为所述地基移动观测平台i对应观测站位与该平台对应下一站位之间的距离,v为所述地基移动观测平台的机动速度,m1为天基观测平台数量,m2为地基固定观测平台数量。
优选地,所述约束函数还包括观测平台能力约束函数,所述观测平台能力约束函数根据第七公式确定,所述第七公式为:
式中,Em(s)i为天基观测平台i单次观测能量消耗百分比,Ei为天基观测平台i单圈轨道最大可用能量,M num_i为单日最大开关机次数;。
优选地,所述加权多目标优化算法包括适应度函数,所述适应度函数根据第八公式确定,所述第八公式为:
F=μ1M1+μ2M2+μ3M3+μ4M4
式中,μ1~μ4为根据均匀设计表得到的权值,M1为任务完成收益函数,M2为任务完成集中程度函数,M3为地基移动总消耗量函数,M4为平台平均负载函数。
本发明的第二实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
本发明的多平台空间目标观测协同调度方法及终端设备,相较于现有技术,具有如下有益效果:
本发明针对空间目标观测的平台多样性、单次观测不确定性、任务层次优先性等现实问题,从多平台任务协同分配的角度,统一考虑天基、地基固定、地基移动观测平台,建立面向空间目标应急观测异构平台预调度模型,基于STK和改进NSGA-Ⅱ算法进行了验证,为构建天地一体空间目标观测体系建立提供有益借鉴。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明多平台空间目标观测协同调度方法的流程图;
图2为本发明的任务—目标—平台—窗口”映射关系图;
图3为本发明的任务—目标—测站—平台—窗口”映射关系图;
图4为本发明的观测窗口冲突示意图;
图5为本发明的观测任务流程示意图;
图6为本发明的染色体编码示意图;
图7为本发明的O1观测目标的STK仿真示意图;
图8为本发明的具体实施例的结果示意图;
图9为本发明的具体实施例中改进NSGA-II算法的目标函数收敛曲线图;
图10为本发明的具体实施例中改进NSGA-II算法的平均适应度函数收敛曲线图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过实施例来进行说明。
图1本发明多平台空间目标观测协同调度方法的流程图。
本发明的多平台空间目标观测协同调度方法包括:
步骤1、确定观测目标和使用的观测平台,观测平台包括地基固定观测平台、地基移动观测平台和天基观测平台中的至少两种;
步骤2、获取观测平台对观测目标的可用观测窗口的集合;
步骤3、利用加权多目标优化算法从可用观测窗口的集合中筛选出满足条件的观测窗口,并依序调度;
其中步骤3中的加权多目标优化算法包括目标函数和约束函数,目标函数包括:任务完成收益函数、任务完成集中程度函数、地基移动总消耗量函数和平台平均负载函数;约束函数包括观测任务唯一性约束函数、观测平台逻辑约束函数和观测平台能力约束函数。
目标函数中的任务完成收益函数根据第一公式确定,第一公式为:
式中,NC为成功调度的观测任务数量,prk为观测任务优先级,φj为观测目标j的调度任务成功率,xi为决策变量,wi为第i个观测窗口,C(xiwi)为第i个观测窗口所消耗的成本;其中,prk、φj和xi分别为:
式中,pri为观测平台i的优先级,prj为观测目标j的优先级,pr1为地基固定观测平台,pr2为地基移动观测平台,pr3为天基观测平台,α1、α2、α3、α4分别表示优先级系数,且α1+α2+α3+α4=1,βj表示用户自定义重要程度,且βj∈[1,10],twoji表示观测平台i对观测目标j的第o次观测时长,T为整个调度区间时长,count(wj)为观测目标j的所有观测窗口数,m为观测平台数量,n为观测目标数量,qij为观测平台i对观测目标j的观测窗口数量,
目标函数中的任务完成集中程度函数根据第二公式确定,所述第二公式为:
式中,tswi+1为第i+1个观测窗口的开始时间,tewi为第i个观测窗口的结束时间,tswk为第k个需调度窗口的开始时间。
目标函数中的地基移动总消耗量函数根据第三公式确定,所述第三公式为:
式中,m1、m2、m3分别为天基观测平台、地基固定观测平台、地基移动观测平台数量,为地基移动平台i对应的第k个观测窗口,地基移动平台i对应的第k+1个观测窗口,为地基移动平台i对应的第k个和第k+1个观测窗口对应地理坐标之间的距离,xi为决策变量,xi具体为:
目标函数中的平台平均负载函数根据第四公式确定,所述第四公式为:
式中,i为所述观测平台的编号,m为所述观测平台的总数量,Ni为所述观测平台i的观测任务数量,每个所述观测任务包含一个所述观测目标,qi为所述观测平台i的观测窗口总数量。
约束函数中的观测任务唯一性约束函数,所述观测任务唯一性约束函数根据第五公式确定,所述第五公式为:
式中,xijk为所述观测平台i对于所述观测目标j的第k个所述观测窗口执行观测的决策变量。
约束函数中的观测平台逻辑约束函数,观测平台逻辑约束函数根据第六公式确定,所述第六公式为:
式中,teijk为所述观测平台i对于所述观测目标j的第k次观测窗口的结束时间,tpi为所述观测平台i的准备时间,tsijk′为所述观测平台i对于所述观测目标j的第k′次观测窗口的开始时间,di,i′为所述地基移动观测平台i对应观测站位与该平台对应下一站位之间的距离,v为所述地基移动观测平台的机动速度,m1为天基观测平台数量,m2为地基固定观测平台数量。
约束函数中的观测平台能力约束函数,所述观测平台能力约束函数根据第七公式确定,所述第七公式为:
式中,Em(s)i为天基观测平台i单次观测能量消耗百分比,Ei为天基观测平台i单圈轨道最大可用能量,M num_i为单日最大开关机次数。
本申请的加权多目标优化算法还包括适应度函数,所述适应度函数根据第八公式确定,所述第八公式为:
F=μ1M1+μ2M2+μ3M3+μ4M4
式中,μ1~μ4为根据均匀设计表得到的权值,M1为任务完成收益函数,M2为任务完成集中程度函数,M3为地基移动总消耗量函数,M4为平台平均负载函数。
本申请还公开了一种终端设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,其中处理器执行计算机程序时实现上述方法的步骤。
下面将详细阐述本发明的多平台空间目标观测协同调度方法。
1问题描述
本申请研究的问题是已知天基观测平台若干,部署在已知的轨道;地基固定观测平台若干,部署位置已知;移动观测平台若干,初始位置已知,按需机动到若干观测平台固定观测位;现有轨道根数已知的若干天基目标需要应急协同观测。根据上述已知条件,采用单个任务“观测—评估—观测”、“地基固定观测平台优先—地基移动观测平台—天基观测平台”的协同观测策略,形成观测任务的预分配方案。首先对该问题做出以下几点假设:
·地基位置信息在地球表面位置用经纬高表示,即(longtitudei,latitudei,altitudei);
·观测目标轨道根数确定,轨道参数用六根数表示,即(a,e,i,Ω,ω,τ);
·观测平台波束到达卫星的时间较短,延迟可忽略不计;
·天基观测平台不考虑天基平台机动,仅通过调整平台姿态、相机角度等过程,在交汇点附近载荷固有观测范围内近距离观测的策略,另假设指令上注、数据回传、效果评估可通过中继卫星全时段实时完成;
·一次观测任务开始后不允许中断;
·地基观测阵位同时只能分配给一个移动观测平台;
·每类平台对某个目标的观测成功为理论概率值。
2模型建立
2.1符号、参数及相关概念定义
为了统一起见,将本申请中出现的字符和参数进行定义,见表1。
表1相关符号、下标及参数定义
在建立模型之前,首先给出相关定义:
定义1:应急观测窗口
按照已有的窗口计算公式,在已知观测目标、观测平台的前提下,可算出每个观测平台对每个观测目标的可用观测窗口集合(已剔除因观测角度、观测时间、观测距离等条件不满足的窗口)。一个观测任务中仅包含一个观测目标,这个观测目标对应着若干观测平台和若干观测窗口,如图2和图3所示。图2为任务—目标—平台—窗口”的映射关系;图3为任务—目标—测站—平台—窗口”的映射关系。
基于“任务—目标—(测站)—平台—窗口”的映射关系,可将上述观测任务映射到观测平台上,表示为Tu′=<idu,Pi,Oj,WTu,prj,pij>,idu是任务标识符,Pi是对应观测平台或站位,Oj是对应观测目标,prj是观测任务优先级,pij是观测成功率,wijk、tsijk、teijk分别表示对应的观测窗口、最早开始时间和最晚结束时间。观测窗口包含了对应的观测目标、平台、测站、次数等信息,按照最早开始时间先后顺序排列可得到观测窗口时序集,即
定义2:调度任务成功率
预调度时,观测任务的调度具有一定的概率,与观测圈数无关,记为Pk,表示第k个窗口对应的平台i对于观测目标j的观测成功率。为保证观测成功率,需要多次调度,直到满足用户需求,可通过式(1)计算出第j个观测目标的预调度次数,由用户设定一个观测阈值φj(如98%),向上取整。
定义3:观测任务冲突度
从观测目标角度看,冲突是指同一目标在同一时段经过多个观测平台的观测范围,出现观测时段重叠,如图4所示,在t1~t7时间内,观测目标j的可见窗口有4个,且出现观测时段重叠,窗口的冲突数分别为3、3、3、2。
在总的任务期间的该目标存在冲突的观测窗口个数与总观测窗口数的比值,记为冲突度ψj,由式(2)求得。
定义4:观测任务优先级
由观测目标和观测平台的优先级共同决定。目标优先级主要考虑的因素为:①可观测总时间;②时间窗口数量;③任务冲突度(观测时间重叠);④用户自定义重要程度。而平台优先级需要综合考虑完成任务的成功率、平台总消耗、平台性能等因素,地基固定观测平台、地基移动观测平台、天基观测平台分别为0.9、0.8、0.7。故总的观测任务优先级为已知量,按式(3)求得:
式中,α1、α2、α3、α4分别表示优先级系数,且α1+α2+α3+α4=1,βj表示用户自定义重要程度,且βj∈[1,10]。
2.2决策变量定义
定义分配矩阵A=[xi]1×K,决策变量xi用布尔值表示,即xi∈{0,1},1表示平台i对于目标j在第k个观测窗口时观测,0表示不观测。
2.3目标函数
基于上述定义,建立模型,该优化调度问题是多目标优化问题,即形成初始调度方案,综合考虑观测任务总收益、任务完成总时间、地基移动观测平台机动总距离等目标以及平台平均负载值等因素,运用均匀设计思想,采用的是综合加权多目标优化算法。表2为本申请的综合加权多目标优化算法所使用的目标函数表。
表2目标函数表
2.4约束条件
本申请的综合加权多目标优化算法所使用的约束函数具体为:
在计算观测窗口时考虑了观测平台性能、方位角度、观测可行性等因素,已经剔除了部分无效观测窗口,故在这里仅考虑与观测任务分配、观测平台准备、重调度时间合理性等约束条件。
(1)观测任务唯一性约束
为保证单任务成功率,本文假设了每个平台同一时刻只能观测一个目标,具体见公式(6)。
(2)观测平台逻辑约束
每个类型的观测平台在一个观测周期内都有一套完整的流程,如图5所示。通常用时间约束网络图表示,本文研究重点是异构平台协同观测任务调度问题,因此对观测流程进行了简化,忽略了目标定位、天基平台任务上传和数据下传、地基观测设备加热和冷却时间、效果评估时间等约束。观测平台的逻辑约束具体见公式(7)
(3)观测平台能力约束
受空间目标观测技术制约,观测平台还不能不间断持续工作,而且在观测过程中要消耗一定的能量,天基观测平台单圈最大观测时长有限。本文为模型简化起见,能力约束用单次观测能量消耗百分比和单日最大开关机次数表示,具体见公式(8)。
3预调度模型求解
由上述模型可知,该调度是多目标优化问题,类似于背包商旅行(TSP问题),属于NP-Hard问题,传统的线性规划很难处理非线性收益和非线性约束,只能通过构造启发性(智能优化)算法求解出Pareto有效(最优)解非劣解集。当前,智能优化算法已成熟应用与多目标优化问题,包括进化算法、粒子群算法、NSGA-II等。本文通过改进NSGA-II方法实现对上述问题的预分配。
3.1编码设计
因观测窗口与观测目标有一一映射关系,只需要分配观测平台给观测窗口即可,故染色体采用双层编码,按照观测窗口时序排列形成,定义单个染色体,第一层每个基因位上的用二进制编码,表示决策变量,1表示执行,0表示不执行,第二层对应的基因位用十进制编码,表示观测平台编号,如图6所示。编码总长度对应总的观测窗口数量为假设有3个观测平台,1个观测目标,在给定时间ttotal内有7个观测窗口,按时间排列后,窗口编号1、4、5、6、7分别由平台2、3、1、2、1执行,其他窗口不执行。
解码设计中,剔除基因编码为“0”的观测窗口编号,根据各观测窗口与观测平台(站位)、观测目标的一对一映射关系,解算出按时序排列的“平台-目标”分配方案。
3.2适应度函数构造
为了避免解空间爆炸,保证初始解的全局分布均衡性,采用均匀设计思想改进适应度函数。因素数选择目标函数的数目a,水平数选择搜索方向即适应度函数的个数b,查询均匀设计表Ub(ba),再根据式(10)分配各目标函数权值。
以预调度阶段为例,目标函数取式(5)~(9),因子数(目标函数的数目a)取4、试验方案数(适应度函数个数b)取7,即U7(74),查表知,各因子权重见表3。
表3 U7(74)及各因子权值
列号 | U<sub>7</sub>(7<sup>4</sup>) | μ<sub>1</sub> | μ<sub>2</sub> | μ<sub>3</sub> | μ<sub>4</sub> |
1 | (1,3,5,7) | 0.063 | 0.188 | 0.313 | 0.438 |
2 | (2,6,2,6) | 0.125 | 0.375 | 0.125 | 0.375 |
3 | (3,1,7,5) | 0.188 | 0.063 | 0.438 | 0.313 |
4 | (4,4,4,4) | 0.250 | 0.250 | 0.250 | 0.250 |
5 | (5,7,1,3) | 0.313 | 0.438 | 0.063 | 0.188 |
6 | (6,2,6,2) | 0.375 | 0.125 | 0.375 | 0.125 |
7 | (7,5,3,1) | 0.438 | 0.313 | 0.188 | 0.063 |
由此,可得到适应度函数见公式(10):
其次,为统一标准,采用式(11)最值法对目标函数值无量纲处理,转化为[0,1]区间。
接下来以更为具体的实施例详述本申请。
为了验证申请的空间目标应急协同观测预调度方法的有效性,设计了一个包含4个观测目标、10个观测平台(3个天基观测平台、4个地基固定观测平台、4个地基移动站位、2台移动观测平台)、调度区间时长12h的场景(仿真时间22Jun 2020 08:00:00UTGG~23Jun2020 08:00:00UTGG),相关参数设置为α1=α2=α3=α4=0.25,λ1=λ2=0.5,平台使用优先级pr1=0.9、pr2=0.8、pr3=0.7,运行成本CS=1、CGMP=0.5、CG=0.2,其他参数初始设置见表4、表5。通过STK软件计算可见观测窗口,初始条件下观测窗口为304个,部分窗口见表6。基于改进NSGA-II调度算法在配置为Intel(R)Core I5-4200U CPU@2.30GHz,内存8G,操作系统为Windows 10专业版64位笔记本电脑,调度算法在Matlab 2016b软件中仿真实现。
表4天基观测平台及观测目标初始参数表
表5地基固定观测平台/站位位置和地基移动平台初始位置参数设置表
表6 O1观测窗口表(部分)
O1观测窗口STK仿真见图7。
初始条件设置如下:种群规模为随机产生200个,为选择概率0.5,交叉概率0.7,单点变异概率0.01,分别迭代100次,重复运行50次。实验结果如图8至图10和表7所示。
表7最终调度方案
从图8至图10可知,改进NSGA-II算法可以在平均迭代35次迅速收敛,时间是120.45秒,目标函数值为8.408,适应度函数的平均值基本收敛于278.5左右。从表7可知,天基平台的使用次数较多,这是由于天基观测平台对应的窗口较多,占了总窗口数的40.3%(134个),但考虑到天基平台资源稀缺性,平台使用优先级设置较低,仅选用了5个;地基移动平台不确定性因素较大,在实验中设置了相应的限制参数,使用率也相对较低,GM1、GM2各移动了1次。从表8来看,各平台使用间隔时间较长,具备应对不确定风险的能力和重调度响应能力,说明该方案具有很好的鲁棒性,且效益较均衡。总的来看,这些情况基本上符合实际。
表8各平台使用时间、间隔时间和总时间集中程度表
本发明针对空间目标观测的平台多样性、单次观测不确定性、任务层次优先性等现实问题,从多平台任务协同分配的角度,统一考虑天基、地基固定、地基移动观测平台,建立面向空间目标应急观测异构平台预调度模型,基于STK和改进NSGA-Ⅱ算法进行了验证,为构建天地一体空间目标观测体系建立提供有益借鉴。
以上所述,仅是本申请的几个实施例,并非对本申请做任何形式的限制,虽然本申请以较佳实施例揭示如上,然而并非用以限制本申请,任何熟悉本专业的技术人员,在不脱离本申请技术方案的范围内,利用上述揭示的技术内容做出些许的变动或修饰均等同于等效实施案例,均属于技术方案范围内。
Claims (10)
1.一种多平台空间目标观测协同调度方法,其特征在于,包括:
确定观测目标和使用的观测平台,所述观测平台包括地基固定观测平台、地基移动观测平台和天基观测平台中的至少两种;
获取所述观测平台对所述观测目标的可用观测窗口的集合;
利用加权多目标优化算法从所述可用观测窗口的集合中筛选出满足条件的观测窗口,并依序调度。
2.根据权利要求1所述的多平台空间目标观测协同调度方法,其特征在于,所述加权多目标优化算法包括目标函数,所述目标函数包括:任务完成收益函数、任务完成集中程度函数、地基移动总消耗量函数和平台平均负载函数。
3.根据权利要求2所述的多平台空间目标观测协同调度方法,其特征在于,所述任务完成收益函数根据第一公式确定,所述第一公式为:
式中,NC为成功调度的观测任务数量,prk为观测任务优先级,φj为观测目标j的调度任务成功率,xi为决策变量,wi为第i个观测窗口,C(xiwi)为第i个观测窗口所消耗的成本;其中,prk、φj和xi分别为:
10.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至9任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110097306.3A CN114792147A (zh) | 2021-01-25 | 2021-01-25 | 一种多平台空间目标观测协同调度方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110097306.3A CN114792147A (zh) | 2021-01-25 | 2021-01-25 | 一种多平台空间目标观测协同调度方法及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114792147A true CN114792147A (zh) | 2022-07-26 |
Family
ID=82460686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110097306.3A Pending CN114792147A (zh) | 2021-01-25 | 2021-01-25 | 一种多平台空间目标观测协同调度方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114792147A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235743A (zh) * | 2013-04-07 | 2013-08-07 | 北京航空航天大学 | 一种基于分解和最优解跟随策略的多目标测试任务调度方法 |
CN104090819A (zh) * | 2014-07-22 | 2014-10-08 | 中国科学院空间科学与应用研究中心 | 一种空间天文卫星巡天扫描多目标任务规划方法 |
US20180341894A1 (en) * | 2017-05-24 | 2018-11-29 | Telespazio S.P.A. | Innovative satellite scheduling method based on genetic algorithms and simulated annealing and related mission planner |
CN109272183A (zh) * | 2018-07-10 | 2019-01-25 | 中国人民解放军战略支援部队航天工程大学 | 一种车载测量设备观测任务调度问题的最优化建模方法 |
CN109623818A (zh) * | 2018-12-20 | 2019-04-16 | 北京理工大学 | 一种基于时间分组的机械臂关节轨迹优化方法 |
CN109933842A (zh) * | 2019-01-23 | 2019-06-25 | 北京航空航天大学 | 一种基于约束满足遗传算法的移动目标单星任务规划方法 |
WO2019153429A1 (zh) * | 2018-02-07 | 2019-08-15 | 江南大学 | 一种基于有限制稳定配对策略的柔性作业车间调度方法 |
-
2021
- 2021-01-25 CN CN202110097306.3A patent/CN114792147A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235743A (zh) * | 2013-04-07 | 2013-08-07 | 北京航空航天大学 | 一种基于分解和最优解跟随策略的多目标测试任务调度方法 |
CN104090819A (zh) * | 2014-07-22 | 2014-10-08 | 中国科学院空间科学与应用研究中心 | 一种空间天文卫星巡天扫描多目标任务规划方法 |
US20180341894A1 (en) * | 2017-05-24 | 2018-11-29 | Telespazio S.P.A. | Innovative satellite scheduling method based on genetic algorithms and simulated annealing and related mission planner |
WO2019153429A1 (zh) * | 2018-02-07 | 2019-08-15 | 江南大学 | 一种基于有限制稳定配对策略的柔性作业车间调度方法 |
CN109272183A (zh) * | 2018-07-10 | 2019-01-25 | 中国人民解放军战略支援部队航天工程大学 | 一种车载测量设备观测任务调度问题的最优化建模方法 |
CN109623818A (zh) * | 2018-12-20 | 2019-04-16 | 北京理工大学 | 一种基于时间分组的机械臂关节轨迹优化方法 |
CN109933842A (zh) * | 2019-01-23 | 2019-06-25 | 北京航空航天大学 | 一种基于约束满足遗传算法的移动目标单星任务规划方法 |
Non-Patent Citations (1)
Title |
---|
白国庆;邢立宁;贺仁杰;陈英武: "基于协同进化的多平台联合对地观测优化调度", 国防科技大学学报, vol. 35, no. 4, 31 December 2013 (2013-12-31) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112580906B (zh) | 卫星遥感任务规划与地面资源调度联合求解方法 | |
CN112016812B (zh) | 多无人机任务调度方法、系统及存储介质 | |
CN110412869B (zh) | 一种多星协同的空间动态目标实时跟踪方法 | |
CN116307535B (zh) | 一种基于改进差分进化算法的多星协作成像任务规划方法 | |
CN113612525A (zh) | 基于约束满足的低轨互联网星座星地链路规划方法 | |
CN114422056A (zh) | 基于智能反射面的空地非正交多址接入上行传输方法 | |
Kim et al. | Resource welfare based task allocation for UAV team with resource constraints | |
CN105095643A (zh) | 面向动态环境的成像卫星自主任务规划方法 | |
Chen et al. | Learning-based computation offloading for IoRT through Ka/Q-band satellite–terrestrial integrated networks | |
CN113188547A (zh) | 无人机路径规划方法、装置、控制器及存储介质 | |
CN114142908B (zh) | 一种面向覆盖侦察任务的多无人机通信资源分配方法 | |
Sun et al. | A cooperative target search method based on intelligent water drops algorithm | |
CN114326827B (zh) | 一种无人机集群多任务动态分配方法及系统 | |
Li et al. | UAV path planning for target coverage task in dynamic environment | |
CN115373424A (zh) | 面向时间窗口的多无人机机场选址与随机任务调度方法 | |
CN116126493A (zh) | 一种基于sa-ga的异质多星协同任务规划方法 | |
CN114638155A (zh) | 一种基于智能机场的无人机任务分配与路径规划方法 | |
CN116451934A (zh) | 多无人机边缘计算路径优化与依赖任务调度优化方法及系统 | |
Qi et al. | A cooperative autonomous scheduling approach for multiple earth observation satellites with intensive missions | |
Zu et al. | Research on UAV path planning method based on improved HPO algorithm in multi-task environment | |
Wang et al. | Robotic wireless energy transfer in dynamic environments: system design and experimental validation | |
CN114792147A (zh) | 一种多平台空间目标观测协同调度方法及终端设备 | |
Gaowei et al. | Using multi-layer coding genetic algorithm to solve time-critical task assignment of heterogeneous UAV teaming | |
CN115796541A (zh) | 一种集群测控站调度方法 | |
Tharmarasa et al. | Closed-loop multi-satellite scheduling based on hierarchical MDP |
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 |