CN115959305A - 一种基于时序路标的启发式航天器任务规划方法和装置 - Google Patents
一种基于时序路标的启发式航天器任务规划方法和装置 Download PDFInfo
- Publication number
- CN115959305A CN115959305A CN202211486740.1A CN202211486740A CN115959305A CN 115959305 A CN115959305 A CN 115959305A CN 202211486740 A CN202211486740 A CN 202211486740A CN 115959305 A CN115959305 A CN 115959305A
- Authority
- CN
- China
- Prior art keywords
- state
- time sequence
- spacecraft
- time
- heuristic
- 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
Images
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种基于时序路标的启发式航天器任务规划方法,包括:对航天器系统进行知识建模,根据航天器结构、任务需求、设备状态和航天器能力四项因素,对航天器的构成、资源、子系统功能以及需要满足的约束条件进行描述;建立状态时序图,其用于描述所述航天器中各个子系统内部状态之间的时序关系;其中节点表示各个子系统内部的状态以及状态时间信息,通过建立状态时序图,计算时序路标集合;选用规划空间搜索作为基本的搜索策略,根据所述约束条件及所述时序路标构建启发式信息,根据启发式排序结果引导规划搜索方向,输出最终的基于时序路标的启发式任务规划求解结果;输出所述航天器的任务规划序列。
Description
技术领域
本发明属于航空航天技术领域,特别涉及一种基于时序路标的启发式航天器任务规划方法和装置。
背景技术
随着航天领域的发展,航天器高度依赖地面控制的方式越来越不适应日益复杂的航天活动。需要航天器自主完成任务规划,减少对地面站网的依赖,提升航天器的灵活性和自主性。
自主任务规划技术是解决航天器自主决策、管理和运行的一项关键技术,它能够根据空间环境的感知以及探测器本身的能力和状态,利用人工智能的相关技术对航天器上各分系统的状态进行推理和选择,自动地生成一组满足时序约束的指令序列。航天器通过执行该指令序列,能够在规定的时间内到达期望的状态,完成既定的任务目标。
深空一号探测器中使用的远程智能体自主运行软件系统实现了深空探测任务规划技术的在轨应用。该软件系统利用时间线这一特殊结构对规划模型数据进行整合,并同时支持多种类型的资源和时间约束的处理。然而,软件采用的深度优先搜索算法,缺少合适的搜索引导策略,规划效率低且容易陷入局部最优,导致任务规划问题求解时间大大增加。
发明内容
有鉴于此,本发明提供了一种基于时序路标的启发式航天器任务规划方法,其利用状态之间的时序关系建立状态时序图,计算时序路标集合,确定状态添加顺序,减少冗余的规划节点,提高任务规划求解效率,包括:
步骤S1,对航天器系统进行知识建模,具体包括根据航天器结构、任务需求、设备状态和航天器能力四项因素,对航天器的构成、资源、子系统功能以及需要满足的约束条件进行描述;其中所述约束条件包括因果约束、时间约束和资源约束;
步骤S2,建立状态时序图,其用于描述所述航天器中各个子系统内部状态之间的时序关系;其中节点表示各个子系统内部的状态以及状态时间信息,边连接两个节点,表示状态的转换,边的权值代表转换的代价;通过建立状态时序图,计算时序路标集合;
步骤S3,选用规划空间搜索作为基本的搜索策略,根据所述约束条件及所述时序路标构建启发式信息,根据启发式排序结果引导规划搜索方向,输出最终的基于时序路标的启发式任务规划求解结果;
步骤S4,输出所述航天器的任务规划序列。
特别地,所述步骤S2中所述的状态时序图指将模型中状态之间的时序关系和状态时间信息通过图的形式进行表示;所述状态时序图是带有权值的有向图,节点表示各系统内部的状态以及状态时间信息,连接节点之间的边表示状态的转换,箭头指向转换方向;边的权值代表转换的代价。
特别地,所述步骤S2中通过建立状态时序图,计算时序路标集合;所述的时序路标集合的计算方法为:
步骤S2.1,计算状态时序图中的节点集合V1,VG;所述的状态时序图中的节点集合V1,VG的计算方法为:在状态时序图中选择所有能够通过权值为0的边到达目标,并且满足时间约束的节点,构成节点集合VG;选择状态时序图中初始状态节点的所有可达节点中不属于集合VG的节点,构成节点集合V1;
步骤S2.2,所述的初始状态节点的可达节点是指在状态时序图中初始状态节点能够通过一次或多次状态转换到达,且满足时间约束的节点;
步骤S2.3,搜索状态时序图中所有由节点集合V1指向节点集合VG的边,根据状态节点的时序关系,检测时间约束的一致性;
步骤S2.4,将满足时间约束一致性的边指向的状态节点作为时序路标l,选择所有边的最小权值作为时序路标l的代价cost(l)。
将各边的所述权值减去时序路标l的代价cost(l)。
步骤2.5:迭代处理步骤2.1至步骤2.4,直到节点集合VG中存在初始状态节点时,停止迭代,输出时序路标集合L,时序路标集合L中包含时序路标l1,时序路标l2……时序路标ln。
特别地,所述步骤S3包括:
步骤3.1:选取任务目标状态集合中一个目标状态Sg1,对目标状态Sg1的启发式值进行计算;
所述启发式值的计算方法为:搜索目标状态Sg1对应的时序路标l,计算状态时序图中除目标状态Sg1外所有指向时序路标l的状态集合Q;将状态集合Q中所有状态的边的权值减去时序路标l的代价cost(l),计算时序路标l1,时序路标l2……时序路标ln;时序路标l1,时序路标l2……时序路标ln的代价为cost(l1),cost(l2)……cost(ln),则目标状态Sg1的启发式值h(Sg1)为,
h(Sg1)=max(cost(l1),cost(l2),…,cost(ln));
步骤3.2:分别计算所有目标状态Sg1,Sg2,……Sgm的启发式值h(Sg1),h(Sg2),……h(Sg3),选取启发式值最大的目标状态Sgj,将目标状态Sgj添加到局部规划解中,并在目标状态集合中删除目标状态Sgj;
步骤3.3:将目标状态Sgj的时序条件集合中所有状态加入目标状态集合,按照所述步骤S2中所述方法重新计算时序路标集合L;
步骤3.4:迭代处理步骤3.1至步骤3.3,进行规划搜索,直到目标状态集合为空,输出最终的启发式任务规划求解结果,即完成航天器任务规划,缩减搜索空间,提高任务规划效率。
特别地,所述子系统包括数据存储、相机、着陆器通讯、采样设备、采样实验共五个子系统。
本发明还提出了一种基于时序路标的启发式航天器任务规划装置,包括:
知识建模模块,用于对航天器系统进行知识建模,具体包括根据航天器结构、任务需求、设备状态和航天器能力四项因素,对航天器的构成、资源、子系统功能以及需要满足的约束条件进行描述;其中所述约束条件包括因果约束、时间约束和资源约束;
时序路标集合计算模块,用于建立状态时序图,其用于描述所述航天器中各个子系统内部状态之间的时序关系;其中节点表示各个子系统内部的状态以及状态时间信息,边连接两个节点,表示状态的转换,边的权值代表转换的代价;通过建立状态时序图,计算时序路标集合;
启发式任务规划求解模块,用于选用规划空间搜索作为基本的搜索策略,根据所述约束条件及所述时序路标构建启发式信息,根据启发式排序结果引导规划搜索方向,输出最终的基于时序路标的启发式任务规划求解结果;
任务规划序列输出模块,用于输出所述航天器的任务规划序列。
有益效果:
1、针对航天器系统功能复杂和约束耦合的特点,本发明公开的一种基于时序路标的启发式航天器任务规划方法,利用状态之间的时序关系建立状态时序图,计算时序路标集合,确定状态添加顺序,减少冗余的规划节点,提高任务规划求解效率。
2、原有航天器任务规划方法虽然能够进行问题求解,但是带有大量冗余操作和不必要的节点回溯,本发明公开的一种基于时序路标的启发式航天器任务规划方法,根据时序路标集合构建启发式信息,根据启发式排序结果引导规划搜索方向,缩减搜索空间,使得航天器任务规划方法能够在更短时间内获取合理的规划解,即高效地得到航天器任务规划序列,提高任务规划求解效率。
3、将航天器任务规划通过状态时序图实现,其是带有权值的有向图,节点表示各系统内部的状态以及状态时间信息,连接节点之间的边表示状态的转换,箭头指向转换方向;边的权值代表转换的代价,保证了对整个任务规划的科学高效规划。
附图说明
图1是本发明公开的一种基于时序路标的启发式航天器任务规划方法流程图;
图2是本发明基本规划算法和启发式任务规划算法中不同规划任务的求解时间情况示意图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
实施例1:
如图1所示,本实施例公开的基于时序路标的启发式航天器任务规划方法,具体实现步骤如下:
步骤S1:综合考虑航天器结构、任务需求、设备状态和航天器能力四项因素,对航天器的构成、资源、分系统功能以及需要满足的约束条件;其中所述约束条件包括因果约束、时间约束和资源约束;
针对航天器系统功能复杂和系统约束耦合的特点,各并行子系统分别由一个状态变量进行表示,每个状态变量都存在一个值域,任一状态变量在值域内的任一取值称为状态。本实施例具体选取的子系统如下表所示。
表1各子系统名称及对应状态数量
子系统名称 | 状态变量数量 | 状态数量 |
数据存储 | 1 | 3 |
相机 | 1 | 5 |
着陆器通讯 | 1 | 4 |
采样设备 | 1 | 4 |
采样实验 | 1 | 5 |
步骤S2:建立状态时序图,状态时序图用于描述系统内部状态之间的时序关系以及计算时序路标集合。
各并行子系统分别由一个状态变量进行表示,每个状态变量都存在一个值域,任一状态变量在值域内的任一取值称为状态。每个状态都对应一个状态集合称为状态时序条件集合。例如采样设备子系统由一个状态变量A采样表示,状态变量A采样的值域包含四个状态,分别为卸载状态S卸、装填状态S装、采样状态S采和空闲状态S空。卸载状态S卸的开始时间、结束时间和持续时间分别为[0,∞),[0,∞),10;装填状态S装的开始时间、结束时间和持续时间分别为[0,∞),[0,∞),15;采样状态S采的开始时间、结束时间和持续时间分别为[0,∞),[0,∞),30;空闲状态S空的开始时间、结束时间和持续时间分别为[0,∞),[0,∞),[1,∞)。
卸载状态S卸的状态时序条件集合包含空闲状态S空,装填状态S装的状态时序条件集合包含采样状态S采,采样状态S采的状态时序条件集合包含卸载状态S卸,空闲状态S空的状态时序条件集合包含装填状态S装。
所述的状态时序图指将模型中状态之间的时序关系和状态时间信息通过图的形式进行表示。状态时序图是带有权值的有向图,节点表示各系统内部的状态以及状态时间信息,边连接两个节点A,B,表示状态的转换,即从状态A转换到箭头指向的状态B,边的权值代表转换的代价。通过建立状态时序图,计算时序路标集合。
所述的建立状态时序图具体是指将状态S1,状态S2……状态Sn的每个时序条件集合中时序值最大的状态S11,状态S21……状态Sn1作为状态时序图的节点,用有向边箭头的指向表示状态S11,状态S21……状态Sn1到状态S1,状态S2……状态Sn的转换,通过边的权值表示转换的代价值。
本实施例根据采样设备子系统各状态的状态时序条件集合,建立状态时序图:卸载状态S卸、装填状态S装、采样状态S采和空闲状态S空为状态时序图的四个节点。
分别计算卸载状态S卸、装填状态S装、采样状态S采和空闲状态S空的时序条件集合中各状态时序值。
所述的时序值的计算方法为:状态SC的时序条件集合中包含状态SC1,状态SC2,……状态SCk,其中状态SC1属于状态变量A1,状态SC2属于状态变量A2,……状态SCk属于状态变量Ak,且状态变量A1的初始状态为SI1,状态变量A2的初始状态为SI2,……状态变量Ak的初始状态为SIk。实现状态SC1的代价为状态SI1到状态SC1的转移代价值,实现状态SC2的代价为状态SI2到状态SC2的转移代价值,……实现状态SCk的代价为状态SIk到状态SCk的转移代价值。则状态SC的时序值为实现所有状态SC1,状态SC2,……状态SCk的代价中的最大值。
本实施例中,所述的时序值的计算方法为:选取卸载状态S卸的状态时序条件集合中的空闲状态S空,由于采样设备状态变量A采样的初始状态为空闲状态S空,根据采样设备子系统的状态时序条件集合,存在卸载状态S卸到采样状态S采的一次状态转移、采样状态S采到装填状态S装的一次状态转移、装填状态S装到空闲状态S空的一次状态转移和空闲状态S空到卸载状态S卸的一次状态转移,则采样设备子系统各状态转移代价值如表2所示,则初始状态到空闲状态的转移代价值cost(S空,S空)=0,所以卸载状态S卸的状态时序条件集合中空闲状态S空的时序值为0。
表2采样设备子系统各状态转移代价值
状态名称 | <![CDATA[卸载状态S<sub>卸</sub>]]> | <![CDATA[采样状态S<sub>采</sub>]]> | <![CDATA[装填状态S<sub>装</sub>]]> | <![CDATA[空闲状态S<sub>空</sub>]]> |
<![CDATA[卸载状态S<sub>卸</sub>]]> | <![CDATA[cost(S<sub>卸</sub>,S<sub>卸</sub>)=0]]> | <![CDATA[cost(S<sub>卸</sub>,S<sub>采</sub>)=1]]> | <![CDATA[cost(S<sub>卸</sub>,S<sub>装</sub>)=2]]> | <![CDATA[cost(S<sub>卸</sub>,S<sub>空</sub>)=3]]> |
<![CDATA[采样状态S<sub>采</sub>]]> | <![CDATA[cost(S<sub>采</sub>,S<sub>卸</sub>)=3]]> | <![CDATA[cost(S<sub>采</sub>,S<sub>采</sub>)=0]]> | <![CDATA[cost(S<sub>采</sub>,S<sub>装</sub>)=1]]> | <![CDATA[cost(S<sub>采</sub>,S<sub>空</sub>)=2]]> |
<![CDATA[装填状态S<sub>装</sub>]]> | <![CDATA[cost(S<sub>装</sub>,S<sub>卸</sub>)=2]]> | <![CDATA[cost(S<sub>装</sub>,S<sub>采</sub>)=3]]> | <![CDATA[cost(S<sub>装</sub>,S<sub>装</sub>)=0]]> | <![CDATA[cost(S<sub>装</sub>,S<sub>空</sub>)=1]]> |
<![CDATA[空闲状态S<sub>空</sub>]]> | <![CDATA[cost(S<sub>空</sub>,S<sub>卸</sub>)=1]]> | <![CDATA[cost(S<sub>空</sub>,S<sub>采</sub>)=2]]> | <![CDATA[cost(S<sub>空</sub>,S<sub>装</sub>)=3]]> | <![CDATA[cost(S<sub>空</sub>,S<sub>空</sub>)=0]]> |
所述的转移代价值的计算方法为:状态SA能够通过n次状态转移到达状态SB,则状态SA到状态SB的转移代价值为n。
所述的状态转移是指:状态SA属于状态SB的状态时序条件集合,则状态SA到状态SB为一次状态转移。状态SA到状态SB为一次状态转移,状态SB到状态SD为一次状态转移,则状态SA到状态SD为两次状态转移。
采样设备子系统其他状态的状态时序条件集合中各状态时序值计算与卸载状态S卸的状态时序条件集合中空闲状态S空时序值计算方法相同,则通过计算得到,采样状态S采的状态时序条件集合中卸载状态S卸的时序值为1,装填状态S装的状态时序条件集合中采样状态S采的时序值为2,空闲状态S空的状态时序条件集合中装填状态S装的时序值为4。由于,卸载状态S卸、装填状态S装和采样状态S采和空闲状态S空的状态时序条件集合中只包含一个状态,则卸载状态S卸到采样状态S采的转换、采样状态S采到装填状态S装的转换、装填状态S装到空闲状态S空的转换和空闲状态S空到卸载状态S卸的转换为状态时序图的四条边,四条边的权值分别为1,2,4,0。通过建立状态时序图,计算时序路标集合。
所述的时序路标集合的计算方法为:
步骤2.1:计算状态时序图中的节点集合V1,VG。
所述的状态时序图中的节点集合V1,VG的计算方法为:在状态时序图中选择能够通过权值为0的边到达目标,并且满足时间约束的节点,构成节点集合VG。选择状态时序图中初始状态节点的所有可达节点中不属于集合VG的节点,构成节点集合V1。
所述的初始状态节点的可达节点是指在状态时序图中初始状态节点能够通过一次或多次状态转换到达的节点。
步骤2.2:搜索状态时序图中由节点集合V1指向节点集合VG的边,根据状态节点的时序关系,检测时间约束的一致性。并将该边指向的状态节点作为时序路标l,选择该边的权值作为时序路标l的代价cost(l)。
步骤2.3:将步骤2.2中的边的权值减去时序路标l的代价cost(l)。
步骤2.4:迭代处理步骤2.1至步骤2.3,直到节点集合VG中存在初始状态节点时,停止迭代,输出时序路标。
步骤S3:选用规划空间搜索作为基本的搜索策略,根据步骤S1的约束条件及步骤S2得到的各时序路标构建启发式信息,根据启发式排序结果引导规划搜索方向,输出最终的基于时序路标的启发式任务规划求解结果,即完成航天器任务规划,缩减搜索空间,提高任务规划效率。
步骤3.1:选取任务目标状态集合中一个目标状态Sg1,对目标状态Sg1的启发式值进行计算,本实施例中,任务目标状态集合包含采样状态S采和装填状态S装,采样状态S采的起始时间为第220分钟,装填状态S装的起始时间为第250分钟,任务总时间为300分钟,选取任务目标状态集合中一个目标状态——采样状态S采,对目标状态采样状态S采的启发式值进行计算。
所述启发式值的计算方法为:搜索目标状态Sg1对应的时序路标l,计算状态时序图中所有指向时序路标l的状态集合Q(除目标状态Sg1外),将状态集合Q中所有状态的边的权值减去时序路标l的代价cost(l),计算时序路标l1,时序路标l2……时序路标ln,时序路标l1,时序路标l2……时序路标ln的代价为cost(l1),cost(l2)……cost(ln),则目标状态Sg1的启发式值h(Sg1)为,
h(Sg1)=max(cost(l1),cost(l2),…,cost(ln));
本实施例中,具体应用所述启发式值的计算方法:搜索采样状态S采对应的时序路标l1,将状态时序图中所有指向时序路标l1(除采样状态S采外)的边的权值减去时序路标l1的代价cost(l1)=1,重新计算时序路标集合L,时序路标集合包含时序路标l2卸载状态S卸,并且时序路标l2的代价为cost(l2)=0,则采样状态S采的启发式值h(S采)为,
h(S采)=cost(l2)=0;
装填状态S装的启发式值计算方法与采样状态S采相同,计算得到时序路标集合L1包含时序路标l3采样状态S采和时序路标l4卸载状态S卸,代价分别为cost(l3)=2,cost(l4)=0,则装填状态S装的启发式值h(S装)为,
h(S装)=max(cost(l3),cost(l4))=2。
步骤3.2:选取步骤3.1的启发式值最大的目标状态,根据步骤3.1计算可得;其中,分别计算所有目标状态Sg1,Sg2,……Sgm的启发式值h(Sg1),h(Sg2),……h(Sg3),选取启发式值最大的目标状态Sgj,将目标状态Sgj添加到局部规划解中,并在目标状态集合中删除目标状态Sgj。具体到本实施例中,
h(S装)=2>h(S采)=1
故选取采样状态S装,将装填状态S装添加到局部规划解中。
步骤3.3:将装填状态S装的时序条件集合中所有状态加入任务目标状态集合,按照步骤S2所述方法重新计算时序路标集合L。
步骤3.4:迭代处理步骤3.1-步骤3.3,进行规划搜索,直到目标状态集合为空,输出最终的启发式任务规划求解结果,这里得到的采样设备的状态序列如表3所示,其他五个子系统与采样设备子系统相同,能够通过规划得到相应状态变量的状态序列,即完成航天器任务规划,缩减搜索空间,提高任务规划效率。
表3采样设备状态序列
状态名称 | 时间区间(min) |
<![CDATA[卸载状态S<sub>卸</sub>]]> | [210,220] |
<![CDATA[采样状态S<sub>采</sub>]]> | [220,250] |
<![CDATA[装填状态S<sub>装</sub>]]> | [250,265] |
<![CDATA[空闲状态S<sub>空</sub>]]> | [0,210]、[265,300] |
还包括步骤S4:在步骤S1至步骤S3航天器任务规划基础上,高效地得到航天器任务规划序列,进而保证航天器任务执行的成功率。
通过上述步骤,使用基于时序路标的启发式航天器任务规划方法得到规划结果的时间为15163ms,使用基本的航天器任务规划方法得到规划结果的时间为47968ms。通过比较表明,计算局部规划的时序路标信息,能够减少无效的规划节点,削减问题搜索空间,并且设计的基于时序路标的启发式能够有效避免冗余的规划步骤,提高规划的效率,所以使用基于时序路标的启发式航天器任务规划方法得到规划结果的时间要少于使用基本的航天器任务规划方法得到规划结果的时间。所述的结果均是在给定测试任务J的情况下得到的。在其他测试任务下使用基于时序路标的启发式航天器任务规划方法得到规划结果的时间和使用基本的航天器任务规划方法得到规划结果的时间对比如图2所示。图2中:实线表示基本的航天器任务规划方法在不同规划任务规划求解时间变化曲线,虚线表示基于时序路标的启发式规划算法在不同规划任务规划求解时间变化曲线。所述的基本的航天器任务规划方法为不建立状态时序图,也不使用基于时序路标的启发式航天器任务规划方法。
本发明还提出了一种基于时序路标的启发式航天器任务规划装置,包括:
知识建模模块,用于对航天器系统进行知识建模,具体包括根据航天器结构、任务需求、设备状态和航天器能力四项因素,对航天器的构成、资源、子系统功能以及需要满足的约束条件进行描述;其中所述约束条件包括因果约束、时间约束和资源约束;
时序路标集合计算模块,用于建立状态时序图,其用于描述所述航天器中各个子系统内部状态之间的时序关系;其中节点表示各个子系统内部的状态以及状态时间信息,边连接两个节点,表示状态的转换,边的权值代表转换的代价;通过建立状态时序图,计算时序路标集合;
启发式任务规划求解模块,用于选用规划空间搜索作为基本的搜索策略,根据所述约束条件及所述时序路标构建启发式信息,根据启发式排序结果引导规划搜索方向,输出最终的基于时序路标的启发式任务规划求解结果;
任务规划序列输出模块,用于输出所述航天器的任务规划序列。
该实施例与方法实施例中的方案近似,故不再赘述。
综上所述,以上仅为本发明的较佳实施例而已,并非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,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
对于本领域技术人员而言,显然本发明实施例不限于上述示范性实施例的细节,而且在不背离本发明实施例的精神或基本特征的情况下,能够以其他的具体形式实现本发明实施例。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明实施例的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明实施例内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统、装置或终端权利要求中陈述的多个单元、模块或装置也可以由同一个单元、模块或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施方式仅用以说明本发明实施例的技术方案而非限制,尽管参照以上较佳实施方式对本发明实施例进行了详细说明,本领域的普通技术人员应当理解,可以对本发明实施例的技术方案进行修改或等同替换都不应脱离本发明实施例的技术方案的精神和范围。
Claims (6)
1.一种基于时序路标的启发式航天器任务规划方法,其特征在于,包括:
步骤S1,对航天器系统进行知识建模,具体包括根据航天器结构、任务需求、设备状态和航天器能力四项因素,对航天器的构成、资源、子系统功能以及需要满足的约束条件进行描述;其中所述约束条件包括因果约束、时间约束和资源约束;
步骤S2,建立状态时序图,其用于描述所述航天器中各个子系统内部状态之间的时序关系;其中节点表示各个子系统内部的状态以及状态时间信息,边连接两个节点,表示状态的转换,边的权值代表转换的代价;通过建立状态时序图,计算时序路标集合;
步骤S3,选用规划空间搜索作为基本的搜索策略,根据所述约束条件及所述时序路标构建启发式信息,根据启发式排序结果引导规划搜索方向,输出最终的基于时序路标的启发式任务规划求解结果;
步骤S4,输出所述航天器的任务规划序列。
2.如权利要求1所述的基于时序路标的启发式航天器任务规划方法,其特征在于,所述步骤S2中所述的状态时序图指将模型中状态之间的时序关系和状态时间信息通过图的形式进行表示;所述状态时序图是带有权值的有向图,节点表示各系统内部的状态以及状态时间信息,连接节点之间的边表示状态的转换,箭头指向转换方向;边的权值代表转换的代价。
3.如权利要求2所述的基于时序路标的启发式航天器任务规划方法,其特征在于,所述步骤S2中通过建立状态时序图,计算时序路标集合;所述的时序路标集合的计算方法为:
步骤S2.1,计算状态时序图中的节点集合V1,VG;所述的状态时序图中的节点集合V1,VG的计算方法为:在状态时序图中选择所有能够通过权值为0的边到达目标,并且满足时间约束的节点,构成节点集合VG;选择状态时序图中初始状态节点的所有可达节点中不属于集合VG的节点,构成节点集合V1;
步骤S2.2,所述的初始状态节点的可达节点是指在状态时序图中初始状态节点能够通过一次或多次状态转换到达,且满足时间约束的节点;
步骤S2.3,搜索状态时序图中所有由节点集合V1指向节点集合VG的边,根据状态节点的时序关系,检测时间约束的一致性;
步骤S2.4,将满足时间约束一致性的边指向的状态节点作为时序路标l,选择所有边的最小权值作为时序路标l的代价cost(l)。
将各边的所述权值减去时序路标l的代价cost(l)。
步骤2.5:迭代处理步骤2.1至步骤2.4,直到节点集合VG中存在初始状态节点时,停止迭代,输出时序路标集合L,时序路标集合L中包含时序路标l1,时序路标l2……时序路标ln。
4.如权利要求1所述的基于时序路标的启发式航天器任务规划方法,其特征在于,所述步骤S3包括:
步骤3.1:选取任务目标状态集合中一个目标状态Sg1,对目标状态Sg1的启发式值进行计算;
所述启发式值的计算方法为:搜索目标状态Sg1对应的时序路标l,计算状态时序图中除目标状态Sg1外所有指向时序路标l的状态集合Q;将状态集合Q中所有状态的边的权值减去时序路标l的代价cost(l),计算时序路标l1,时序路标l2……时序路标ln;时序路标l1,时序路标l2……时序路标ln的代价为cost(l1),cost(l2)……cost(ln),则目标状态Sg1的启发式值h(Sg1)为,
h(Sg1)=max(cost(l1),cost(l2),…,cost(ln));
步骤3.2:分别计算所有目标状态Sg1,Sg2,……Sgm的启发式值h(Sg1),h(Sg2),……h(Sg3),选取启发式值最大的目标状态Sgj,将目标状态Sgj添加到局部规划解中,并在目标状态集合中删除目标状态Sgj;
步骤3.3:将目标状态Sgj的时序条件集合中所有状态加入目标状态集合,按照所述步骤S2中所述方法重新计算时序路标集合L;
步骤3.4:迭代处理步骤3.1至步骤3.3,进行规划搜索,直到目标状态集合为空,输出最终的启发式任务规划求解结果,即完成航天器任务规划,缩减搜索空间,提高任务规划效率。
5.如权利要求1-4任意一项所述的基于时序路标的启发式航天器任务规划方法,其特征在于,所述子系统包括数据存储、相机、着陆器通讯、采样设备、采样实验共五个子系统。
6.一种基于时序路标的启发式航天器任务规划装置,其特征在于,包括:
知识建模模块,用于对航天器系统进行知识建模,具体包括根据航天器结构、任务需求、设备状态和航天器能力四项因素,对航天器的构成、资源、子系统功能以及需要满足的约束条件进行描述;其中所述约束条件包括因果约束、时间约束和资源约束;
时序路标集合计算模块,用于建立状态时序图,其用于描述所述航天器中各个子系统内部状态之间的时序关系;其中节点表示各个子系统内部的状态以及状态时间信息,边连接两个节点,表示状态的转换,边的权值代表转换的代价;通过建立状态时序图,计算时序路标集合;
启发式任务规划求解模块,用于选用规划空间搜索作为基本的搜索策略,根据所述约束条件及所述时序路标构建启发式信息,根据启发式排序结果引导规划搜索方向,输出最终的基于时序路标的启发式任务规划求解结果;
任务规划序列输出模块,用于输出所述航天器的任务规划序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211486740.1A CN115959305A (zh) | 2022-11-24 | 2022-11-24 | 一种基于时序路标的启发式航天器任务规划方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211486740.1A CN115959305A (zh) | 2022-11-24 | 2022-11-24 | 一种基于时序路标的启发式航天器任务规划方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115959305A true CN115959305A (zh) | 2023-04-14 |
Family
ID=87362399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211486740.1A Pending CN115959305A (zh) | 2022-11-24 | 2022-11-24 | 一种基于时序路标的启发式航天器任务规划方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115959305A (zh) |
-
2022
- 2022-11-24 CN CN202211486740.1A patent/CN115959305A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112241177B (zh) | 基于时间线状态路标的启发式航天器任务规划方法 | |
CN109948029B (zh) | 基于神经网络自适应的深度哈希图像搜索方法 | |
CN109948944B (zh) | 一种卫星任务调度方法及系统 | |
CN113346944B (zh) | 空天地一体化网络中时延最小化计算任务卸载方法及系统 | |
CN107562066B (zh) | 一种航天器多目标启发式排序任务规划方法 | |
CN108594858B (zh) | 马尔科夫运动目标的无人机搜索方法及装置 | |
CN113064671A (zh) | 基于多智能体的边缘云可扩展任务卸载方法 | |
CN113485429B (zh) | 空地协同交通巡检的路径优化方法和装置 | |
CN111586146B (zh) | 基于概率转移深度强化学习的无线物联网资源分配方法 | |
CN110297490B (zh) | 基于强化学习算法的异构模块化机器人自重构规划方法 | |
CN107579518A (zh) | 基于mhba的电力系统环境经济调度方法和装置 | |
CN109343554B (zh) | 一种基于状态转换代价值的启发式航天器任务规划方法 | |
CN110688754A (zh) | 一种作战体系架构建模与最优搜索方法 | |
CN110850893A (zh) | 一种基于最大值代价评估的航天器任务规划方法 | |
CN114139776B (zh) | 一种基于认知图谱的深空探测任务规划方法及系统 | |
CN115103410A (zh) | 一种测控数传资源调度方法、系统及装置 | |
CN105760652B (zh) | 一种基于约束可满足技术的深空探测自主任务规划方法 | |
Wen et al. | Scheduling single-satellite observation and transmission tasks by using hybrid Actor-Critic reinforcement learning | |
Wang et al. | Multi-objective mobile charging scheduling on the internet of electric vehicles: a DRL approach | |
CN111190711B (zh) | Bdd结合启发式a*搜索的多机器人任务分配方法 | |
CN116938323B (zh) | 一种基于强化学习的卫星转发器资源分配方法 | |
CN112348361B (zh) | 基于状态转移路径重构的启发式航天器任务规划方法 | |
CN115959305A (zh) | 一种基于时序路标的启发式航天器任务规划方法和装置 | |
CN109447525B (zh) | 多星部署上面级启发式任务规划方法 | |
CN107153525B (zh) | 基于柔性带权有向图模型的卫星指令序列生成方法 |
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 |