CN116090270A - 一种航天器轨道威胁自主规避架构设计及分析方法 - Google Patents
一种航天器轨道威胁自主规避架构设计及分析方法 Download PDFInfo
- Publication number
- CN116090270A CN116090270A CN202310088183.6A CN202310088183A CN116090270A CN 116090270 A CN116090270 A CN 116090270A CN 202310088183 A CN202310088183 A CN 202310088183A CN 116090270 A CN116090270 A CN 116090270A
- Authority
- CN
- China
- Prior art keywords
- threat
- spacecraft
- model
- module
- orbit
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/22—Design optimisation, verification or simulation using Petri net models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种航天器轨道威胁自主规避架构设计及分析方法,所述方法包括:基于感知模块、决策模块、执行模块构建航天器轨道威胁自主规避系统逻辑架构;基于着色Petri网对感知模块、决策模块、执行模块分别建立对应的着色Petri网子模型;建立整个系统逻辑架构的分层‑着色Petri网;对航天器轨道威胁自主规避系统逻辑架构的分层‑着色Petri网进行建模;对分层‑着色Petri网中的变迁赋予时间戳,搭建航天器轨道威胁自主规避系统逻辑架构的分层‑时间‑着色Petri网,基于分层‑时间‑着色Petri网对航天器轨道威胁自主规避;本发明的优点在于:实现对航天器轨道威胁的自主规避。
Description
技术领域
本发明涉及航天器系统架构建模领域,更具体涉及一种航天器轨道威胁自主规避架构设计及分析方法。
背景技术
当前,由于轨道空间日益拥挤、碰撞风险激增,且太空竞争加剧、轨道袭扰增多,航天器的安全运行面临着严峻挑战。面对太空中空间碎片和失效卫星碰撞、敌意卫星袭扰等轨道威胁,目前“地面测定轨+遥测下传→威胁判定→决策规划→上注指令→在轨执行”的应对方式严重依赖地面人员的分析决策,存在窗口和弧段时空约束多、星地回路时间链条长、运维指控人为因素多等问题,导致威胁处置不及时、运控压力大,对威胁采取过钝或过度的反应,严重影响航天器在轨运行的安全性和业务的连续性,难以适应威胁数量持续增长、环境日益恶化的空间态势。
航天器要在复杂空间环境、资源严重受限等条件下实现对轨道威胁的及时适度自主应对,且航天器在轨长期运行时设备难以更换升级,需要长时间以“不变的硬件”适应“多变的威胁”,敏感器、计算、存储等资源严重受限;精准感知和自主决策对资源需求较高,面临时间和资源上的严重冲突。因此在建立“感知-决策-执行”的航天器轨道威胁自主规避系统架构时需要充分考虑三者之间的嵌套、耦合关系,进行一体化框架下的整体建模与分析验证,而现有技术未考虑“感知-决策-执行”三者之间的嵌套、耦合关系,例如中国专利公开号CN114967437A公开的一种智能化航天器广义控制方法及系统,无法实现整体建模与分析验证,依赖地面人员的分析决策,无法对航天器轨道威胁进行自主规避。
为实现在一体化框架下对航天器轨道威胁自主规避系统架构进行建模,需要恰当的模型来描述各组成元素之间的关系。一体化控制系统不同层级相互嵌套、多环路耦合,时间/事件触发存在冲突,系统状态包含威胁等级、形态特征、运动参数等多维度变量,既有离散特性又有连续特性、既有确定参数又有随机变量,无法采用单一数学语言和传统建模方式进行描述。因此,如何建立逻辑合理、层次清晰的模型,刻画一体化控制系统组成元素之间的依赖、竞争、关联等复杂作用关系存在一定的挑战。Petri网是一种可对复杂系统的并发性、冲突性与资源共享性等重要行为属性进行描述的理论方法,也兼备数学表达和图形可视化等特点,可有效地对离散事件系统进行建模描述,并通过仿真分析验证模型性能是否满足要求。然而现有技术还没有基于Petri网的航天器轨道威胁自主规避的相关研究,如何利用Petri网的优势对航天器轨道威胁自主规避架构进行建模,从而对航天器轨道威胁进行自主规避成为研究热点。
发明内容
本发明所要解决的技术问题在于如何利用Petri网对航天器轨道威胁自主规避架构进行建模设计及分析,有利于实现对航天器轨道威胁的自主规避。
本发明通过以下技术手段实现解决上述技术问题的:一种航天器轨道威胁自主规避架构设计及分析方法,所述方法包括:
步骤一:基于感知模块、决策模块、执行模块构建航天器轨道威胁自主规避系统逻辑架构;
步骤二:基于着色Petri网对感知模块、决策模块、执行模块分别建立对应的着色Petri网子模型;
步骤三:通过感知模块、决策模块以及执行模块的着色Petri网子模型间的嵌套耦合关系,在各着色Petri网子模型出入口处设置接口实现子模型间的连接,以建立整个系统逻辑架构的分层-着色Petri网,并对规避流程进行仿真分析验证;
步骤四:对航天器轨道威胁自主规避系统逻辑架构的分层-着色Petri网进行建模,通过模拟仿真对模型的正确性进行可视化验证,并在状态空间下分析模型的动态特性;
步骤五:对分层-着色Petri网中的变迁赋予时间戳,搭建航天器轨道威胁自主规避系统逻辑架构的分层-时间-着色Petri网,基于分层-时间-着色Petri网对航天器轨道威胁自主规避,并分析模型应对威胁事件时的流程时间。
有益效果:本发明实现了对航天器轨道威胁自主规避系统感知模块、决策模块以及执行模块的建模与仿真模拟,并且分别建立对应的着色Petri网子模型,实现子模型之间的连接,建立整个系统逻辑架构的分层-着色Petri网,然后对分层-着色Petri网中的变迁赋予时间戳,充分利用Petri网的优势,搭建了基于Petri网的分层-时间-着色Petri网,能够对航天器轨道威胁自主规避,不依赖地面人员的分析决策。
进一步地,所述步骤一包括:
感知模型用于对航天器自身状态和环境场景的测量,威胁特征的识别、威胁行为的预测、以及威胁等级的判定;
决策模块用于对威胁目标进行参数估计、威胁行为预估、规避行为决策,在可能的方案中选择最佳方案,并形成序列化的行为动作序列;
执行模块用于通过姿轨动作控制器执行动作序列,控制航天器上的执行机构进行具体的变姿变轨动作,并将航天器的部分参数数据反馈给感知模块和决策模块。
更进一步地,所述感知模块还用于:
使用光学相机、红外相机、微波雷达、激光点云四种传感设备获取威胁目标的感知信息;通过多层并行网络融合四种传感器信息,并分离出多层图像信息与远距离异动行为信息;在多层图像信息基础上,提取威胁目标和载荷的形态特征;再在远距离异动行为信息、威胁目标与载荷的形态特征基础上,提取威胁目标和载荷的异动行为特征;再将威胁目标与载荷的形态特征和异动行为特征数据存储,作为威胁目标的历史行为;最后结合形态特征、异动行为特征、历史行为、先验知识库及星上敏感器采集的航天器自身参数数据进行融合推理,得到对目标的威胁类别与威胁等级的定量评价。
更进一步地,所述决策模块还用于:
结合威胁类别与威胁等级、远距离异动行为信息、威胁目标与载荷的异动行为特征对航天器应对威胁目标应采取的具体规避行为进行推理决策,其中规避行为包括轨道机动、姿态机动、应急规避、释放干扰、正常运行五种;其次结合感知模块采集的当前时刻远距离异动行为信息,预估威胁目标未来的动作行为;最后综合预测得到的威胁目标未来动作和当前时刻推理决策得到的规避行为,求解可使规避时间最短且燃料消耗最少的最优动作序列。
更进一步地,所述执行模块还用于:
通过控制器控制星上执行机构执行预定的最优动作序列,使航天器进行变姿变轨动作以实现对威胁的规避;其次规避的结果将影响航天器在轨运行状态;最后将星上敏感器测量得到的航天器自身参数数据分别反馈给感知模块的威胁等级推理部分和决策模块的动作序列规划算法求解部分,以构建“感知-决策-执行”的航天器轨道威胁自主规避一体化闭环系统架构。
进一步地,所述步骤二包括:
定义适用于航天器轨道威胁自主规避系统的着色Petri网模型,并根据感知模块、决策模块、执行模块中涉及的诸多行为,分别建立感知模块、决策模块、执行模块对应的着色Petri网子模型,并对各着色Petri网子模型中库所与变迁的含义和运行逻辑进行说明。
更进一步地,所述定义适用于航天器轨道威胁自主规避系统的着色Petri网模型,包括:
定义着色Petri网模型为一个七元组,表示为:
Σ=(P,T,F,C,G,E,I)
其中,(P,T,F)构成基本Petri网,P为Petri网中所有库所的集合,映射轨道威胁自主规避系统逻辑架构中的多种类型变量信息和系统状态;T为Petri网中所有变迁的集合,映射轨道威胁自主规避系统逻辑架构中感知、决策、执行模块中涉及的诸多智能行为;是Petri网输入输出有向弧的集合,包括从库所p到变迁t输入弧上的输入映射函数以及从变迁t到库所p输出弧上的输出映射函数,F映射轨道威胁自主规避系统逻辑架构中变迁的发生规则与输入输出数据类型;C为与库所和变迁关联的颜色集,映射轨道威胁自主规避系统逻辑架构中不同的数据和状态类型;G为变迁的守卫函数,映射每个变迁上的守卫表达式;E为弧表达式函数,映射每个输入输出弧上的表达式;I为初始化函数,映射系统初始状态下各库所的托肯情况。
更进一步地,所述步骤三包括:
搭建由感知模块的着色Petri网子模型、决策模块的着色Petri网子模型、执行模块的着色Petri网子模型以及子模型之间的接口库所构成的航天器轨道威胁自主规避系统逻辑架构顶层闭环模型,并通过各着色Petri网子模型之间的端口连接构建航天器轨道威胁自主规避系统逻辑架构的分层-着色Petri网模型。
更进一步地,所述步骤四包括:
采用着色Petri网建模工具CPNTools对航天器轨道威胁自主规避系统逻辑架构的分层-着色Petri网模型进行建模,并说明模型中自定义颜色集和变量的含义,对所建立的分层-着色Petri网在CPNTools环境下使用仿真工具进行模拟仿真,模型中所有可达状态均为航天器在威胁规避过程中可能存在的有效状态。
更进一步地,所述步骤五包括:
对航天器轨道威胁自主规避过程中各环节可能延时估计得到各变迁的延时最小值和最大值,构成延时区间,在延时区间内对整个自主规避系统的流程时间进行定量仿真分析,在原有航天器轨道威胁自主规避系统逻辑架构分层-着色Petri网模型基础上,为模型中所有变迁赋予时间戳,得到航天器轨道威胁自主规避系统逻辑架构分层-时间-着色Petri网,使用CPNTools工具对模型进行多次仿真并在延时区间内实时调整时间戳,直到得到的流程时间均值满足预定指标要求。
本发明的优点在于:本发明实现了对航天器轨道威胁自主规避系统感知模块、决策模块以及执行模块的建模与仿真模拟,并且分别建立对应的着色Petri网子模型,实现子模型之间的连接,建立整个系统逻辑架构的分层-着色Petri网,然后对分层-着色Petri网中的变迁赋予时间戳,充分利用Petri网的优势,搭建了基于Petri网的分层-时间-着色Petri网,能够对航天器轨道威胁自主规避,不依赖地面人员的分析决策。
附图说明
图1为本发明实施例所公开的一种航天器轨道威胁自主规避架构设计及分析方法的流程图;
图2为本发明实施例所公开的一种航天器轨道威胁自主规避架构设计及分析方法的逻辑架构图;
图3为本发明实施例所公开的一种航天器轨道威胁自主规避架构设计及分析方法中感知模块的着色Petri网子模型图;
图4为本发明实施例所公开的一种航天器轨道威胁自主规避架构设计及分析方法中决策模块的着色Petri网子模型图;
图5为本发明实施例所公开的一种航天器轨道威胁自主规避架构设计及分析方法中执行模块的着色Petri网子模型图;
图6为本发明实施例所公开的一种航天器轨道威胁自主规避架构设计及分析方法中分层-着色Petri网顶层闭环模型图;
图7为本发明实施例所公开的一种航天器轨道威胁自主规避架构设计及分析方法中“感知-决策-执行”一体化着色Petri网模型图。
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,下面将结合本发明实施例,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。
Petri网是一种可对复杂系统的并发性、冲突性与资源共享性等重要行为属性进行描述的理论方法,也兼备数学表达和图形可视化等特点,可有效地对离散事件系统进行建模描述,并通过仿真分析验证模型性能是否满足要求。Petri网除了可以对模型流程中存在的顺序、并发、异步等关系进行精确定义外,还可通过模拟分析以找出系统中存在的死锁、陷阱等不良结构,是描述异步、并发和具有不确定性信息处理系统的有效建模和分析工具。当对较为复杂的系统建模时,基本Petri网建立的模型规模一般过于庞大,且模型无法表达资源、时间等属性。因此,针对不同方面的建模需求,基本Petri网被扩展为着色Petri网、时间Petri网、分层Petri网等。着色Petri网使用颜色集对Petri网中的标识着以不同的颜色加以区分,可实现对庞大的网系统进行折叠以简化模型结构;时间Petri网在基本Petri网的基础上,为网络中所有变迁定义变迁到实数或实数区间的映射,分别表示变迁发生的具体延时和变迁使能时消耗时间的区间,以实现对托肯迁移时间的模拟;分层Petri网可对层次化复杂系统进行清晰地描述,通过对系统中的独立子系统分别建立子网,并搭建顶层模型来简化总网结构,既实现了对子网的封装,也可以满足总网对子网的反复调用。
如图1所示,基于上述关于Petri网的基础知识,本发明提供一种基于Petri网的航天器轨道威胁自主规避架构设计及分析方法,包括以下步骤:
S1:根据航天器轨道威胁自主规避任务,深入且定量地描述系统中行为的内在演化规律,梳理节点间的信息流逻辑关系,通过建立感知模块、决策模块、执行模块,构建层次清晰的航天器轨道威胁自主规避系统逻辑架构。
参阅图2,本发明实施例提供了一种基于Petri网的航天器轨道威胁自主规避系统逻辑架构设计及分析方法,该方法通过建立感知模块、决策模块、执行模块构建航天器轨道威胁自主规避系统,执行模块的端口分别连接感知模块、决策模块,形成“感知-决策-执行”的一体化闭环系统。
继续参阅图2,感知模块是对航天器自身状态和环境场景的测量、威胁特征的识别、威胁行为的预测、以及威胁等级的判定。首先利用图像、点云等互补信息进行目标及特征部件的快速分割和准确识别,给出威胁目标的形态特征及其表达;其次在不同时空条件信息非完备的情况下,对轨道威胁目标的异动行为进行准确检测,并给出威胁目标的异动行为特征及其表达;最后结合环境特征、形态特征、运动特征及历史行为进行融合推理,得到对目标行为的预判和威胁等级的定量评价。感知模块的具体介绍如下:
在感知模块方面,首先使用光学相机、红外相机、微波雷达、激光点云等四种传感设备获取威胁目标的感知信息,通过不同设备间信息的互补实现复杂空间环境下的威胁精准感知;其次通过多层并行网络融合四种传感器信息,以增强部分非完备信息,并将多层图像信息与远距离异动行为信息分离;在多层图像信息基础上,提取威胁目标和载荷的形态特征,其中目标形态特征包括目标类别标签(敌方航天器、空间碎片)、目标视线信息、目标置信度、目标时间戳等,载荷形态特征包括载荷类别标签(机械臂、相机、天线)、载荷视线信息、载荷置信度、载荷时间戳等;再在远距离异动行为信息和威胁目标与载荷的形态特征基础上,提取威胁目标和载荷的异动行为特征,包括威胁目标ID、载荷数量、六维姿态/轨道六根数、当前时刻速度、行为语义(跟飞、绕飞、伴飞、掠飞、急速靠近)、置信度等;再将威胁目标与载荷的形态特征和异动行为特征数据存储,作为威胁目标的历史行为;最后结合形态特征、异动行为特征、历史行为、先验知识库及星上常规敏感器采集的航天器自身参数数据进行融合推理,得到对目标的威胁类别与威胁等级的定量评价,其中威胁类别分为存在碰撞威胁的空间碎片(A类)、存在抵近威胁的航天器(B类)、存在常态化巡视威胁的航天器(C类)三种。
需要说明的是,本发明主要改进点在于构建感知-决策-执行一体化闭环系统,基于该系统构建对应的着色Petri网子模型,然后基于各个着色Petri网子模型建立整个系统逻辑架构的分层-着色Petri网,然后进行建模仿真,最后对分层-着色Petri网中的变迁赋予时间戳,构建分层-时间-着色Petri网,基于该分层-时间-着色Petri网进行轨道威胁自主规避,因此,上述结合环境特征、形态特征、运动特征及历史行为进行融合推理的方法并不在本发明的保护范围之内,可以采用任何融合推理方式,实际应用中可以人为设定形态特征、异动行为特征、历史行为、先验知识库及星上常规敏感器采集的航天器自身参数达到不同预设条件的时候对应不同威胁类别。
继续参阅图2,决策模块通过对威胁目标进行参数估计、威胁行为预估、规避行为决策,在可能的方案中选择最佳方案,并形成序列化的行为动作。综合考虑航天器预定任务、轨道、机动能力、计算能力、安全性等复杂多约束,通过威胁规避策略的在线优化求解实现计算资源受限下的快速决策规划,并根据态势特征进行在线调节决策模块参数与结构的反馈机制,实现不完美信息下的动态博弈决策。决策模块的具体介绍如下:
在决策模块方面,首先结合威胁类别与威胁等级、远距离异动行为信息、威胁目标与载荷的异动行为特征对航天器应对威胁目标应采取的具体规避行为进行推理决策,其中规避行为包括轨道机动、姿态机动、应急规避、释放干扰、正常运行五种,且多种规避行为可以同时进行;其次结合感知模块采集的当前时刻远距离异动行为信息,包括速度、距离、方位角等,预估威胁目标未来的动作行为;最后综合预测得到的威胁目标未来动作和当前时刻推理决策得到的规避行为,通过规划算法求解可使规避时间最短且燃料消耗最少的最优动作序列。需要说明的是,本发明保护的是基于Petri网的建模思路,对航天器应对威胁目标应采取的具体规避行为进行推理决策、规避行为的推理、规划算法等均可以采用现有任何相关方法,相关推理以及规划算法或方法不在本发明的保护范围之内。
继续参阅图2,执行模块通过姿轨动作控制器执行动作序列,控制航天器上的执行机构进行具体的变姿变轨动作,并将航天器的部分参数数据反馈给感知模块和决策模块。执行模块的具体介绍如下:
在执行模块方面,首先通过控制器控制星上执行机构执行预定的动作序列,使航天器进行变姿变轨动作以实现对威胁的规避;其次规避的结果将影响航天器在轨运行状态(包括正常运行与正在规避两类);最后将星上常规敏感器测量得到的航天器自身参数数据分别反馈给感知模块的威胁等级推理模块和决策模块的动作序列规划算法求解模块,以构建“感知-决策-执行”的航天器轨道威胁自主规避一体化闭环系统架构。
S2:通过明确航天器轨道威胁自主规避系统逻辑架构的运行过程,利用Petri网建模及仿真工具CPNTools,基于着色Petri网对感知模块、决策模块、执行模块分别建立对应的着色Petri网子模型,实现模型搭建的模块化、通用化。其基本原理以及Petri网仿真子模型的构建具体过程如下:
着色Petri网为一种高级Petri网,可构建紧凑和参数化的模型,通过建模和指定系统行为对并发系统模型进行构建,且可对模型的行为属性进行分析。
本发明定义着色Petri模型为一个七元组,具体表示为:
Σ=(P,T,F,C,G,E,I)
其中,(P,T,F)构成基本Petri网,P为Petri网中所有库所的集合,映射轨道威胁自主规避系统逻辑架构中的多种类型变量信息和系统状态;T为Petri网中所有变迁的集合,映射轨道威胁自主规避系统逻辑架构中感知、决策、执行子模型中涉及的诸多智能行为,且本逻辑架构Petri网模型中不涉及瞬时变迁,所有变迁均为延时变迁;是Petri网输入输出有向弧的集合,包括从库所p到变迁t输入弧上的输入映射函数以及从变迁t到库所p输出弧上的输出映射函数,F映射轨道威胁自主规避系统逻辑架构中变迁的发生规则与输入输出数据类型;C为与库所和变迁关联的颜色集,映射轨道威胁自主规避系统逻辑架构中不同的数据和状态类型,部分库所采用联合颜色集进行描述;G为变迁的守卫函数,映射每个变迁上的守卫表达式;E为弧表达式函数,映射每个输入输出弧上的表达式;I为初始化函数,映射系统初始状态下各库所的托肯情况。以上对着色Petri网模型的构成符号进行明确定义,指明了网络中含有的元素及其表示,为下一步对Petri网子模型进行刻画确定了符号标准和模型范式。
所述感知模块的着色Petri网子模型(以下简称感知子模型)如图3所示,其具体描述为:
感知模块从端口库所P17开始,P17为联合颜色集库所,包含威胁目标的多重信息,也是整个轨道威胁自主规避系统逻辑架构的输入;由于单一传感器设备的视场、探测距离、测量精度和成像条件相对固定,可获取的威胁目标感知信息有限,为了获得多维且丰富的威胁目标感知信息,使用光学相机监控、红外相机监控、微波雷达监控、激光点云监控(分别对应变迁T11、T12、T13、T14)获得不同传感器设备下的感知信息(分别对应库所P1、P2、P3、P4);再对上述四种感知信息执行变迁T1进行多传感器信息融合,以增强部分非完备信息,信息融合后的输出库所分别为:多层图像信息库所P5、远距离异动行为信息库所P6和远距离异动行为信息缓存库所P19,其中远距离异动行为信息库所P6包括威胁目标的速度、距离、方位角等信息,库所P19为异动行为信息的缓存副本,是感知模块与决策模块之间的接口库所之一;在分别得到多层图像信息和异动行为信息后,首先对多层图像信息库所P5在变迁T2下进行形态特征提取得到威胁目标和载荷的形态特征识别结果库所P7,然后在此基础上结合远距离异动行为信息库所P6在变迁T3下进行异动行为特征提取得到威胁目标和载荷的异动行为特征识别结果库所P8和其缓存副本库所P18,其中库所P18也为感知模块与决策模块之间的接口库所之一;下一步感知模块将结合威胁目标和载荷的形态特征识别结果库所P7、威胁目标和载荷的异动行为特征识别结果库所P8、威胁目标历史行为库所P9、先验知识库P10以及执行模块反馈的航天器自身轨道参数数据库所P16执行T5对威胁目标的威胁等级进行推理,得到感知模块的主要输出即威胁类别与威胁等级联合库所P11;通过设置优先级库所priority使得威胁等级推理变迁T5在感知信息存储变迁T4之前发生,最后将上述形态特征与异动行为特征识别结果通过变迁T4存储于库所P9中,作为威胁目标的历史行为参与下一次威胁等级推理。实现了对航天器轨道威胁自主规避系统感知模块的建模与仿真模拟。
所述决策模块的着色Petri网子模型(以下简称决策子模型)如图4所示,其具体描述为:
决策模块首先在异动行为信息缓存副本库所P19下执行变迁T7对威胁目标的未来行为进行推理预估,输出得到威胁目标的未来动作库所P13;其次决策模块综合感知模块与决策模块之间的三个接口库所,包括异动行为信息缓存副本库所P19与威胁目标和载荷的异动行为特征识别结果缓存副本库所P18以及威胁类别与威胁等级联合库所P11,并执行变迁T6对航天器针对威胁目标将采取的具体规避行为进行决策,输出得到当前时刻需要采取的规避行为库所P12;接下来,决策模块将综合威胁目标的未来动作库所P13与当前时刻需要采取的规避行为库所P12以及执行模块反馈的航天器自身轨道参数数据库所P16执行变迁T8通过规划算法求解规避行为需要的动作序列,从而得到决策模块的输出即航天器执行变姿变轨等动作的最优动作序列库所P14。实现了对航天器轨道威胁自主规避系统决策模块的建模与仿真模拟。
所述执行模块的着色Petri网子模型(以下简称执行子模型)如图5所示,其具体描述为:
执行模块的输入端口库所为决策模块的输出库所P14,执行模块需执行变迁T9通过控制器控制航天器上的执行机构执行动作序列指令,完成航天器的变姿变轨等规避行为,且该规避的执行结果将影响航天器在轨运行状态库所P15,其中P15共有正常运行与规避中两种状态,在此基础上执行变迁T10借助航天器配备的常规敏感器测量航天器在轨运行的自身参数数据,并存储于库所P16中,库所P16将作为反馈环节分别参与上述感知模块中的威胁等级推理以及决策模块中的动作序列规划算法求解。实现了对航天器轨道威胁自主规避系统执行模块的建模与仿真模拟。
S3:搭建航天器轨道威胁自主规避系统逻辑架构的顶层闭环模型,并根据感知模块、决策模块以及执行模块的着色Petri网子模型间的嵌套耦合关系,通过在各着色Petri网子模型出入口处设置接口实现子模型间的连接,以建立整个系统逻辑架构的分层-着色Petri网,并对规避流程进行仿真分析验证。详细过程如下:
参考图6,本发明给出了由感知子模型、决策子模型、执行子模型以及子模型之间的接口库所构成的航天器轨道威胁自主规避系统逻辑架构的顶层闭环模型。该顶层模型的输入为威胁目标多层信息库所P17,威胁目标多重信息在经过感知子模型的多传感器信息融合和特征提取等行为处理后,输出异动行为信息缓存副本库所P19与威胁目标和载荷的异动行为特征识别结果缓存副本库所P18以及威胁类别与威胁等级联合库所P11;以上三个接口库所将作为决策子模型的输入参与规避行为决策和动作规划算法求解等行为,并输出动作序列库所P14;执行子模型执行动作序列并最终输出航天器常规敏感器测量得到的航天器在轨运行自身参数数据库所P16,库所P16将作为反馈环节分别参与上述感知模块中的威胁等级推理以及决策模块中的动作序列规划算法求解,至此“感知-决策-执行”的顶层闭环模型搭建完成。
同时通过各子模型之间的端口连接构建了航天器轨道威胁自主规避系统逻辑架构的分层-着色Petri网模型,如图7所示。其中,感知子模型与决策子模型之间通过端口库所P11、P18、P19连接,决策子模型与执行子模型之间通过库所P14连接,执行子模型与感知子模型和决策子模型通过库所P16连接。整个航天器轨道威胁自主规避系统逻辑架构分层-着色Petri网中库所和变迁的含义如表1所示。
表1分层-着色Petri网中库所和变迁的含义
S4:使用着色Petri网建模工具CPNTools对航天器轨道威胁自主规避系统逻辑架构分层-着色Petri网进行建模,通过模拟仿真对模型的正确性进行可视化验证,并在状态空间下分析模型的动态特性。详细过程如下:
本发明采用着色Petri网建模工具CPNTools对航天器轨道威胁自主规避系统逻辑架构的分层-着色Petri网模型进行建模与模拟分析。
CPNTools仿真工具支持对着色Petri网模型的编辑和模拟分析,可实现对着色Petri网进行图形化建模和动态仿真,且CPNTools中含有大量的工具包如状态空间工具、模型仿真工具、监视器工具等,借助这些工具包可对模型进行动态仿真,并分析状态空间中的活性、有界性、公平性等诸多行为属性,还可以统计模型流程时间和资源的利用率情况。
CPNTools仿真工具中已定义几种基本类型的颜色集,并且支持用户根据建模需要自定义颜色集。除CPNTools中的基本颜色集外,本发明中的部分自定义颜色集如下:
colset Single=with single_A|single_B|single_C|single_D;//声明四种传感器信号的枚举颜色集
colset image=string;//声明多层图像信息为String类型颜色集
colset velocity=int;//声明异动行为信息中的速度信息为int类型
var v,v1:velocity;
colset distance=int;//声明异动行为信息中的距离信息为int类型
var d,d1:distance;
colset azimuth=int;//声明异动行为信息中的方位角信息为int类型
var az,az1:azimuth;
colset behaviour=product velocity*distance*azimuth;//构造异动行为信息颜色集为包含速度、时间、方位角的积颜色集
colset information=union i:image+b:behaviour;//构造多层图像信息和异动行为信息的联合颜色集
colset target_type=with spacecraft|spacedebris|driftlessness;//声明威胁目标类型的枚举颜色集,其中威胁目标类型共有敌方航天器、空间碎片和无目标三种
var r_t_t:target_type;
colset load_type=with mechanical_arm|camera|antennae|no_load;//声明载荷类型的枚举颜色集,其中威胁目标携带的载荷类型共有机械臂、相机、天线、无载荷四种
var r_l_t:load_type;
colset m_c=product target_type*load_type;//构造威胁目标类型与载荷类型的积颜色集
colset target_behaviour=with follow_fly|around_fly|with_fly|Prey_fly|quick_close|target_no_action;//声明威胁目标异动行为特征的枚举颜色集,其中威胁目标的异动行为共有跟飞、绕飞、伴飞、掠飞、快速靠近和无机动六种
var r_t_b:target_behaviour;
colset load_beaviour=with stick_out|in_focus|strike|load_no_action;//声明载荷异动行为特征的枚举颜色集,其中威胁目标携带载荷的异动行为共有伸出、对准、攻击和无机动四种
var r_l_b:load_beaviour;
colset b_c=product target_behaviour*load_beahiour;//构造威胁目标异动行为特征与载荷异动行为特征的积颜色集
colset result=product m_c*b_c;//构造形态特征提取结果与异动行为特征提取结果的积颜色集
var res:result;
colset history_behaviour=list result;//声明存储历史行为的列表颜色集
var h_b:history_behaviour;
colset threat_type=with A|B|C;//声明威胁类型的枚举颜色集,其中威胁类型包括存在碰撞威胁的空间碎片(A类)、存在抵近威胁的航天器(B类)以及存在常态化巡视威胁的航天器(C类)三种
var t_t:threat_type;
colset level_a=int with 1..3;//声明威胁等级的索引颜色集,其中A类威胁的威胁等级为1-3级
var l_a:level_a;
colset level_b=int with 4..7;//声明威胁等级的索引颜色集,其中B类威胁的威胁等级为4-7级
var l_b:level_b;
colset level_c=int with 8..11;//声明威胁等级的索引颜色集,其中C类威胁的威胁等级为8-11级
var l_c:level_c;
var l:INT;
colset t_l=product threat_type*INT;//构造威胁类型与威胁等级的积颜色集
colset avoidance_behavior=with orbital_maneuver|attitude_maneuver
|emergency_avoidance|interference|normal_operation;声明规避行为的积颜色集,其中规避行为包括轨道机动、姿态机动、应急规避、释放干扰、正常运行五种
var a_b:avoidance_behavior;
colset Status=bool with(evading,normal);//声明航天器在轨运行状态的Bool类型颜色集
var s:Status;
colset Target=product target_type*load_type*behaviour;//声明威胁目标多重信息的积颜色集;
对所建立的分层-着色Petri网在CPNTools环境下使用仿真工具进行模拟仿真。当采用单步运行的方式时,Petri网模型严格按照预设的变迁守卫函数和输入输出弧上的弧表达式函数运行,运行过程中不存在死锁情况,且闭环模型的反馈有效,实现了对航天器轨道威胁自主规避系统逻辑架构运行的可视化模拟;为使得模型可以不断地感知威胁目标并采取相应的动作,简单地修改模型结构,将模型调整为闭环且可循环运行的结构,此时可采用CPNTools中自动运行的仿真方式,仿真的结果显示模型可以多次对威胁目标进行感知,并执行感知子模型、决策子模型、执行子模型中的相应动作,对威胁目标采取相应的应对措施。
为分析航天器轨道威胁自主规避系统逻辑架构分层-着色Petri网模型的可达性、活性、有界性等行为属性,采用状态空间工具生成该Petri网模型的状态空间报告。在可达性方面,状态空间报告列出了航天器轨道威胁自主规避系统逻辑架构分层-着色Petri网模型中所有的可达状态,且通过分析可知,上述所有可达状态均为航天器在威胁规避过程中可能存在的有效状态,因此该Petri模型满足可达性;在家态性方面,由于模型每循环一次,感知信息存储变迁T4将形态特征与异动行为特征信息添加至历史行为库所P9中,库所P9中的托肯数量将会不断地增加,该模型将永远不会回到最初的状态,因此该Petri模型不满足家态性;在模型活性方面,状态空间报告显示模型中不存在活变迁与死变迁,且当设置模型仿真步数为10000时模型亦未出现死锁,可以推断该模型不存在死锁状态,因此该Petri模型满足活性;在有界性方面,状态空间报告中给出模型满足有界性;在公平性方面,因为该Petri网模型中不存在无限发生的序列,所以状态空间报告中给出模型不满足公平性。总而言之,该Petri网模型满足可达性、活性、有界性等基本行为属性,实现了对航天器轨道威胁自主规避系统逻辑架构的模型仿真。
S5:对分层-着色Petri网中的变迁赋予时间戳,为模型添加时间属性,搭建航天器轨道威胁自主规避系统逻辑架构分层-时间-着色Petri网,以分析模型应对威胁事件时的流程时间。详细过程如下:
航天器轨道威胁自主规避任务要求航天器需要在尽可能短的时间内完成为对威胁目标的感知、决策、变姿变轨规避等行为动作,因此有必要借助时间Petri网为系统赋予时间属性,并对整个自主规避系统的流程时间进行定量仿真分析,以优化模型结构使航天器在受到最小威胁的前提下实现对威胁目标的快速规避,并返回正常在轨运行状态。
对整个自主规避系统的流程时间进行定量仿真分析,需要在原有航天器轨道威胁自主规避系统逻辑架构分层-着色Petri网模型基础上,为模型中所有变迁赋予时间戳,通过对航天器轨道威胁自主规避过程中各环节可能延时估计得到各变迁的延时最小值和最大值如表2所示,此时间范围在仿真过程中为满足均匀分布的随机变量。
表2模型中各变迁的延时范围
在CPNTools仿真工具中通过在颜色集后添加timed后缀将S4中涉及的颜色集设置为延时颜色集,并为每个变迁赋予延时范围,得到航天器轨道威胁自主规避系统逻辑架构分层-时间-着色Petri网。使用CPNTools仿真工具对模型仿真50次,并使用内置监视器功能Monitors中的数据收集监视器Data collection monitor收集每次闭环模型运行结束时的模型全局时间,得到的航天器轨道威胁自主规避系统模型单次运行时间如表3所示。为了获得更加准确的统计结果,使用CPNTools工具对模型进行500次仿真,得到单次运行的流程时间均值为114.36ms,满足预定的指标要求。
表3航天器轨道威胁自主规避系统模型单次运行时间
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 (10)
1.一种航天器轨道威胁自主规避架构设计及分析方法,其特征在于,所述方法包括:
步骤一:基于感知模块、决策模块、执行模块构建航天器轨道威胁自主规避系统逻辑架构;
步骤二:基于着色Petri网对感知模块、决策模块、执行模块分别建立对应的着色Petri网子模型;
步骤三:通过感知模块、决策模块以及执行模块的着色Petri网子模型间的嵌套耦合关系,在各着色Petri网子模型出入口处设置接口实现子模型间的连接,以建立整个系统逻辑架构的分层-着色Petri网,并对规避流程进行仿真分析验证;
步骤四:对航天器轨道威胁自主规避系统逻辑架构的分层-着色Petri网进行建模,通过模拟仿真对模型的正确性进行可视化验证,并在状态空间下分析模型的动态特性;
步骤五:对分层-着色Petri网中的变迁赋予时间戳,搭建航天器轨道威胁自主规避系统逻辑架构的分层-时间-着色Petri网,基于分层-时间-着色Petri网对航天器轨道威胁自主规避,并分析模型应对威胁事件时的流程时间。
2.根据权利要求1所述的一种航天器轨道威胁自主规避架构设计及分析方法,其特征在于,所述步骤一包括:
感知模型用于对航天器自身状态和环境场景的测量,威胁特征的识别、威胁行为的预测、以及威胁等级的判定;
决策模块用于对威胁目标进行参数估计、威胁行为预估、规避行为决策,在可能的方案中选择最佳方案,并形成序列化的行为动作序列;
执行模块用于通过姿轨动作控制器执行动作序列,控制航天器上的执行机构进行具体的变姿变轨动作,并将航天器的部分参数数据反馈给感知模块和决策模块。
3.根据权利要求2所述的一种航天器轨道威胁自主规避架构设计及分析方法,其特征在于,所述感知模块还用于:
使用光学相机、红外相机、微波雷达、激光点云四种传感设备获取威胁目标的感知信息;通过多层并行网络融合四种传感器信息,并分离出多层图像信息与远距离异动行为信息;在多层图像信息基础上,提取威胁目标和载荷的形态特征;再在远距离异动行为信息、威胁目标与载荷的形态特征基础上,提取威胁目标和载荷的异动行为特征;再将威胁目标与载荷的形态特征和异动行为特征数据存储,作为威胁目标的历史行为;最后结合形态特征、异动行为特征、历史行为、先验知识库及星上敏感器采集的航天器自身参数数据进行融合推理,得到对目标的威胁类别与威胁等级的定量评价。
4.根据权利要求3所述的一种航天器轨道威胁自主规避架构设计及分析方法,其特征在于,所述决策模块还用于:
结合威胁类别与威胁等级、远距离异动行为信息、威胁目标与载荷的异动行为特征对航天器应对威胁目标应采取的具体规避行为进行推理决策,其中规避行为包括轨道机动、姿态机动、应急规避、释放干扰、正常运行五种;其次结合感知模块采集的当前时刻远距离异动行为信息,预估威胁目标未来的动作行为;最后综合预测得到的威胁目标未来动作和当前时刻推理决策得到的规避行为,求解可使规避时间最短且燃料消耗最少的最优动作序列。
5.根据权利要求4所述的一种航天器轨道威胁自主规避架构设计及分析方法,其特征在于,所述执行模块还用于:
通过控制器控制星上执行机构执行预定的最优动作序列,使航天器进行变姿变轨动作以实现对威胁的规避;其次规避的结果将影响航天器在轨运行状态;最后将星上敏感器测量得到的航天器自身参数数据分别反馈给感知模块的威胁等级推理部分和决策模块的动作序列规划算法求解部分,以构建“感知-决策-执行”的航天器轨道威胁自主规避一体化闭环系统架构。
6.根据权利要求2所述的一种航天器轨道威胁自主规避架构设计及分析方法,其特征在于,所述步骤二包括:
定义适用于航天器轨道威胁自主规避系统的着色Petri网模型,并根据感知模块、决策模块、执行模块中涉及的诸多行为,分别建立感知模块、决策模块、执行模块对应的着色Petri网子模型,并对各着色Petri网子模型中库所与变迁的含义和运行逻辑进行说明。
7.根据权利要求6所述的一种航天器轨道威胁自主规避架构设计及分析方法,其特征在于,所述定义适用于航天器轨道威胁自主规避系统的着色Petri网模型,包括:
定义着色Petri网模型为一个七元组,表示为:
Σ=(P,T,F,C,G,E,I)
其中,(P,T,F)构成基本Petri网,P为Petri网中所有库所的集合,映射轨道威胁自主规避系统逻辑架构中的多种类型变量信息和系统状态;T为Petri网中所有变迁的集合,映射轨道威胁自主规避系统逻辑架构中感知、决策、执行模块中涉及的诸多智能行为;是Petri网输入输出有向弧的集合,包括从库所p到变迁t输入弧上的输入映射函数以及从变迁t到库所p输出弧上的输出映射函数,F映射轨道威胁自主规避系统逻辑架构中变迁的发生规则与输入输出数据类型;C为与库所和变迁关联的颜色集,映射轨道威胁自主规避系统逻辑架构中不同的数据和状态类型;G为变迁的守卫函数,映射每个变迁上的守卫表达式;E为弧表达式函数,映射每个输入输出弧上的表达式;I为初始化函数,映射系统初始状态下各库所的托肯情况。
8.根据权利要求6所述的一种航天器轨道威胁自主规避架构设计及分析方法,其特征在于,所述步骤三包括:
搭建由感知模块的着色Petri网子模型、决策模块的着色Petri网子模型、执行模块的着色Petri网子模型以及子模型之间的接口库所构成的航天器轨道威胁自主规避系统逻辑架构顶层闭环模型,并通过各着色Petri网子模型之间的端口连接构建航天器轨道威胁自主规避系统逻辑架构的分层-着色Petri网模型。
9.根据权利要求8所述的一种航天器轨道威胁自主规避架构设计及分析方法,其特征在于,所述步骤四包括:
采用着色Petri网建模工具CPNTools对航天器轨道威胁自主规避系统逻辑架构的分层-着色Petri网模型进行建模,并说明模型中自定义颜色集和变量的含义,对所建立的分层-着色Petri网在CPNTools环境下使用仿真工具进行模拟仿真,模型中所有可达状态均为航天器在威胁规避过程中可能存在的有效状态。
10.根据权利要求9所述的一种航天器轨道威胁自主规避架构设计及分析方法,其特征在于,所述步骤五包括:
对航天器轨道威胁自主规避过程中各环节可能延时估计得到各变迁的延时最小值和最大值,构成延时区间,在延时区间内对整个自主规避系统的流程时间进行定量仿真分析,在原有航天器轨道威胁自主规避系统逻辑架构分层-着色Petri网模型基础上,为模型中所有变迁赋予时间戳,得到航天器轨道威胁自主规避系统逻辑架构分层-时间-着色Petri网,使用CPNTools工具对模型进行多次仿真并在延时区间内实时调整时间戳,直到得到的流程时间均值满足预定指标要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310088183.6A CN116090270A (zh) | 2023-02-06 | 2023-02-06 | 一种航天器轨道威胁自主规避架构设计及分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310088183.6A CN116090270A (zh) | 2023-02-06 | 2023-02-06 | 一种航天器轨道威胁自主规避架构设计及分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116090270A true CN116090270A (zh) | 2023-05-09 |
Family
ID=86199005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310088183.6A Pending CN116090270A (zh) | 2023-02-06 | 2023-02-06 | 一种航天器轨道威胁自主规避架构设计及分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116090270A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117406779A (zh) * | 2023-11-20 | 2024-01-16 | 哈尔滨工业大学 | 一种航天器系统分析及自主规避威胁行为规划方法及系统 |
-
2023
- 2023-02-06 CN CN202310088183.6A patent/CN116090270A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117406779A (zh) * | 2023-11-20 | 2024-01-16 | 哈尔滨工业大学 | 一种航天器系统分析及自主规避威胁行为规划方法及系统 |
CN117406779B (zh) * | 2023-11-20 | 2024-05-03 | 哈尔滨工业大学 | 一种航天器系统分析及自主规避威胁行为规划方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Multi UAV cluster control method based on virtual core in improved artificial potential field | |
CN110587606B (zh) | 一种面向开放场景的多机器人自主协同搜救方法 | |
Feng et al. | Importance measure-based phased mission reliability and UAV number optimization for swarm | |
CN110222406B (zh) | 一种基于任务阶段复杂性的无人机自主能力评估方法 | |
Cheng et al. | Research status of artificial neural network and its application assumption in aviation | |
CN110221620B (zh) | 一种基于mas的多无人系统监督控制站 | |
CN101083019A (zh) | 基于空间态势感知的快速评估系统 | |
CN113742195B (zh) | 一种基于贝叶斯神经网络的系统健康状态预测方法 | |
CN116090270A (zh) | 一种航天器轨道威胁自主规避架构设计及分析方法 | |
Gao et al. | Hybrid swarm intelligent algorithm for multi-UAV formation reconfiguration | |
Sahadevan et al. | Ground-based 4d trajectory prediction using bi-directional LSTM networks | |
CN116663416A (zh) | 一种基于行为树的cgf决策行为仿真方法 | |
Xu et al. | Algorithms and applications of intelligent swarm cooperative control: A comprehensive survey | |
Liu | A novel path planning method for aerial UAV based on improved genetic algorithm | |
CN117540156A (zh) | 面向任务的复杂装备体系能力分析方法和模拟对抗系统 | |
CN109062677A (zh) | 一种无人机系统计算迁移方法 | |
Barabash et al. | Development of control laws of unmanned aerial vehicles for performing group flight at the straight-line horizontal flight stage | |
Quan et al. | A Multi-Dimensional Dynamic Evaluation Method for the Intelligence of Unmanned Aerial Vehicle Swarm | |
Hu et al. | Analysis of the current situation of aviation swarm operations | |
Cavadov | Intelligent Control Systems | |
Pradhan et al. | Artificial intelligence empowered models for UAV communications | |
Paul et al. | Augmenting Autonomous Agents with Expert-Derived Decision Policies | |
Zou et al. | Application and Prospect of Artificial Intelligence in Aircraft Design | |
Siyuan et al. | STABC-IR: An air target intention recognition method based on bidirectional gated recurrent unit and conditional random field with space-time attention mechanism | |
Zhang et al. | A review of the mathematical evaluation model of contribution rate of weapon equipment system |
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 |