CN116822863A - 一种多平台协同感知的智能规划方法与系统 - Google Patents
一种多平台协同感知的智能规划方法与系统 Download PDFInfo
- Publication number
- CN116822863A CN116822863A CN202310740520.5A CN202310740520A CN116822863A CN 116822863 A CN116822863 A CN 116822863A CN 202310740520 A CN202310740520 A CN 202310740520A CN 116822863 A CN116822863 A CN 116822863A
- Authority
- CN
- China
- Prior art keywords
- task
- remote sensing
- planning
- plan
- measurement
- 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 100
- 238000005259 measurement Methods 0.000 claims abstract description 123
- 238000005457 optimization Methods 0.000 claims abstract description 43
- 238000005096 rolling process Methods 0.000 claims abstract description 21
- 238000003384 imaging method Methods 0.000 claims abstract description 8
- 238000005065 mining Methods 0.000 claims description 38
- 238000007726 management method Methods 0.000 claims description 35
- 230000001960 triggered effect Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 20
- 238000011158 quantitative evaluation Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 10
- 230000000737 periodic effect Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 230000008520 organization Effects 0.000 abstract description 2
- 230000004044 response Effects 0.000 description 17
- 238000013461 design Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q10/06—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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明提出一种多平台协同感知的智能规划方法与系统，属于遥感卫星规划技术领域。所述方法基于网络开源信息、历史任务信息、系统实时状态以及多源引导信息自主挖掘生成遥感需求，或受理用户遥感需求，需求按序到达；构建并维护动态任务队列用于存在遥感需求，当达到事件时效性阈值或测控窗口阈值则触发滚动式智能规划，调用成像参数优化模块完成参数设置，规划形成多套规划预案，同时开展规划方案执行预估，为指挥员提供任务完成时效性、气象条件、任务损失和可靠性等辅助决策信息，待用户或上机业务机关调整决策后，形成遥感计划，该任务队列随着时间推移和事件驱动动态更新。
Description
技术领域
本发明属于遥感卫星规划技术领域，尤其涉及一种多平台协同感知的智能规划方法与系统。
背景技术
目前天基遥感运行流程是“需求-筹划-管控-卫星-处理-用户”的闭环链路，主要包括需求受理与筹划、任务管控、卫星测控、卫星遥感、数据接收与传输、信息处理、定标处理、处理与分发应用等环节。传统的被动式任务管控模式流程冗余、限制条件多，已经无法适应应用要求，主要体现在以下三方面：
一是流程冗余不适应任务保障需求。目前面向周期计划的管控模式，环节多，链条长，每个环节都是紧耦合和串行的，需要有改动时，需求从上一环节重新开始，流程不够优化。而且每个环节都单独进行约束检验，层级多，约束条件粒度不统一，易造成流程反复，处理响应周期长，任务快速反应能力不足。
二是外部资源保障因素影响快速响应能力。卫星是固定轨道的飞行，在当前管控模式和技术能力下，卫星只有在飞临地面站测控、数传范围内，才能上传任务指令、下传遥感数据，或通过中继卫星上注指令和下传数据，之后飞行至目标区域实施观测，而目前地面和中继测控、数据接传资源数量少、约束多、响应慢，协调保障机制还不完善，较大程度制约天基遥感系统效能发挥，造成快速响应时间长、应急观测能力差。同时还受限于气象和通信等外部因素。
三是被动接受任务模式限制效能发挥。目前响应模式是由应用处理部门受理各方遥感需求后，进行需求分析与统筹，之后将遥感任务发送至管控部门进行任务冲突消解和详细载荷约束检验。由于应用处理部门不详细掌握卫星载荷约束，不了解系统实时状态和能力，需求与卫星资源无法得到最优匹配，难以发挥系统最大效能，特别是应急响应模式下，增加任务受理环节，影响系统响应速度。
发明内容
为解决上述技术问题，本发明提出一种多平台协同感知的智能规划方案。
本发明提出一种多平台协同感知的智能规划方法。所述方法包括：
步骤S1、建立动态智能任务规划模式；具体包括：
基于多源引导进行遥感需求挖掘；动态维护遥感需求队列；以事件驱动触发基于所述遥感需求的任务规划；根据所述任务规划的量化评估结果调整所述任务规划的优化策略；配置遥感信息获取终端以实时获取多方遥感信息；按照所述任务规划执行观测任务并反馈观测结果数据；基于所述观测结果数据对各个终端/平台进行自主管控；
步骤S2、建立智能规划调度内核；具体包括：
所述智能规划调度内核按序受理不断到达的遥感需求，根据历史任务执行数据为各个卫星确定短周期测控计划，所述各个卫星根据所述短周期测控计划维护待执行的任务规划的队列；
步骤S3、建立动态智能任务规划流程；具体包括：
基于测控资源约束动态调度测控资源，非周期性地实施指令动态生成和上注，全流程监控任务执行情况并进行系统故障预警。
根据本发明第一方面的方法，在所述步骤S1中：
基于多源引导进行遥感需求挖掘；具体包括：挖掘网络开源信息以提取出热点事件，挖掘所述热点事件的信息下载量和使用情况来分析用户偏好，结合实时遥感数据反馈挖掘观测机会、观测需求和观测任务，从而生成所述遥感需求；
动态维护遥感需求队列；具体包括：维护所述遥感需求队列，并通过事件演化预测生成下一步的遥感需求，根据态势变化动态调整所述遥感需求队列中所述遥感需求的优化级，所述遥感需求在触发执行后从所述遥感需求队列中删除；
以事件驱动触发基于所述遥感需求的任务规划；具体包括：所述事件驱动触发达到规定阈值后启动所述任务规划，将当前需求队列中的需求集作为任务来源，选择优化策略进行多星联合的智能任务规划，并调度所述任务规划被触发后最近的测控窗口进行指令上注；
根据所述任务规划的量化评估结果调整所述任务规划的优化策略；具体包括：每一次滚动执行所述任务规划时，对任务规划方案进行量化评估，确定所述任务规划方案的可靠性和执行代价，来更新所述优化策略。
配置遥感信息获取终端以实时获取多方遥感信息；具体包括：所述遥感信息获取终端实时获取航天遥感信息、星上处理信息、态势感知信息，以确定所述遥感需求的满足情况；
按照所述任务规划执行观测任务并反馈观测结果数据；具体包括：遥感卫星按照所述任务规划实施所述观测任务，将观测数据传输至地面管控中心，所述管控中心根据所述观测数据和所述态势感知信息确定是否执行下一观测任务；
基于所述观测结果数据对各个终端/平台进行自主管控；具体包括：将基于事件驱动的得到的观测结果数据用于后续执行星地一体的自主管控。
根据本发明第一方面的方法，在所述步骤S2中，将一个测控周期分成多个任务规划时域，根据所述短周期测控计划触发一轮多星任务规划，单星接受调度分配的任务规划周期对应的任务规划方案，且接受后不允许改变，当下一轮多星任务规划触发后，生成后续任务规划时间段的任务规划方案，到达单星测控时间点后，将上一个测控点至该测控点之间的几轮任务规划方案合并生成指令上注，单星一个测控周期内的任务规划方案分多批次多个任务规划时段规划完成。
根据本发明第一方面的方法，在所述步骤S3中，基于网络开源信息、历史任务信息、系统实时状态以及多源引导信息生成所述遥感需求，所述遥感需求按序到达；构建并维护所述待执行的任务规划的队列，当达到事件时效性阈值或测控窗口阈值则触发滚动式智能规划，调用成像参数优化模块完成参数设置，规划形成多套规划预案，同时开展规划方案执行预估，提供任务完成时效性、气象条件、任务损失和可靠性辅助决策信息，待调整决策后形成遥感计划，所述待执行的任务规划的队列随时间推移和事件驱动进行动态更新。
本发明第二方面提出一种多平台协同感知的智能规划系统。所述系统包含的处理单元被配置为执行：
步骤S1、建立动态智能任务规划模式；具体包括：
基于多源引导进行遥感需求挖掘；动态维护遥感需求队列；以事件驱动触发基于所述遥感需求的任务规划；根据所述任务规划的量化评估结果调整所述任务规划的优化策略；配置遥感信息获取终端以实时获取多方遥感信息；按照所述任务规划执行观测任务并反馈观测结果数据；基于所述观测结果数据对各个终端/平台进行自主管控；
步骤S2、建立智能规划调度内核；具体包括：
所述智能规划调度内核按序受理不断到达的遥感需求，根据历史任务执行数据为各个卫星确定短周期测控计划，所述各个卫星根据所述短周期测控计划维护待执行的任务规划的队列；
步骤S3、建立动态智能任务规划流程；具体包括：
基于测控资源约束动态调度测控资源，非周期性地实施指令动态生成和上注，全流程监控任务执行情况并进行系统故障预警。
根据本发明第二方面的系统，在所述步骤S1中：
基于多源引导进行遥感需求挖掘；具体包括：挖掘网络开源信息以提取出热点事件，挖掘所述热点事件的信息下载量和使用情况来分析用户偏好，结合实时遥感数据反馈挖掘观测机会、观测需求和观测任务，从而生成所述遥感需求；
动态维护遥感需求队列；具体包括：维护所述遥感需求队列，并通过事件演化预测生成下一步的遥感需求，根据态势变化动态调整所述遥感需求队列中所述遥感需求的优化级，所述遥感需求在触发执行后从所述遥感需求队列中删除；
以事件驱动触发基于所述遥感需求的任务规划；具体包括：所述事件驱动触发达到规定阈值后启动所述任务规划，将当前需求队列中的需求集作为任务来源，选择优化策略进行多星联合的智能任务规划，并调度所述任务规划被触发后最近的测控窗口进行指令上注；
根据所述任务规划的量化评估结果调整所述任务规划的优化策略；具体包括：每一次滚动执行所述任务规划时，对任务规划方案进行量化评估，确定所述任务规划方案的可靠性和执行代价，来更新所述优化策略。
配置遥感信息获取终端以实时获取多方遥感信息；具体包括：所述遥感信息获取终端实时获取航天遥感信息、星上处理信息、态势感知信息，以确定所述遥感需求的满足情况；
按照所述任务规划执行观测任务并反馈观测结果数据；具体包括：遥感卫星按照所述任务规划实施所述观测任务，将观测数据传输至地面管控中心，所述管控中心根据所述观测数据和所述态势感知信息确定是否执行下一观测任务；
基于所述观测结果数据对各个终端/平台进行自主管控；具体包括：将基于事件驱动的得到的观测结果数据用于后续执行星地一体的自主管控。
根据本发明第二方面的系统，在所述步骤S2中，将一个测控周期分成多个任务规划时域，根据所述短周期测控计划触发一轮多星任务规划，单星接受调度分配的任务规划周期对应的任务规划方案，且接受后不允许改变，当下一轮多星任务规划触发后，生成后续任务规划时间段的任务规划方案，到达单星测控时间点后，将上一个测控点至该测控点之间的几轮任务规划方案合并生成指令上注，单星一个测控周期内的任务规划方案分多批次多个任务规划时段规划完成。
根据本发明第二方面的系统，在所述步骤S3中，基于网络开源信息、历史任务信息、系统实时状态以及多源引导信息生成所述遥感需求，所述遥感需求按序到达；构建并维护所述待执行的任务规划的队列，当达到事件时效性阈值或测控窗口阈值则触发滚动式智能规划，调用成像参数优化模块完成参数设置，规划形成多套规划预案，同时开展规划方案执行预估，提供任务完成时效性、气象条件、任务损失和可靠性辅助决策信息，待调整决策后形成遥感计划，所述待执行的任务规划的队列随时间推移和事件驱动进行动态更新。
本发明第三方面公开了一种电子设备。所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现本公开第一方面所述的一种多平台协同感知的智能规划方法中的步骤。
本发明第四方面公开了一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本公开第一方面所述的一种多平台协同感知的智能规划方法中的步骤。
综上，本发明的技术方案采用的架构较为灵活，方便扩展；能够实现自主需求生成、快速任务响应和智能任务规划，支持异构平台资源拓展；与传统传统模式相比，具有应急调整灵活、资源损耗小等优点，具有较好的应用前景。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的智能任务规划模式的示意图。
图2为根据本发明实施例的基于事件驱动的智能化动态规划流程的示意图。
图3为根据本发明实施例的滚动任务规划时序及调度内核设计的示意图。
图4为根据本发明实施例的一种电子设备的结构图。
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中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只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做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。
本发明提出一种多平台协同感知的智能规划方法。所述方法包括：
步骤S1、建立动态智能任务规划模式；具体包括：
基于多源引导进行遥感需求挖掘；动态维护遥感需求队列；以事件驱动触发基于所述遥感需求的任务规划；根据所述任务规划的量化评估结果调整所述任务规划的优化策略；配置遥感信息获取终端以实时获取多方遥感信息；按照所述任务规划执行观测任务并反馈观测结果数据；基于所述观测结果数据对各个终端/平台进行自主管控；
步骤S2、建立智能规划调度内核；具体包括：
所述智能规划调度内核按序受理不断到达的遥感需求，根据历史任务执行数据为各个卫星确定短周期测控计划，所述各个卫星根据所述短周期测控计划维护待执行的任务规划的队列；
步骤S3、建立动态智能任务规划流程；具体包括：
基于测控资源约束动态调度测控资源，非周期性地实施指令动态生成和上注，全流程监控任务执行情况并进行系统故障预警。
具体地，本发明研究建立智能任务规划新模式：多源引导的需求挖掘、动态维护的需求队列、事件驱动的智能规划、及时有效的辅助决策。这种模式的一个特点就是把传统的遥感需求分析和任务生成变被动为主动。采用大数据方法分析大量用户需求历史信息数据，提取数据的特征和属性，建立数据规范化的描述方式，基于深度学习的方法设计任务历史数据学习模型，并通过开源和内部信息进行模型训练，然后基于航天系统能力状态，综合当前政治热点、主要用户行为习惯、历史遥感情况，以及热点目标分布情况等信息，提取出学习模型的标准化输入，从而深度挖掘用户需求，自动生成规范化遥感任务。示意图如图1所示。
根据本发明第一方面的方法，在所述步骤S1中：
基于多源引导进行遥感需求挖掘；具体包括：挖掘网络开源信息以提取出热点事件，挖掘所述热点事件的信息下载量和使用情况来分析用户偏好，结合实时遥感数据反馈挖掘观测机会、观测需求和观测任务，从而生成所述遥感需求。
具体地，多源引导的需求挖掘。挖掘网络等开源信息，提取近期热点事件；通过挖掘信息下载量和使用情况，分析用户偏好；基于实时遥感数据反馈，挖掘发现新的观测机会，生成新的观测需求和任务；通过历史运行数据的学习和挖掘，自主预测生成新的遥感需求。
动态维护遥感需求队列；具体包括：维护所述遥感需求队列，并通过事件演化预测生成下一步的遥感需求，根据态势变化动态调整所述遥感需求队列中所述遥感需求的优化级，所述遥感需求在触发执行后从所述遥感需求队列中删除。
具体地，动态维护的需求队列。系统中维护一个需求队列，其需求主要来源于各类用户等提出的遥感需求；根据最新遥感产品、网络态势和用户用户偏好，通过事件演化预测，生成下一步的遥感需求；通过学习和挖掘历史运行数据，生成新的遥感需求。多源需求汇集后，通过需求队列进行维护，随着时序推移不断有新的需求加入，并根据态势变化动态调整需求优化级。需求随着规划的触发完成而消失，并根据遥感结果决策是否生成新的遥感需求。
以事件驱动触发基于所述遥感需求的任务规划；具体包括：所述事件驱动触发达到规定阈值后启动所述任务规划，将当前需求队列中的需求集作为任务来源，选择优化策略进行多星联合的智能任务规划，并调度所述任务规划被触发后最近的测控窗口进行指令上注。
具体地，事件驱动的智能规划。重点事件触发或达到规定阈值后，触发启动任务规划，将当前需求队列中的需求集作为任务来源，选择优化策略进行多星联合的智能任务规划，最大化系统效能，并调度规划触发后最近的测控窗口进行指令上注。任务规划没有固定周期没有固定的任务数量，随着事件触发随机发起，随着智能卫星和中继测控的发展，最终将实现单个任务的实时规划。
根据所述任务规划的量化评估结果调整所述任务规划的优化策略；具体包括：每一次滚动执行所述任务规划时，对任务规划方案进行量化评估，确定所述任务规划方案的可靠性和执行代价，来更新所述优化策略。
具体地，及时有效的辅助决策。系统在进行每一次滚动规划时，结合需求处理部门意见对生成规划方案，并对方案进行量化评估，给出方案执行的可靠性和执行代价，执行代价主要包括任务冲突和损失情况。量化评估结果辅助决策，若方案不满足，则改变优化策略，对规划方案重新调整优化，直至量化评估结果符合要求。
配置遥感信息获取终端以实时获取多方遥感信息；具体包括：所述遥感信息获取终端实时获取航天遥感信息、星上处理信息、态势感知信息，以确定所述遥感需求的满足情况。
具体地，快捷应用的信息获取。用户配备航天遥感信息获取终端，可以随时接入，实时访问提交信息支援申请，获取航天遥感信息。平台资源具备星上处理和广播分发能力，平台资源在向地面传输数据同时，将星上处理后的信息实时广播分发至各终端。同时，系统具备态势感知能力，能够实时感知各终端航天遥感需求和满足情况。
按照所述任务规划执行观测任务并反馈观测结果数据；具体包括：遥感卫星按照所述任务规划实施所述观测任务，将观测数据传输至地面管控中心，所述管控中心根据所述观测数据和所述态势感知信息确定是否执行下一观测任务。
具体地，实时闭环的数据反馈。任务规划完成生成指令后，由遥感卫星实施观测任务，数据传输至地面处理后，实时的将目标遥感情况反馈给任务管控中心，管控中心根据实时的目标遥感情况和最新态势感知情况，实时决策是否安排下一轮任务。
基于所述观测结果数据对各个终端/平台进行自主管控；具体包括：将基于事件驱动的得到的观测结果数据用于后续执行星地一体的自主管控。
具体地，智能驱动的自主管控。随着智能卫星、星间链路、星地一体网络等技术发展，在轨实时处理、星上自主规划、星间引导遥感等逐渐实现。基于事件驱动的主动管控模式正是围绕智能、自主设计的，能够适应后续星地一体的自主管控，实现地面系统和星上联合任务管控，自主生成需求，自主任务规划，态势动态感知和任务快速响应。
根据本发明第一方面的方法，在所述步骤S2中，将一个测控周期分成多个任务规划时域，根据所述短周期测控计划触发一轮多星任务规划，单星接受调度分配的任务规划周期对应的任务规划方案，且接受后不允许改变，当下一轮多星任务规划触发后，生成后续任务规划时间段的任务规划方案，到达单星测控时间点后，将上一个测控点至该测控点之间的几轮任务规划方案合并生成指令上注，单星一个测控周期内的任务规划方案分多批次多个任务规划时段规划完成。
具体地，设计智能规划调度内核。
航天遥感需求呈现出爆发式增长，且时效性、精准性和要求，大规模快速响应的动态任务调度，要求最大限度减少即时到达的遥感需求和复杂多变战场环境对任务规划方案扰动，对系统的响应速度和灵活性提出了更高要求。目前针对卫星遥感任务调度问题，采用“批量任务周期性规划+应急任务调整”模式，将卫星调度抽象为数学优化问题,采用智能优化算法或启发式算法求解这些优化问题，批次处理的方式调度在一个调度周期内收集到的任务(以批处理的方式，先收集任务，在调度周期结束时进行调度)，任务难以得到即时响应，新到达的重要任务，采用调度最近测控资源、清除星上指令的方式进行应急任务调整，往往会损失大量已经安排的任务，并且流程繁琐，耗费观测、测控和数传资源较多，难以适应战术应用。本发明采用事件驱动短周期滚动规划，基于短周期滚动规划时段，避免长周期带应急调整多，资源使用不灵活的问题，通过重要事件驱动机制设计，实时调度最近测控资源自主响应重要遥感需求，有效提高响应时效性。调度模式如图2所示。
多星动态任务调度机制设计规则如下：
(1)受理按序到达的遥感需求，遥感主要来自系统自主挖掘生成的遥感需求或外部用户单位提出的遥感需求，并通过目标访问推演、优先级筹划和需求分析，开展多源需求筹划；
(2)系统根据历史运行情况，为每颗卫星制定短周期测控计划，针对按序到达的需求即时响应，当到达任务规划短周期或重要事件触发，即开展多星联合任务规划调度，综合考虑各颗卫星负载情况、任务执行情况、预期效益、存储情况、能源等情况，基于综合深度神经网络算法，实现大规模遥感任务实时调度，将遥感任务准确分配到具体的卫星任务队列，实现短周期快速响应。
(3)每颗卫星根据测控周期维护任务规划队列，一个测控周期可分成多个任务规划时域，根据短周期触发一轮多星任务规划，单星接受调度分配的该轮任务规划周期对应的任务规划方案，且接受后不允许改变，当下一轮多星任务规划触发后，生成后面任务规划时间段的任务规划方案，到达单星测控时间点后，将上一个测控点至该测控点之间的几轮任务规划方案合并生成指令上注。即单星一个测控周期内的任务规划方案分可分多批次多个任务规划时段规划完成。具体的调度时序及机制设计如图2所示。
通过该机制设计实现事件驱动滚动规划，未到达测控点、未触发多星联合任务规划时，系统维持动态任务池，当触发多星联合任务规划时，综合任务优先级、时效性、预期效益、任务冲突等因素，对测控点前的遥感任务进行短周期规划，短周期未能安排的任务需求将返回任务池内，调整优先级、时效性等参数，提高该任务在任务队列中的顺序等级。可以有效避免传统模式带来的应急调整时间长、资源损耗大等问题。基于该种单星调度内核设计，只要任务在测控窗口前一定时间内下达，就可以实现任务的快速插入规划，使应急任务转换为常规任务，大大提高了管控系统对应急任务的快速响应能力。
任务规划系统内构建并保持一个动态任务列表，当有外部需求(任务)输入后，根据任务优先级(重要程度)进行任务规划和资源匹配，按任务计划执行时间先后排列(该列表不断更新)。通过两种驱动模式触发多星联合任务调度：
(1)短周期驱动滚动规划模式。区分与当前为每颗星分配相对固定时间的2、3次测控资源的方式不同，系统根据历史情况和任务需要，动态为每颗星分配充足的测控资源，每个测控资源时间相距若干小时，根据任务需要可动态调度，保证短周期动态规划，当到达某颗星测控点，则汇总统筹该测控点前动态到达的所有需求任务，开展多星联合任务调度，将任务调度分配到每颗卫星任务执行队列，该颗卫星的任务规划时段为该测控周期(该测控点至下一个测控点)内未规划的时间段，其他卫星规划时段为在该测控周期内，未规划的时间段。随着时间推移，检索整个系统所有卫星的测控计划，到达下一个最早测控点时，触发下一轮多星联合任务规划调度，滚动任务规划周期确定同上轮相同。可将时间临近的几颗卫星测控点，合并作为一次触发条件，避免频繁触发多星任务调度而带来任务规划时段过短，从而造成滚动周期和策略难以执行，任务效率和资源利用率难以保证等问题。一个测控周期可分成多个任务规划时域，根据短周期触发一轮多星任务规划，到达单星测控时间点后，将上一个测控点至该测控点之间的几轮任务规划方案合并生成指令上注。即单星一个测控周期内的任务规划方案分可分多批次多个任务规划时段规划完成。
(2)重要事件驱动滚动规划模式。在短周期驱动滚动规划的基础上，当某重要事件到达需立即安排遥感，且推演该目标该目标在已规划时间段有观测机会，并可动态调度测控资源实施上注，则动态调度各星最近测控点，并以测控点最近的某颗卫星的测控周期为规划时段，将该测控点前所有新到达遥感任务和已规划未完成的遥感任务进行汇总统筹，开展多星联合任务规划调度，完成规划后替换所有卫星之前完成的规划方案，后续将恢复短周期驱动滚动规划模式。
综合考虑动态任务列表最近要执行任务所需测控资源条件，提前适当时机(1个或2个测控圈)，进行指令生成和上注(该内核不断重复迭代)。调度内核基于事件驱动，即在出现使系统状态发生改变的事件，或在受到人工干预时开始执行规划，例如有新任务到达、卫星状态发生变化、决策部门提出规划需求时。当新任务数量较多时，可能会触发频繁的任务规划，任务规划与调度系统将不停地执行规划，大大增加任务规划时间复杂度。对数据库系统的一致性和安全稳定性带来隐患。此外，两次相邻的测控时间间隔较长，一般在小时级，只需在测控时机之前的某个时间范围内(如15分钟)制定好规划方案即可，没有必要每接收一个任务就启动一次任务规划。
可见对于事件驱动，并不是指每个新来临任务都可以触发任务规划。只需设置合适的规划后墙时间，即测控窗口需要预留一段时间进行任务规划、计划编制以及指令上注，在这段时间内到达的任务不能进行实时调度，只能采用批处理的方式进行累积，直到下一个调度周期开始。区别于实时调度的显著特征，只能做到近实时响应。把这段时间称为冻结区间，该区间内的规划方案不受新加入任务的影响，在区间之后再根据新加入任务进行任务规划。
根据本发明第一方面的方法，在所述步骤S3中，基于网络开源信息、历史任务信息、系统实时状态以及多源引导信息生成所述遥感需求，所述遥感需求按序到达；构建并维护所述待执行的任务规划的队列，当达到事件时效性阈值或测控窗口阈值则触发滚动式智能规划，调用成像参数优化模块完成参数设置，规划形成多套规划预案，同时开展规划方案执行预估，提供任务完成时效性、气象条件、任务损失和可靠性辅助决策信息，待调整决策后形成遥感计划，所述待执行的任务规划的队列随时间推移和事件驱动进行动态更新。
具体地，运行流程设计上，改变传统的固定时间周期(提前24小时)上注指令，实现基于测控资源约束进行指令动态生成与上注。系统基于网络开源信息、历史任务信息、系统实时状态以及多源引导信息自主挖掘生成遥感需求，或受理用户遥感需求，需求按序到达；构建并维护动态任务队列用于存在遥感需求，当达到事件时效性阈值或测控窗口阈值则触发滚动式智能规划，调用成像参数优化模块完成参数设置，规划形成多套规划预案，同时开展规划方案执行预估，为指挥员提供任务完成时效性、气象条件、任务损失和可靠性等辅助决策信息，待用户或上机业务机关调整决策后，形成遥感计划，该任务队列随着时间推移和事件驱动动态更新。综合考虑动态任务列表中最近要执行任务所需测控资源条件，动态调度最近的测控资源，实施指令生成与上注，改变传统的固定时间周期上注指令，实现基于任务触发的指令动态上注，有效避免传统模式带来的应急调整时间长、资源损耗大、星上计划调整风险高等问题。并全流程监控任务执行情况和系统状态，并基于历史数据分析开展系统故障预测，提高卫星运行可靠性。如图3所示。
本发明第二方面提出一种多平台协同感知的智能规划系统。所述系统包含的处理单元被配置为执行：
步骤S1、建立动态智能任务规划模式；具体包括：
基于多源引导进行遥感需求挖掘；动态维护遥感需求队列；以事件驱动触发基于所述遥感需求的任务规划；根据所述任务规划的量化评估结果调整所述任务规划的优化策略；配置遥感信息获取终端以实时获取多方遥感信息；按照所述任务规划执行观测任务并反馈观测结果数据；基于所述观测结果数据对各个终端/平台进行自主管控；
步骤S2、建立智能规划调度内核；具体包括：
所述智能规划调度内核按序受理不断到达的遥感需求，根据历史任务执行数据为各个卫星确定短周期测控计划，所述各个卫星根据所述短周期测控计划维护待执行的任务规划的队列；
步骤S3、建立动态智能任务规划流程；具体包括：
基于测控资源约束动态调度测控资源，非周期性地实施指令动态生成和上注，全流程监控任务执行情况并进行系统故障预警。
根据本发明第二方面的系统，在所述步骤S1中：
基于多源引导进行遥感需求挖掘；具体包括：挖掘网络开源信息以提取出热点事件，挖掘所述热点事件的信息下载量和使用情况来分析用户偏好，结合实时遥感数据反馈挖掘观测机会、观测需求和观测任务，从而生成所述遥感需求；
动态维护遥感需求队列；具体包括：维护所述遥感需求队列，并通过事件演化预测生成下一步的遥感需求，根据态势变化动态调整所述遥感需求队列中所述遥感需求的优化级，所述遥感需求在触发执行后从所述遥感需求队列中删除；
以事件驱动触发基于所述遥感需求的任务规划；具体包括：所述事件驱动触发达到规定阈值后启动所述任务规划，将当前需求队列中的需求集作为任务来源，选择优化策略进行多星联合的智能任务规划，并调度所述任务规划被触发后最近的测控窗口进行指令上注；
根据所述任务规划的量化评估结果调整所述任务规划的优化策略；具体包括：每一次滚动执行所述任务规划时，对任务规划方案进行量化评估，确定所述任务规划方案的可靠性和执行代价，来更新所述优化策略。
配置遥感信息获取终端以实时获取多方遥感信息；具体包括：所述遥感信息获取终端实时获取航天遥感信息、星上处理信息、态势感知信息，以确定所述遥感需求的满足情况；
按照所述任务规划执行观测任务并反馈观测结果数据；具体包括：遥感卫星按照所述任务规划实施所述观测任务，将观测数据传输至地面管控中心，所述管控中心根据所述观测数据和所述态势感知信息确定是否执行下一观测任务；
基于所述观测结果数据对各个终端/平台进行自主管控；具体包括：将基于事件驱动的得到的观测结果数据用于后续执行星地一体的自主管控。
根据本发明第二方面的系统，在所述步骤S2中，将一个测控周期分成多个任务规划时域，根据所述短周期测控计划触发一轮多星任务规划，单星接受调度分配的任务规划周期对应的任务规划方案，且接受后不允许改变，当下一轮多星任务规划触发后，生成后续任务规划时间段的任务规划方案，到达单星测控时间点后，将上一个测控点至该测控点之间的几轮任务规划方案合并生成指令上注，单星一个测控周期内的任务规划方案分多批次多个任务规划时段规划完成。
根据本发明第二方面的系统，在所述步骤S3中，基于网络开源信息、历史任务信息、系统实时状态以及多源引导信息生成所述遥感需求，所述遥感需求按序到达；构建并维护所述待执行的任务规划的队列，当达到事件时效性阈值或测控窗口阈值则触发滚动式智能规划，调用成像参数优化模块完成参数设置，规划形成多套规划预案，同时开展规划方案执行预估，提供任务完成时效性、气象条件、任务损失和可靠性辅助决策信息，待调整决策后形成遥感计划，所述待执行的任务规划的队列随时间推移和事件驱动进行动态更新。
本发明第三方面公开了一种电子设备。所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现本公开第一方面所述的一种多平台协同感知的智能规划方法中的步骤。
图4为根据本发明实施例的一种电子设备的结构图，如图4所示，电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本公开的技术方案相关的部分的结构图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本发明第四方面公开了一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本公开第一方面所述的一种多平台协同感知的智能规划方法中的步骤。
综上，本发明的技术方案采用的架构较为灵活，方便扩展；能够实现自主需求生成、快速任务响应和智能任务规划，支持异构平台资源拓展；与传统传统模式相比，具有应急调整灵活、资源损耗小等优点，具有较好的应用前景。
请注意，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种多平台协同感知的智能规划方法，其特征在于，所述方法包括：
步骤S1、建立动态智能任务规划模式；具体包括：
基于多源引导进行遥感需求挖掘；动态维护遥感需求队列；以事件驱动触发基于所述遥感需求的任务规划；根据所述任务规划的量化评估结果调整所述任务规划的优化策略；配置遥感信息获取终端以实时获取多方遥感信息；按照所述任务规划执行观测任务并反馈观测结果数据；基于所述观测结果数据对各个终端/平台进行自主管控；
步骤S2、建立智能规划调度内核；具体包括：
所述智能规划调度内核按序受理不断到达的遥感需求，根据历史任务执行数据为各个卫星确定短周期测控计划，所述各个卫星根据所述短周期测控计划维护待执行的任务规划的队列；
步骤S3、建立动态智能任务规划流程；具体包括：
基于测控资源约束动态调度测控资源，非周期性地实施指令动态生成和上注，全流程监控任务执行情况并进行系统故障预警。
2.根据权利要求1所述的一种多平台协同感知的智能规划方法，其特征在于，在所述步骤S1中：
基于多源引导进行遥感需求挖掘；具体包括：挖掘网络开源信息以提取出热点事件，挖掘所述热点事件的信息下载量和使用情况来分析用户偏好，结合实时遥感数据反馈挖掘观测机会、观测需求和观测任务，从而生成所述遥感需求；
动态维护遥感需求队列；具体包括：维护所述遥感需求队列，并通过事件演化预测生成下一步的遥感需求，根据态势变化动态调整所述遥感需求队列中所述遥感需求的优化级，所述遥感需求在触发执行后从所述遥感需求队列中删除；
以事件驱动触发基于所述遥感需求的任务规划；具体包括：所述事件驱动触发达到规定阈值后启动所述任务规划，将当前需求队列中的需求集作为任务来源，选择优化策略进行多星联合的智能任务规划，并调度所述任务规划被触发后最近的测控窗口进行指令上注；
根据所述任务规划的量化评估结果调整所述任务规划的优化策略；具体包括：每一次滚动执行所述任务规划时，对任务规划方案进行量化评估，确定所述任务规划方案的可靠性和执行代价，来更新所述优化策略；
配置遥感信息获取终端以实时获取多方遥感信息；具体包括：所述遥感信息获取终端实时获取航天遥感信息、星上处理信息、态势感知信息，以确定所述遥感需求的满足情况；
按照所述任务规划执行观测任务并反馈观测结果数据；具体包括：遥感卫星按照所述任务规划实施所述观测任务，将观测数据传输至地面管控中心，所述管控中心根据所述观测数据和所述态势感知信息确定是否执行下一观测任务；
基于所述观测结果数据对各个终端/平台进行自主管控；具体包括：将基于事件驱动的得到的观测结果数据用于后续执行星地一体的自主管控。
3.根据权利要求1所述的一种多平台协同感知的智能规划方法，其特征在于，在所述步骤S2中，将一个测控周期分成多个任务规划时域，根据所述短周期测控计划触发一轮多星任务规划，单星接受调度分配的任务规划周期对应的任务规划方案，且接受后不允许改变，当下一轮多星任务规划触发后，生成后续任务规划时间段的任务规划方案，到达单星测控时间点后，将上一个测控点至该测控点之间的几轮任务规划方案合并生成指令上注，单星一个测控周期内的任务规划方案分多批次多个任务规划时段规划完成。
4.根据权利要求3所述的一种多平台协同感知的智能规划方法，其特征在于，在所述步骤S3中，基于网络开源信息、历史任务信息、系统实时状态以及多源引导信息生成所述遥感需求，所述遥感需求按序到达；构建并维护所述待执行的任务规划的队列，当达到事件时效性阈值或测控窗口阈值则触发滚动式智能规划，调用成像参数优化模块完成参数设置，规划形成多套规划预案，同时开展规划方案执行预估，提供任务完成时效性、气象条件、任务损失和可靠性辅助决策信息，待调整决策后形成遥感计划，所述待执行的任务规划的队列随时间推移和事件驱动进行动态更新。
5.一种多平台协同感知的智能规划系统，其特征在于，所述系统包含的处理单元被配置为执行：
步骤S1、建立动态智能任务规划模式；具体包括：
基于多源引导进行遥感需求挖掘；动态维护遥感需求队列；以事件驱动触发基于所述遥感需求的任务规划；根据所述任务规划的量化评估结果调整所述任务规划的优化策略；配置遥感信息获取终端以实时获取多方遥感信息；按照所述任务规划执行观测任务并反馈观测结果数据；基于所述观测结果数据对各个终端/平台进行自主管控；
步骤S2、建立智能规划调度内核；具体包括：
所述智能规划调度内核按序受理不断到达的遥感需求，根据历史任务执行数据为各个卫星确定短周期测控计划，所述各个卫星根据所述短周期测控计划维护待执行的任务规划的队列；
步骤S3、建立动态智能任务规划流程；具体包括：
基于测控资源约束动态调度测控资源，非周期性地实施指令动态生成和上注，全流程监控任务执行情况并进行系统故障预警。
6.根据权利要求5所述的一种多平台协同感知的智能规划系统，其特征在于，在所述步骤S1中：
基于多源引导进行遥感需求挖掘；具体包括：挖掘网络开源信息以提取出热点事件，挖掘所述热点事件的信息下载量和使用情况来分析用户偏好，结合实时遥感数据反馈挖掘观测机会、观测需求和观测任务，从而生成所述遥感需求；
动态维护遥感需求队列；具体包括：维护所述遥感需求队列，并通过事件演化预测生成下一步的遥感需求，根据态势变化动态调整所述遥感需求队列中所述遥感需求的优化级，所述遥感需求在触发执行后从所述遥感需求队列中删除；
以事件驱动触发基于所述遥感需求的任务规划；具体包括：所述事件驱动触发达到规定阈值后启动所述任务规划，将当前需求队列中的需求集作为任务来源，选择优化策略进行多星联合的智能任务规划，并调度所述任务规划被触发后最近的测控窗口进行指令上注；
根据所述任务规划的量化评估结果调整所述任务规划的优化策略；具体包括：每一次滚动执行所述任务规划时，对任务规划方案进行量化评估，确定所述任务规划方案的可靠性和执行代价，来更新所述优化策略；
配置遥感信息获取终端以实时获取多方遥感信息；具体包括：所述遥感信息获取终端实时获取航天遥感信息、星上处理信息、态势感知信息，以确定所述遥感需求的满足情况；
按照所述任务规划执行观测任务并反馈观测结果数据；具体包括：遥感卫星按照所述任务规划实施所述观测任务，将观测数据传输至地面管控中心，所述管控中心根据所述观测数据和所述态势感知信息确定是否执行下一观测任务；
基于所述观测结果数据对各个终端/平台进行自主管控；具体包括：将基于事件驱动的得到的观测结果数据用于后续执行星地一体的自主管控。
7.根据权利要求6所述的一种多平台协同感知的智能规划系统，其特征在于，在所述步骤S2中，将一个测控周期分成多个任务规划时域，根据所述短周期测控计划触发一轮多星任务规划，单星接受调度分配的任务规划周期对应的任务规划方案，且接受后不允许改变，当下一轮多星任务规划触发后，生成后续任务规划时间段的任务规划方案，到达单星测控时间点后，将上一个测控点至该测控点之间的几轮任务规划方案合并生成指令上注，单星一个测控周期内的任务规划方案分多批次多个任务规划时段规划完成。
8.根据权利要求7所述的一种多平台协同感知的智能规划系统，其特征在于，在所述步骤S3中，基于网络开源信息、历史任务信息、系统实时状态以及多源引导信息生成所述遥感需求，所述遥感需求按序到达；构建并维护所述待执行的任务规划的队列，当达到事件时效性阈值或测控窗口阈值则触发滚动式智能规划，调用成像参数优化模块完成参数设置，规划形成多套规划预案，同时开展规划方案执行预估，提供任务完成时效性、气象条件、任务损失和可靠性辅助决策信息，待调整决策后形成遥感计划，所述待执行的任务规划的队列随时间推移和事件驱动进行动态更新。
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现权利要求1-4任一项所述的一种多平台协同感知的智能规划方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1-4任一项所述的一种多平台协同感知的智能规划方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310740520.5A CN116822863A (zh) | 2023-06-21 | 2023-06-21 | 一种多平台协同感知的智能规划方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310740520.5A CN116822863A (zh) | 2023-06-21 | 2023-06-21 | 一种多平台协同感知的智能规划方法与系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116822863A true CN116822863A (zh) | 2023-09-29 |
Family
ID=88112148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310740520.5A Pending CN116822863A (zh) | 2023-06-21 | 2023-06-21 | 一种多平台协同感知的智能规划方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116822863A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117560068A (zh) * | 2024-01-11 | 2024-02-13 | 中国电子科技集团公司第五十四研究所 | 一种面向多平台协同观测的卫星任务规划方法 |
-
2023
- 2023-06-21 CN CN202310740520.5A patent/CN116822863A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117560068A (zh) * | 2024-01-11 | 2024-02-13 | 中国电子科技集团公司第五十四研究所 | 一种面向多平台协同观测的卫星任务规划方法 |
| CN117560068B (zh) * | 2024-01-11 | 2024-03-12 | 中国电子科技集团公司第五十四研究所 | 一种面向多平台协同观测的卫星任务规划方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109948944B (zh) | 一种卫星任务调度方法及系统 | |
| Wang et al. | A model, a heuristic and a decision support system to solve the scheduling problem of an earth observing satellite constellation | |
| WO2019127946A1 (zh) | 一种基于学习型遗传算法的多任务多资源滚动分配方法 | |
| Pemberton et al. | A constraint-based approach to satellite scheduling | |
| CN108023637B (zh) | 一种同构多星在线协同方法 | |
| CN109714097B (zh) | 一种卫星资源跨域协同调度系统 | |
| He et al. | Scheduling multiple agile earth observation satellites with an edge computing framework and a constructive heuristic algorithm | |
| CN108171443B (zh) | 考虑指令上注的多星应急任务规划方法及装置 | |
| CN109088667B (zh) | 一种面向简单任务的同构多星在线协同方法 | |
| CN113965255B (zh) | 一种观测传输协同的中继卫星任务规划方法及装置 | |
| CN108510145B (zh) | 一种通信约束下面向复合任务的异构多星在线协同方法 | |
| CN112465296B (zh) | 一种敏捷卫星动态任务重规划方法 | |
| CN116822863A (zh) | 一种多平台协同感知的智能规划方法与系统 | |
| CN112183929B (zh) | 一种遥感卫星的成像系统 | |
| Li et al. | A hybrid online scheduling mechanism with revision and progressive techniques for autonomous Earth observation satellite | |
| Wu et al. | Research on task priority model and algorithm for satellite scheduling problem | |
| Yang et al. | Onboard coordination and scheduling of multiple autonomous satellites in an uncertain environment | |
| CN116954928B (zh) | 基于通导遥一体化设计的星上自主任务规划方法与设备 | |
| Belokonov et al. | Multi-agent planning of the network traffic between nanosatellites and ground stations | |
| CN112862306A (zh) | 一种面向时敏移动目标跟踪的多星在线协同任务规划方法 | |
| Kolici et al. | Local search and genetic algorithms for satellite scheduling problems | |
| US9094088B2 (en) | Systems and methods for active frequency table (AFT) generation | |
| Zhao et al. | Resources scheduling for data relay satellite with microwave and optical hybrid links based on improved niche genetic algorithm | |
| CN109710389B (zh) | 一种多层级卫星协同调度方法和系统 | |
| CN117314049A (zh) | 一种基于强化学习的卫星网络智能资源调度方法 |
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 |