CN117391275B - 一种分布式大规模综合星座观测任务自主寻优分配方法 - Google Patents
一种分布式大规模综合星座观测任务自主寻优分配方法 Download PDFInfo
- Publication number
- CN117391275B CN117391275B CN202311705934.0A CN202311705934A CN117391275B CN 117391275 B CN117391275 B CN 117391275B CN 202311705934 A CN202311705934 A CN 202311705934A CN 117391275 B CN117391275 B CN 117391275B
- Authority
- CN
- China
- Prior art keywords
- observation
- task
- satellite
- node
- meta
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000008901 benefit Effects 0.000 claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 230000007246 mechanism Effects 0.000 claims abstract description 9
- 238000002347 injection Methods 0.000 claims abstract description 6
- 239000007924 injection Substances 0.000 claims abstract description 6
- 238000005457 optimization Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000004043 responsiveness Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000013213 extrapolation Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000005284 excitation Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 239000000243 solution Substances 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (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
本申请公开了一种分布式大规模综合星座观测任务自主寻优分配方法,属于卫星技术领域,包括:搭建主从机制的分布式系统,并通过天地链路上注节点表的模式,进行主从节点的配置、以及新的节点入网;将观测需求通过地面上注传递至任意一颗从节点卫星,并将观测需求汇聚至主节点卫星;主节点进行需求的分析,并派单给从节点;在从节点卫星,根据观测需求,进行可见窗口的计算,生成任务列表,并将所述任务列表利用收益计算函数计算收益值,转发至主节点卫星;在主节点卫星,进行任务的合并依据最优效益的计算,确定出任务规划方案。本申请主节点用于观察需求的汇聚、任务的分派以及合并,以最大化实现大规模星座卫星观测效费比。
Description
技术领域
本申请涉及卫星技术领域,尤其涉及一种分布式大规模综合星座观测任务自主寻优分配方法。
背景技术
当前绝大多数对地观测卫星所执行的观测计划,都是由地面任务规划系统生成,然后通过星地链路上注至卫星来控制在轨卫星进行任务执行。按照“需求汇集”、“地面测控”、“数据采集”、“产品生成”的“天地大回路”的管控模式。少量的星上自主任务规划系统也都是面向少许卫星资源进行星上自主引导协同,以实现协同观测。
传统对地观测卫星星座任务规划是集中式任务规划模式,通常由人工使用单节点集中式的轨道推演和可见窗口计算方法进行任务分派,卫星被动接收观测任务,不具备自主判断和在轨规划的能力。然而,在大规模星座协同中,由于星座规模庞大,集中式任务规划在算力等资源方面严重的不足。传统的单节点计算无法满足大规模星座协同中复杂的轨道推演和任务规划需求,导致计算时间过长,严重影响任务的实时性和响应性,同时存在卫星“空转”和闲置的现象,随着星座规模的逐渐扩大,卫星的总体有效利用效率反而会降低。
另一方面,传统的从“需求汇集”、“地面测控”、“数据采集”、“产品生成”的“天地大回路”的天基资源管控模式过程冗长,需要人员参与,时延开销大。尤其是面向时敏运动目标的连续跟踪观测能力不足,天基卫星资源管控的敏捷程度难以适配观测对象的动态变化,抑制了未来大规模星座观测效能发挥。因此,需要发展未来星上自主任务管理的规划方案。
第三方面,大规模卫星星座从单一功能向多功能扩展,星座中的每个节点搭载的载荷各有不同,适用环境、使用条件、观测范围、目标特性等相关因素差异较大,对地海目标观测的协同性要求高,传统地面任务规划方法主要针对单类载荷的卫星星座,例如普通光学载荷对时间、气候具有局限性,SAR载荷对成像角度有约束、电侦类卫星在电磁静默环境下无法工作等、缺乏对多类别载荷的统一规划能力,面对未来大规模综合星座发展境况下任务规划效率将进一步降低。
所谓未来大规模星座的观测任务分配,即在大规模卫星和大规模观测任务之间建立平衡(即全局效益最高),目前国内外学者针对卫星任务规划开展的研究是以研究任务规划模型及算法改进为主,主要是结合具体规划场景,针对遗传算法、蚁群算法、粒子群算法以及模拟退火算法等经典算法进行方法优化,使其在响应的研究场景下,改进后的算法能够带来一定的性能提升,算法的鲁棒性较差。
发明内容
本申请实施例提供一种全局收益激励的分布式大规模综合星座观测任务自主寻优分配方法,通过定期更新节点表的方式,搭建分布式系统,表中包含了星座中节点的主从配置,主节点用于观察需求的汇聚、任务的分派以及合并,从节点负责观察需求任务的局部优化以及轨道外推,以最大化实现大规模星座卫星观测效费比。
本申请实施例提供一种分布式大规模综合星座观测任务自主寻优分配方法,包括:
搭建主从机制的分布式系统,并通过天地链路上注节点表的模式,进行主从节点的配置、以及新的节点入网;
将观测需求通过地面上注传递至任意一颗从节点卫星,以使得从节点卫星在接收到观测需求后,依据节点配置表使用星间链路,将观测需求汇聚至主节点卫星;
主节点汇集观测需求后,进行需求的分析,并依据各节点的能力、类型,对观测需求进行分类并向从节点派发观测需求;
在从节点卫星,根据观测需求,进行可见窗口的计算,并生成任务列表,并将所述任务列表利用收益计算函数计算收益值,以将任务列表进行局部优化并转发至主节点卫星;
在主节点卫星,进行任务的合并依据最优效益的计算,确定出任务规划方案。
可选的,还包括,预先将节点表上注星座,进行节点分配,
包含主节点卫星和从节点卫星,其中表示所有卫星的数量,节点卫星具有指定的结构
体;
搭建主从机制的分布式系统包括:
地面上注节点表至任一颗节点卫星,若所述任一颗节点卫星判断是主节点卫星,则依据所述节点表中的配置信息进行配置下发,以及广播所有节点主星编号,若所述任一颗节点卫星判断是从节点卫星,则将节点信息表转发主节点;
卫星根据轨道参数,进行从开始时间,到结束时间期内的轨道预报。
可选的,还包括采用如下方式进行观测任务分析和需求转换:
利用天地链路,将地面产生的观测任务列表,上注,以使得任
一颗节点卫星接收来自地面上注的观测任务列表,通过星间链路转发至主节点卫星;
在主节点卫星,对所述观测任务列表中的观测任务进行观测范围分
析,若观测任务的目标为单点目标、或者区域目标的外接圆半径小于所有卫星载荷的
幅宽,则将观测任务定义为点目标,将观测需求存入点目标集合;
若观测任务的区域目标的外接圆半径大于卫星载荷的幅宽,则将观测任务定义为
区域目标,将观测需求存入区域目标集合;
基于点目标集合、区域目标集合,
转换为指定类型载荷的观测需求。
可选的,还包括:
在主节点卫星完成需求分析后产生观测需求列表,所述观测需
求列表中包含点目标集合和区域目标集合;
在主节点卫星,将观测需求列表分成个观测任务子集,
并将不同的任务子集分发至相应星群中的每颗成员节点卫星。
可选的,在从节点卫星,根据观测需求,进行可见窗口的计算,并生成任务列表包括:
从节点卫星接收主节点卫星派发的任务子集,结合时刻状态
集合依次进行任务需求的可见窗口计算,满足:
其中,表示时刻,为时刻卫星星下点经纬度坐标为,为地球半径,为
卫星高度,为轨道倾角,为计算条带覆盖区域则分别需要时刻、时刻外侧距离角度的点的经纬度坐标,为内侧距离角度的点的经纬度坐标;
将探测窗口和观测角度组合为元任务,点目标观测需求转换为卫星具体执
行的元任务集合,元任务数量为;
对任一次元任务采用如下效益评判规则:
需求度,表示为观测需求等级与窗口数量的比值;
时间响应度,表示为任务开始时间与观测需求要求时间差值倒数的对数;
拍摄效益,表示为执行时间的长度比上最小观测时间的对数,;
元任务效益,表示为。
可选的,在任务需求是区域目标观测需求的情况下,采用如下方式对区域目标
进行拆解,将区域目标拆解成点目标下的元任务:
在生成元任务集合后,进行元任务的局部组合,采用贪心算法,
根据每个元任务的效益评分、元任务之间的冲突关系,确定出局部最优集合。
可选的,在主节点卫星,进行任务的合并依据最优效益的计算,确定出任务规划方案包括:
对元任务之间的合并,采用如下联合效益的评分规则:
完成度,对于区域需求,存在任务数量为的元任务集合,区
域目标的覆盖度计算表示为;
联合效能,元任务集合进行合并时,卫星效能表示为,
其中表示所有元任务的开始时间,表示所有元任务的结束时间;
元任务合并效益,表示为;
在超时后节点卫星仍未反馈元任务集合的情况下,认定为不满足观测任务派发条件,不作为该次任务需求的执行节点的对象;
主节点卫星将收集到的成员节点反馈的元任务集合,集合,生成元任务矩
阵,以基于元任务矩阵寻找最优规划路径。
可选的,基于元任务矩阵寻找最优规划路径包括:
点目标路径的寻找:遍历所有点目标观测需求的元任务,确定效益最高的元任务;
区域目标路径的寻找:遍历所有区域目标的需求,并根据计算出元任务的联合效益,确定出元任务的联合效益最高组合,作为区域目标路径。
本申请实施例的分布式大规模综合星座观测任务自主寻优分配方法,通过定期更新节点表的方式,搭建分布式系统,表中包含了星座中节点的主从配置,主节点用于观察需求的汇聚,任务的分派以及合并,从节点负责观察需求任务的局部优化以及轨道外推,以最大化实现大规模星座卫星观测效费比。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本申请实施例的分布式大规模综合星座观测任务自主寻优分配方法的基本流程示意;
图2为主从机制的分布式系统示意;
图3为本申请实施例方法的任务分析和转换流程示意;
图4为本申请实施例方法的条带扫描覆盖点目标示意;
图5为本申请实施例方法的条带扫描覆盖区域目标示意;
图6为本申请实施例方法的局部寻优的贪心算法流程示意;
图7为本申请实施例方法的全局寻优流程示意;
图8为本申请实施例方法的全局寻优整体流程示意。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本申请实施例聚焦未来大规模卫星星座对陆海观测区域无缝覆盖、连续观测、全时瞰护、快速响应观测需求,针对未来大规模星座多星多观测任务自主、最优分配这一目标,提出一种收益激励的分布式大规模星座观测任务动态自主寻优分配方法,在建立统一的任务响应收益激励评价下,按照“局部寻优—寻优全局”两级求优原则,较好地实现不同卫星对不同观测任务需求响应收益的计算与优选,从而形成全局观测效益最优的卫星观测任务分配方案,以最大化实现大规模星座卫星观测效费比。
具体的,本申请实施例提供一种分布式大规模综合星座观测任务自主寻优分配方法,如图1所示,包括如下步骤:
在步骤S101中,搭建主从机制的分布式系统,并通过天地链路上注节点表的模式,进行主从节点的配置、以及新的节点入网。搭建主从机制的分布式系统,通过天地链路上注节点表的模式,进行主从节点的配置、以及新的节点入网,主要依据配置表中各节点的编号、IP地址、轨道参数。主从节点都将依据配置表中的轨道参数进行并行轨道外推。
在步骤S102中,将观测需求通过地面上注传递至任意一颗从节点卫星,以使得从节点卫星在接收到观测需求后,依据节点配置表使用星间链路,将观测需求汇聚至主节点卫星。由于观测需求的随机性,不能实时的与主星直接通讯,观测需求通过地面上注的方式,将需求传递至任意一颗从节点卫星,从节点卫星在接收到观测需求后,依据节点配置表使用星间链路,将需求汇聚至主星(主节点卫星),从而实现观测需求的实时响应。主星接收到观测需求后,依据节点的能力、类型,进行需求的分类派发。
在步骤S103中,主节点汇集观测需求后,进行需求的分析,并依据各节点的能力、类型,对观测需求进行分类并向从节点派发观测需求。
在步骤S104中,在从节点卫星,根据观测需求,进行可见窗口的计算,并生成任务列表,并将所述任务列表利用收益计算函数计算收益值,以将任务列表进行局部优化并转发至主节点卫星。
在步骤S105中,在主节点卫星,进行任务的合并依据最优效益的计算,确定出任务规划方案。考虑星间链路的不稳定情况,在派发任务后设定最大超时时间,超过最大时长或者提前完成任务的收集后,主星进行任务的合并依据最优效益的计算,给出一个最为合适的任务规划方案。
本申请实施例的分布式大规模综合星座观测任务自主寻优分配方法,通过定期更新节点表的方式,搭建分布式系统,表中包含了星座中节点的主从配置,主节点用于观察需求的汇聚,任务的分派以及合并,从节点负责观察需求任务的局部优化以及轨道外推,以最大化实现大规模星座卫星观测效费比。
分布式系统的搭建与并行式轨道外推,在一些实施例中,还包括,预先将节点表上注星座,如图2所示,进行节点分配,包含主节点卫星(用于决策)
和从节点卫星(并行计算、局部优化),其中表示所有卫星的数量,节点卫星具有指定
的结构体。
节点卫星的结构体如下:
其中,为节点编号,为卫星轨道参数,为载荷参数,为主
从标识符号(表示为主节点、表示为从节点),为卫星存储,为
卫星当前状态(1表示正在工作、2表示空闲),为卫星当前执行任务(如果没有执行任
务则为),为卫星待执行任务列表,表示卫星当前能量。
搭建主从机制的分布式系统的流程包括:
地面上注节点表至任一颗节点卫星,若所述任一颗节点卫星判断是主节点卫星,则依据所述节点表中的配置信息进行配置下发,以及广播所有节点主星编号,若所述任一颗节点卫星判断是从节点卫星,则将节点信息表转发主节点(主节点卫星),主节点接收到节点配置表后,再进行配置信息进行配置下发,以及广播。这样的主从分布式系统,不依赖与主星必须过境,具备天地链路才能进行任务分配,任何一颗从星都具备将任务转发给主星的能力。
并行式轨道外推流程为,卫星根据轨道参数,采用开普勒方程进进行从
开始时间,到结束时间期内的轨道预报。
开普勒方程:
其中,M平均为近点角,E偏近点角,e为偏心率。
生成时刻状态集合,每个时刻的结构体如下公式所示:
其中的下标表示坐标采用的是地心惯性坐标系(Earth-Centered Inertial
coordinate system),时刻采用的是UTC时间,卫星的每个时刻状态都包含ECI坐标系
下的瞬时坐标以及瞬时速度。
在一些实施例中,还包括采用如下方式进行观测任务分析和需求转换:
利用天地链路,将地面产生的观测任务列表,上注,以使得任
一颗节点卫星(主/从)接收来自地面上注的观测任务列表,通过星间链路转发至主节点
卫星;
在主节点卫星,如图3所示,对观测任务进行分析和转换包括:
对所述观测任务列表中的观测任务进行观测范围分析,若观测任务的目标
为单点目标、或者区域目标的外接圆半径小于所有卫星载荷的幅宽,则将观测任务
定义为点目标,将观测需求存入点目标集合;若观测任务的区域目
标的外接圆半径大于卫星载荷的幅宽,则将观测任务定义为区域目标,将观测需求
存入区域目标集合;
基于点目标集合、区域目标集合,转换为指定类型载荷的观测需求。
当对大区域搜索时使用电子载荷,如果环境中存在电子对抗,则自动转换为成像类载荷需求,当对小区域确认时使用成像类载荷,如果环境天气恶劣光学成像不适宜,则生成SAR载荷类观测需求。
在一些实施例中,还包括:
在主节点卫星完成需求分析后产生观测需求列表,所述观测需
求列表中包含点目标集合和区域目标集合,
任务需求的结构体表示如下:
为需求编号,为任务期望开始时间,为任务期望结束时间,为
需求选择的传感器例如SAR,高光谱,红外等,为目标类型(静止点目标、区域观测目
标),为目标属性,如果是点目标则表示为经纬度,如果是区域目标则表示为经纬度
的集合,为需求参数,包含分辨率、定位精度、观测频次等,为需求等级,
等级越高表示表示优先级越高,为最小观测需求持续时间。
在主节点卫星,将观测需求列表分成个观测任务子集,
并将不同的任务子集分发至相应星群中的每颗成员节点卫星。具体的决策卫星(主节点卫
星)按照当前星座中星群构成(例如:可按载荷类型构成星群;可将几类不同传感载荷卫星
构成星群)及星群特性,将观测需求列表分成个观测任务子集,并将不
同的任务子集分发至相应星群中的每颗成员节点卫星,成员卫星结合为。
在一些实施例中,在从节点卫星,根据观测需求,进行可见窗口的计算,并生成任务列表包括:
从节点卫星接收主节点卫星派发的任务子集,结合时刻状态
集合依次进行任务需求的可见窗口计算。如图4所示若认为需求是点目标观测需求,
则采用条带覆盖扫描方式进行观测。
设时刻卫星星下点经纬度坐标为,地球半径为,卫星高度为,轨道倾角
为,计算条带覆盖区域则分别需要时刻、时刻外侧距离角度的点的经纬度坐标, 内侧距离角度的点的经纬度坐标的坐标,可见窗口计算满足:
由此,卫星在采用任一角度对地面观测时,能够覆盖的地面区域的顶点坐标,并计
算出点目标的探测时间窗口以及观测角度,将探测窗口和观测角度组合为元任务,点目
标观测需求转换为卫星具体执行的元任务集合,元任务数量为;
对任一次元任务采用如下效益评判规则:
需求度,表示为观测需求等级与窗口数量的比值,当观测需
求等级越高和当窗口数量越少时,需求度越高,当观测时间越越小,即观测任务越临近
时,需求度越高。
时间响应度,表示为任务开始时间与观测需求要求时间差值倒数的对数,当观测需求时间和任务执行时间越相近时响应度越
高。
拍摄效益,表示为执行时间的长度比上最小观测时间的对数,,
当执行时间长度小于最小观测时间,则表示拍摄效益为负,当执行时间长度大于最小观测
时间,效益为正。
元任务效益,表示为。
如果需求是区域目标观测需求,则需要对区域目标进行拆解,将区域目标拆解
成点目标下的元任务,如图5所示,在一些实施例中,在任务需求是区域目标观测需求的
情况下,采用如下方式对区域目标进行拆解,将区域目标拆解成点目标下的元任务:
在生成元任务集合后,进行元任务的局部组合,卫星节点由
于能源、存储、测摆速度等约束不同元任务之间可能会存在冲突,需要进行局部优化,根
据每个元任务都有效益评分,本申请实施例中采用贪心算法,根据每个元任务的效益评分、
元任务之间的冲突关系,确定出局部最优集合。
节点局部寻优使用贪心算法如图6所示,由于需求d的寻优顺序会影响的效益总
和,则不同的个需求存在的排列方式,这种量级在变大的过程中是成指数级的爆炸
式增长,而局部寻优的问题就是一个NP-hard难题,本实施例引用需求度的概念,并将需要
处理的个需求进行需求度依次寻优。
点目标的需求由于一次观测就可以完成,所以寻优结果为一次元任务的执行,区
域目标则需要多次观测才可以完成,并且不同卫星之间可联合完成,所以区域目标的寻优
交由主星进行统筹,最后每颗成员卫星节点针对点目标观测需求依据局
部寻优算法计算出各自效益最高的元任务集合,依据区域目标生
成。
考虑区域目标的特性,需要多次观测才能满足,必然存在元任务之间的相互合并,本申请引入联合效益的评分规则,针对元任务之间的合并有着合理的评估,在一些实施例中,在主节点卫星,进行任务的合并依据最优效益的计算,确定出任务规划方案包括:
对元任务之间的合并,采用如下联合效益的评分规则:
完成度,对于区域需求,存在任务数量为的元任务集合,区
域目标的覆盖度计算表示为;
联合效能,元任务集合进行合并时,卫星效能表示为,
其中表示所有元任务的开始时间,表示所有元任务的结束时间;
元任务合并效益,表示为;
考虑星间链路的不稳定情况,在派发任务后设定最大超时,在超时后节点卫星仍未反馈元任务集合的情况下,认定为不满足观测任务派发条件,不作为该次任务需求的执行节点的对象;
主节点卫星将收集到的成员节点反馈的元任务集合,集合,生成元任务矩
阵,以基于元任务矩阵寻找最优规划路径,如图7、8所示。
在一些实施例中,基于元任务矩阵寻找最优规划路径包括:
点目标路径的寻找:遍历所有点目标观测需求的元任务,确定效益最高的元任务;
区域目标路径的寻找:遍历所有区域目标的需求,并根据计算出元任务的联合效益,确定出元任务的联合效益最高组合,作为区域目标路径。
本申请的方法通过分布式系统的设计,实现计算资源的充分利用,在大规模综合星座下联合预报轨道和窗口计算下起到高效能,容错高的效果,由于其可扩展性强,对大规模星座的建设能起关键作用。
本申请的方法通过对探测任务的区域大小、环境、目标、探测特性等分析,定义目标发现和目标确认两种状态,从而觉得传感器的使用类型,实现对综合星座的多种类别传感器进行统一筹划。
本申请的方法采用需求汇聚、任务派发、方案收集等实现分布式下联合计算,采用分节点计算局部最优,主节点统筹全局最优的模式,充分发挥大规模星座合作能力;
本申请的方法引用元任务的概念,将区域目标基于观测条带的拆分,并制定联合评价规则,对多星联合观测起到量化的作用。
需要说明的是,在本申各实施例中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本申请的保护之内。
Claims (2)
1.一种分布式大规模综合星座观测任务自主寻优分配方法,其特征在于,包括如下步骤:
搭建主从机制的分布式系统,并通过天地链路上注节点表的模式,进行主从节点的配置、以及新的节点入网;
将观测需求通过地面上注传递至任意一颗从节点卫星,以使得从节点卫星在接收到观测需求后,依据节点表使用星间链路,将观测需求汇聚至主节点卫星;
主节点汇集观测需求后,进行需求的分析,并依据各节点的能力、类型,对观测需求进行分类并向从节点派发观测需求;
在从节点卫星,根据观测需求,进行可见窗口的计算,生成任务列表,并将所述任务列表利用效益计算函数计算效益值,以将任务列表进行局部优化并转发至主节点卫星;
在主节点卫星,进行任务的合并依据最优效益的计算,确定出任务规划方案;
还包括采用如下方式进行观测需求分析和需求转换:
利用天地链路,将地面产生的观测任务列表,上注,以使得任一颗节点卫星接收来自地面上注的观测任务列表/>,通过星间链路转发至主节点卫星/>;
在主节点卫星,对所述观测任务列表/>中的观测任务/>进行观测范围分析,若观测任务/>的目标为单点目标、或者区域目标的外接圆半径/>小于所有卫星载荷的幅宽,则将观测任务定义为点目标,将观测需求存入点目标集合/>;若观测任务/>的区域目标的外接圆半径/>大于卫星载荷的幅宽/>,则将观测任务定义为区域目标,将观测需求存入区域目标集合/>;基于点目标集合、区域目标集合/>,转换为指定类型载荷的观测需求;还包括:
在主节点卫星完成需求分析后产生观测需求列表,所述观测需求列表/>中包含点目标集合/>和区域目标集合/>;在主节点卫星,将观测需求列表/>分成/>个观测任务子集/>,并将不同的任务子集分发至相应星群中的每颗成员节点卫星;
在从节点卫星,根据观测需求,进行可见窗口的计算,并生成任务列表包括:
从节点卫星接收主节点卫星派发的任务子集/>,结合时刻状态集合/>依次进行任务需求/>的可见窗口计算,满足:/> 其中,/>表示时刻,/>为/>时刻卫星星下点经纬度坐标,/>为地球半径,/>为卫星高度,/>为轨道倾角,/>为外侧距离/>角度的/>点的经纬度坐标,/>为内侧距离/>角度的/>点的经纬度坐标;
将可见窗口和观测角度组合为元任务,点目标观测需求/>转换为卫星具体执行的元任务集合/>,元任务数量为/>;
对任一次元任务采用如下效益评判规则:
需求度,表示为观测需求等级与窗口数量的比值,;
时间响应度,表示为任务开始时间与观测需求要求时间差值倒数的对数,;
拍摄效益,表示为执行时间的长度比上最小观测时间的对数,;
元任务效益,表示为;
在任务需求是区域目标观测需求的情况下,采用如下方式对区域目标进行拆解,将区域目标拆解成点目标下的元任务:
在生成元任务集合后,进行元任务的局部组合,采用贪心算法,根据每个元任务的效益、元任务之间的冲突关系,确定出局部最优集合/>;
在主节点卫星,进行任务的合并依据最优效益的计算,确定出任务规划方案包括:
对元任务之间的合并,采用如下合并效益的评分规则:
完成度,对于区域目标集合,存在任务数量为/>的元任务集合/>,区域目标的覆盖度计算表示为/>;
联合效能,元任务集合进行合并时,卫星效能表示为/>,其中/>表示所有元任务的开始时间,/>表示所有元任务的结束时间;
元任务合并效益,表示为;
在超时后节点卫星仍未反馈元任务集合的情况下,认定为不满足观测任务派发条件,不作为该次任务需求的执行节点的对象;
主节点卫星将收集到的成员节点反馈的元任务集合,/>集合,生成元任务矩阵,以基于元任务矩阵寻找最优规划路径;
基于元任务矩阵寻找最优规划路径包括:
点目标路径的寻找:遍历所有点目标观测需求的元任务,确定效益最高的元任务;
区域目标路径的寻找:遍历所有区域目标的需求,并根据计算出元任务的合并效益,确定出元任务的合并效益最高组合,作为区域目标路径。
2.如权利要求1所述的分布式大规模综合星座观测任务自主寻优分配方法,其特征在于,还包括,预先将节点表上注星座,进行节点分配,包含主节点卫星和从节点卫星,其中/>表示所有卫星的数量,节点卫星/>具有指定的结构体;
搭建主从机制的分布式系统包括:
地面上注节点表至任一颗节点卫星,若所述任一颗节点卫星判断是主节点卫星,则依据所述节点表中的配置信息进行配置下发,以及广播所有节点主星编号,若所述任一颗节点卫星判断是从节点卫星,则将节点信息表转发主节点;
卫星根据轨道参数/>,进行从开始时间/>,到结束时间/>期内的轨道预报。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311705934.0A CN117391275B (zh) | 2023-12-13 | 2023-12-13 | 一种分布式大规模综合星座观测任务自主寻优分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311705934.0A CN117391275B (zh) | 2023-12-13 | 2023-12-13 | 一种分布式大规模综合星座观测任务自主寻优分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117391275A CN117391275A (zh) | 2024-01-12 |
CN117391275B true CN117391275B (zh) | 2024-04-16 |
Family
ID=89470674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311705934.0A Active CN117391275B (zh) | 2023-12-13 | 2023-12-13 | 一种分布式大规模综合星座观测任务自主寻优分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117391275B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409775A (zh) * | 2018-11-14 | 2019-03-01 | 中国电子科技集团公司第五十四研究所 | 一种卫星联合观测任务规划方法 |
CN109948944A (zh) * | 2019-03-27 | 2019-06-28 | 中南林业科技大学 | 一种卫星任务调度方法及系统 |
CN110619452A (zh) * | 2019-07-17 | 2019-12-27 | 赛德雷特(珠海)航天科技有限公司 | 用于卫星星群的地面移动目标自动跟踪任务规划方法及系统 |
CN111912412A (zh) * | 2020-06-05 | 2020-11-10 | 中国空间技术研究院 | 面向应用的异构星座天地一体化任务规划方法及装置 |
CN112288212A (zh) * | 2020-07-31 | 2021-01-29 | 上海卫星工程研究所 | 一种多星自主协同系统及方法 |
CN115099581A (zh) * | 2022-05-25 | 2022-09-23 | 北京航天飞行控制中心 | 一种卫星的动态任务规划方法、装置、电子设备及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11804894B2 (en) * | 2020-10-16 | 2023-10-31 | Cognitive Space | System and method for facilitating autonomous satellite level communications |
-
2023
- 2023-12-13 CN CN202311705934.0A patent/CN117391275B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409775A (zh) * | 2018-11-14 | 2019-03-01 | 中国电子科技集团公司第五十四研究所 | 一种卫星联合观测任务规划方法 |
CN109948944A (zh) * | 2019-03-27 | 2019-06-28 | 中南林业科技大学 | 一种卫星任务调度方法及系统 |
CN110619452A (zh) * | 2019-07-17 | 2019-12-27 | 赛德雷特(珠海)航天科技有限公司 | 用于卫星星群的地面移动目标自动跟踪任务规划方法及系统 |
CN111912412A (zh) * | 2020-06-05 | 2020-11-10 | 中国空间技术研究院 | 面向应用的异构星座天地一体化任务规划方法及装置 |
CN112288212A (zh) * | 2020-07-31 | 2021-01-29 | 上海卫星工程研究所 | 一种多星自主协同系统及方法 |
CN115099581A (zh) * | 2022-05-25 | 2022-09-23 | 北京航天飞行控制中心 | 一种卫星的动态任务规划方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117391275A (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Agile earth observation satellite scheduling over 20 years: Formulations, methods, and future directions | |
CN105095643B (zh) | 面向动态环境的成像卫星自主任务规划方法 | |
CN109936619A (zh) | 一种基于雾计算的空间信息网络架构、方法和可读存储介质 | |
CN110428111A (zh) | Uav/ugv协同长时多任务作业轨迹规划方法 | |
CN109818669A (zh) | 一种基于虚拟化的卫星业务处理方法、系统和存储介质 | |
CN112649002B (zh) | 一种基于边缘计算的野保无人机监测系统 | |
Li et al. | A data transmission scheduling algorithm for rapid-response earth-observing operations | |
Wu et al. | Ensemble of metaheuristic and exact algorithm based on the divide-and-conquer framework for multisatellite observation scheduling | |
CN104063748A (zh) | 一种用于解决面向成像卫星的时间依赖型调度问题的算法 | |
Wang et al. | Scheduling multiple agile earth observation satellites for oversubscribed targets using complex networks theory | |
Zhang et al. | Mission planning issues of imaging satellites: Summary, discussion, and prospects | |
Savla et al. | Human-in-the-loop vehicle routing policies for dynamic environments | |
CN115577923A (zh) | 一种面向对地观测空间云服务的星地协同任务管控方法 | |
Dai et al. | Intelligent coordinated task scheduling in space-air-ground integrated network | |
CN116954928A (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 | |
Qi et al. | A cooperative autonomous scheduling approach for multiple earth observation satellites with intensive missions | |
Qu et al. | Obstacle-aware and energy-efficient multi-drone coordination and networking for disaster response | |
CN117391275B (zh) | 一种分布式大规模综合星座观测任务自主寻优分配方法 | |
CN116341873B (zh) | 一种多星资源调度与任务规划方法、系统及存储介质 | |
CN116862167A (zh) | 基于多背包模型的低轨遥感卫星星座应急任务规划方法 | |
Wang et al. | Multi-UAV route planning for data collection from heterogeneous IoT devices | |
He et al. | Cloud avoidance scheduling algorithm for agile optical satellites | |
Gul et al. | NTN-aided quality and energy-aware data collection in time-critical robotic wireless sensor networks | |
Kucherov et al. | Increasing efficiency of ground stations scheduling for sustainable satellite based services | |
Liu et al. | Complex task planning method of space-aeronautics cooperative observation based on multi-layer interaction |
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 |