面向卫星多目标重复观测任务的分层聚类规划

针对敏捷卫星多目标重复观测任务规划面临的可行任务执行序列集合规模庞大困难,提出了一种任务执行序列时间解耦的分层聚类任务规划方法。该方法以规划过程中的可观测窗口和任务执行窗口为聚类对象,通过单次可观测窗口聚类和多次任务执行窗口聚类将任务集合按任务窗口属性分解为一系列时间解耦的小规模集合,在两次任务执行窗口聚类间使用基于贪婪优化的搜索算法对聚类生成的小规模任务集合分别进行集合内任务规划,最后将各集合的任务规划结果合并后得到所有任务的执行序列。仿真结果表明,该分层聚类方法可有效降低全局优化复杂度,消解不同优先级观测任务的冲突,提高任务规划质量,能够在不降低目标点观测完成率的前提下对有多个观测机会的目标点进行重复观测,且算法稳定性好,能在数秒内得出规划结果,适用于星上自主任务规划。     

分布式武器目标分配中的实时截止期分配

在分布式武器对目标的协同拦截中,作战任务往往被划分为多个子任务,为了保证任务的实时性,针对分布式武器对目标的协同拦截问题建立实时任务模型,运用分布式实时系统中的截止期分配技术,把全局作战任务的截止期转化为其包含的各子任务的截止期.建立了任务调度模型和仿真模型,对分配有截止期的子任务实施仿真调度,研究了在一定武器数量情况下,不同来袭目标数量和武器节点上本地负载所占不同比例时,各截止期分配方法保障任务实时性和完成率的能力,可为实时条件下的分布式任务协作研究提供参考.     

多机协同与多目标分配任务规划方法

多架飞机攻击多个目标区域是现代作战方式的重要特征,多机协同与多目标分配问题是提高团队作战效能的关键.针对该问题,综合考虑飞机能力差异、协同方式和任务环境的变化,提出多机协同目标分配的任务规划方法.建立了基于能力裕度评价的多机协同目标分配问题的数学模型.对多目标分配问题,通过约束飞机的能力裕度对分配方案进行筛选,保证在战场环境发生改变时任务兵力的完整性.仿真结果表明,采用这种方法得到的目标分配方案,适应任务目标突发性变化的能力更强.     

一种面向动态需求的多优先级天文观测卫星任务重规划方法

针对多优先级天文观测卫星任务动态规划问题，分析了高优先级任务动态插入以及未知事件中断原任务规划方案执行的情况，研究了原任务规划方案相应的动态规划问题.在关于SVOM （Space multi-band Variable Object Monitor）卫星任务规划系统的研究中，针对单星机遇目标任务重规划问题，提出一种基于滚动优化策略的任务重规划求解方案.在每个滚动周期内，优先安排高优先级动态到达任务，回滚处理原方案中受未知事件和高优先级机遇目标影响的任务，或者删除原方案中受影响的任务.目标函数综合考虑了全年卫星任务规划总时长和机遇目标的规划总时长.仿真验证结果表明，本文设计方法对于快速响应高优先级机遇目标以及提高服务质量具有一定意义.      

航天器任务规划中资源约束的可分配处理方法

面对深空探测过程中环境的不确定性和扰动,航天器需要利用任务规划技术实现自主控制。航天器应用规划算法时,需要考虑到执行活动时满足的时间约束和资源约束。通过分析资源约束之间的关系,提出了可重复资源在规划执行时的可分配处理方法,和判断资源变量是否满足的可分配性条件。通过航天器仿真算例,验证了可重复资源的可分配处理方法在规划执行时的有效性。     

海洋一号卫星观测任务规划算法设计及系统应用

针对海洋一号卫星观测任务规划需求,提出并实现了基于遗传策略的任务规划框架,解决了卫星实际使用中成像任务受卫星其他业务影响的多类型约束成像规划问题。基于海洋一号卫星实际规划业务要求,对任务规划约束和优化目标建立数学模型,提出了由预处理、窗口约束处理和组合约束处理与优化组成的三阶段规划框架。设计了多约束任务规划优化目标函数,并利用交叉、变异和种群选择等遗传机制对优化问题进行了求解。基于海洋一号卫星实际观测需求数据,对提出的算法进行了有效性和性能验证,结果表明本算法能够给出满足多类型约束的观测规划方案,并在观测时间、观测覆盖率等方面较其他策略有显著提升。研究结果表明通过优化目标函数的设计遗传算法能够实现复杂约束条件的成像规划求解,算法框架可为与海洋卫星具有相似业务特点的对地观测规划系统设计提供借鉴。     

Agent协同机制在基于MAS调度系统中的研究

在Agent协同机制,通用部分全局规划GPGP(Generalized Partial Global Planning)和任务环境描述语言TAEMS(Task Analysis, Environment Modeling and Simulation language)基础上,提出一种结合合同网协议、GPGP协同机制和TAEMS任务描述语言的任务分配和调度方法,用以克服基本合同网协议在基于MAS(Multi Agent System)的车间调度中应用的缺点和不足.并建立了任务工作环境的模型,为基于知识的调度提供基本框架.该方法和模型从整体的角度分析问题,提高了调度结果的一致性和优化性.初步的验证表明该方法是有效的.     

基于分布式深度学习的多星计算卸载策略

在边缘计算增强的低轨卫星网络场景下,低轨卫星集群协同处理地面任务能有效降低用户响应时延。对卫星集群的联合卸载决策和资源分配优化问题进行研究,将其描述为一个混合整数规划问题,并采用了一种基于分布式深度学习算法的卫星边缘计算卸载算法（deep learning based offloading algorithm,DLOA）。该算法使用多个并行DNN用于生成卸载决策并采用经验回放存储新生成的卸载决策,当采用隐藏层结构不同的DNN,收敛速度比同构DNN提升18%,收敛值与最优值的比值基本为1,可以认为已收敛至最优。此外,探讨了DNN的数量对所使用的算法的影响,仿真结果表明采用少量DNN就可以获得近优的收敛效果。通过对不同任务规模下采用不同算法的任务完成率进行研究,结果表明DLOA算法可通过采用异构DNN和优化资源分配方案显著提升完成率,其较单星运算方案任务完成率提升1倍,较二进制粒子群算法方案提升20%。     

面向条件受限环境的动态可重构异构计算平台

在体积、功耗等条件和资源受限的场景下，承载异构计算资源的嵌入式计算设备之间如何实现异构资源的接入和自适应协同管理，进一步联合形成具有足够规模“算力”的智能空间“云”计算平台，是实现平台“算力”的跨越提升、实现更多功能、更优性能和更高智慧应用的关键.本文提出了一种任务驱动的嵌入式可重构异构计算平台，通过集群构建的方式，对多个分布式的、承载各种不同异构计算资源的嵌入式计算板卡统一调度管理；利用容器化技术，构建任务驱动的、可重构的任务执行的虚拟计算环境；开发了基于B/S模式的平台可视化用户界面，实现了用户对平台的随遇接入和全网资源可见.本文提出的嵌入式计算平台能够提供高可用的任务接入、任务下发与任务执行；实现了异构计算资源的自组织协同和统一化管理；基于容器化的任务执行方式细化了资源管理粒度，在不损失计算能力的前提下提高了资源利用率和任务并发度.本文提出的嵌入式动态可重构计算平台解决方案是对未来嵌入式“云”计算平台架构研究设计的有益探索.     

应急任务响应时间最优的多星成像规划方法

针对优化多星应急成像任务规划的响应时间问题进行了研究。为避免优先规划应急任务对任务总收益的影响，提出一种优化应急任务响应时间的同时兼顾任务总收益的多星成像规划方法。首先，针对综合考虑应急任务和常规任务的多星成像规划特点，建立两级目标优化的约束满足模型；其次，将模型求解过程分解为任务时间窗选择和单轨动态规划两个部分，基于自适应免疫算法对时间窗选择进行优化，同时设计前向动态规划算法确定卫星单轨最优观测路径；最后，对所设计算法的性能进行了测试，并与其他算法进行了对比。仿真结果表明本文方法能够保证应急任务响应时间最优，并同时具备较高的任务总收益，适合于求解大规模的多星成像规划问题。     

空间飞行器控制软件的动态自适应演化方法

空间飞行器在太空飞行过程中需要满足多任务、多工作模式以及大范围机动的需求, 其控制系统在大范围机动飞行条件下存在大量的外界干扰和内部参数不确定,同时飞行器的自适应过程受限于资源,人工干预难度大,并且现有的成熟的动态自适应方法并不一定适合空间飞行器控制软件进行自主控制,所以目前对自主控制系统软件的动态自适应调整方法提出了更高的要求.由此提出一种在双层感知—分析—决策—执行(MAPE)控制循环基础上的自适应框架,使用基于规则/策略的决策方法和基于强化学习的决策方法对系统感知到的局部和全局变化进行决策,并且采用基于数据驱动的反馈方法对规则库中的策略信息进行周期性的调整和优化,保证飞行器在太空执行任务面对复杂的环境时可以动态的完成自适应调整,保障任务的可靠执行.     

嫦娥三号“玉兔号”巡视器行为规划方法

为支持"玉兔号"巡视器完成对月面较大空间范围的科学探测,对动态任务进行快速规划,提出了一种基于人工智能领域智能规划技术的自动化任务规划方法。提出了行为持续时间和行为效果动态确定的时态规划模型(TP~(DDDE)),设计了描述TP~(DDDE)问题的规划领域定义语言PDDL——PDDL~(DDDE),以及针对TP~(DDDE)问题的启发式规划算法,运用Landmark知识分析规划问题结构,从而设计了合理反映动作前提评估顺序的启发函数。在嫦娥三号任务中,本文方法支撑"玉兔号"巡视器圆满完成了预期的科学探测任务。     

多导弹分布式自适应协同制导方法

针对多导弹的齐射攻击问题,提出了一种具有异构"领弹-被领弹"的分布式自适应协同制导方法.该方法在局部通信和传统比例导引基础上,基于分布式网络同步原理设计了领弹和被领弹的分布式协同制导律.领弹的分布协同制导基于固定系数的比例导引律,而被领弹的分布协同制导则基于自适应可变系数的比例导引律,并设计了被领弹比例导引系数的分布式自适应调节规律.给出了5枚导弹协同目标攻击的仿真结果,验证了该自适应分布式协同制导算法的有效性.     

异构多导弹网络化分布式协同制导方法

基于相邻局部通信的领弹-被领弹异构网络结构,提出了一种多导弹分布式协同制导方法,设计了分散化的协同制导律.运用图论的描述方法,分析了导弹分布式局部通信拓扑与领弹-被领弹异构网络化分布式协同制导系统性能之间的关系.该分布式协同制导律仅需要相邻导弹之间传输各自的可测状态信息,具有可扩展性好、通信量少等特点.给出了4个被领弹和一个领弹的协同制导律设计仿真算例,结果验证了该制导方法的有效性.     

考虑动态不确定因素的深空探测器任务规划

针对现有的任务规划方法在响应深空动态不确定因素的扰动情况时存在的不确定因素识别度低、响应策略单一等问题,文章提出了一种考虑动态不确定因素的深空探测器任务规划算法。首先,对不确定扰动按从轻到重四个等级进行划分,并采用模糊神经网络评估不确定扰动属于哪种扰动级别,根据评估结果选择对应的扰动响应策略;然后,采用基于分层任务网络规划（HierarchicalTaskNetwork,HTN）的局部任务修复方法,对受到扰动的子系统对应的复合任务重新进行任务分解,完成对初始规划方案的调整修复。仿真结果表明所提出的算法可以有效地对深空动态不确定因素进行评估和响应,从而提高了任务规划的可靠性和灵活性。     

基于数据驱动的移动目标卫星任务规划

卫星任务规划是卫星地球观测的重要前提。传统的卫星任务规划主要针对固定地面目标,不能满足日益复杂的任务需求。针对移动目标的卫星观测任务,提出了一种基于数据驱动的移动目标卫星任务规划方法。该方法在大量的移动目标数据的基础上,通过改进的长短期记忆神经网络算法预测了目标的未来轨迹和位置信息,并通过约束满足型遗传算法规划了基于预测算法结果的移动目标卫星观测任务。鉴于移动目标观测中约束和任务冲突的复杂性,约束满足型遗传算法以条件形式将约束嵌入到遗传算法中,并在算法中特别设计了冲突消除算子以解决任务冲突问题。仿真结果证明了该方法在解决移动目标卫星任务规划问题上具有优良的效率,并获得了很高的观测精度。     

扩展的基于角色的访问控制模型

提出了一种扩展的基于角色的访问控制RBAC(Role Based Access Control)模型--RTBAC (Role & Task Based Access Control)模型.该模型在RBAC96模型之上引入了任务和任务实例的概念,形式化地定义了任务和任务实例的层次结构,界定了传统会话同任务实例之间的关系以及任务实例同权限之间的关系,并且提供了几种辅助函数.该模型可以更为自然地描述业务流程和访问控制策略,更适合分布式协作应用,特别是工作流和组合服务.基于该模型定义了一种新的动态职责分离约束--基于任务的动态职责分离约束,并且同传统动态职责分离约束进行了比较.该约束可以更准确地刻画访问控制相关的系统运行时上下文的范围,从而提高运行时访问控制的效率.