基于深度强化学习算法的空间站任务重规划方法

针对空间站短期任务重规划问题规划周期短、实时性约束多、约束传播复杂的特点,结合深度强化学习在智能学习和决策上的优势,提出了适用于深度强化学习的空间站任务状态空间编码方式,实现了基于深度确定性策略梯度算法的空间站任务重规划方法。该方法可以通过学习,自主化解约束冲突,摆脱人为预先设定约束冲突化解策略的限制。仿真分析表明:该方法可以通过算法本身不断地学习进化,找到空间站任务重规划问题的近似最优解,相比于传统解决方法,具有很强的智能性和适应性,为解决空间站任务规划问题提供了新思路。     

基于多智能体混合学习的多星协同动态任务规划算法(英文)

针对多星协同动态任务规划问题,以往多采用基于启发式的重规划算法,但是由于启发式策略依赖于具体任务,使得优化性受到影响。注意到协同规划的历史信息对后续协同规划的影响,本文提出了一种基于策略迭代的多智能体强化学习和迁移学习的混合学习算法求解该问题近似最优策略。本文的多智能体强化学习方法利用神经网络描述各颗卫星的强化学习策略,通过协同进化的方法迭代搜索具有最优拓扑结构和连接权重的策略神经网络个体。针对随机出现的观测任务请求导致历史学习策略失效,通过迁移学习将历史学习策略转换为当前初始策略,保证规划质量前提下加快多星协同任务规划速度。仿真实验及分析结果表明本文算法对动态随机出现的任务请求有良好的适应性。     

空间站运营在轨任务并行规划技术研究

空间站运营任务规划技术是空间站长期稳定运营的核心技术。面向我国空间站建设运营需求,对空间站运营任务层建模与规划技术进行了研究。针对任务层规划任务类型多样、约束复杂及资源受限等问题,基于约束满足理论,建立了任务层规划模型;同时针对任务层规划问题规模大、耦合性强及难于求解的特性,提出了一种任务层规划问题并行求解方法。仿真结果表明,本文提出的并行求解方法相较传统的串行规划算法加速比可达14.19,能有效快速求解空间站运营任务层规划问题。研究结论可为我国空间站运营相关规划系统研制提供参考。     

基于协同的空间站运营飞行任务规划方法研究

结合我国空间站运营任务需求,针对规划对象需求多样、约束复杂、在轨资源有限及多用户参与等特征,分析了基于协同的飞行任务规划问题;从用户模型与规划模型两方面构建了协同规划模型;提出了多级递阶控制的协同规划策略,把维数高、求解难的复杂协同规划问题分解为系统内、系统间等不同层级协同规划;基于分布式网络,采用B/S架构设计了协同规划支撑环境,实现了协同过程全局数据一致性控制。设计实现了验证环境基本功能,相关实例验证结果表明,分布式协同规划支撑环境具有技术可行性。研究成果可为我国空间站运营规划提供参考。     

基于地面任务-空间姿态映射的敏捷卫星任务规划

面向观测时间窗口相互重叠的多点目标观测任务需求,对敏捷卫星单星单轨任务规划问题进行研究。针对传统方法在卫星机动能力受限和成像任务冗余两种情况下求解效率低的缺陷,引入任务-姿态协同规划思想。首先,建立地面任务和空间姿态映射关系,并考虑相邻任务间姿态机动时间的最优性使得卫星在观测相邻任务时无多余等待时间,以此来设计任务-姿态协同规划数学模型。其次,根据任务-姿态协同规划数学模型,设计自适应伪谱遗传算法（APGA）,用以求解满足调整时间最优性的敏捷卫星任务规划问题。最后,通过仿真实验,验证了模型和算法能够有效地解决传统算法求解敏捷卫星任务规划问题时存在的求解效率低的缺陷。     

空间站运营任务安全性评估工作研究

针对空间站运营管理中保证航天员和平台安全的需求,介绍了国际空间站安全性工作组织架构和工程活动实施经验,从我国空间站在轨寿命长、在轨任务多、安全性要求高等特点出发,从与人机工效相关的安全性工作、有效载荷安全性认定、以安全性为中心的维修、风险量化分析与控制、建立运营任务安全性规范体系五个方面提出了空间站运营任务的安全性评估工作思路,可以为我国空间站工程安全性技术体系的建立提供借鉴和参考。     

空间站运行控制任务规划体系方案研究

面向我国空间站运营需求,分析了我国空间站运行控制任务规划的任务需求和建设目标,进而提出了我国空间站运行控制任务规划的体系架构。首先设计了基于任务周期的分布式任务规划工作模式,给出了规划建模和实施流程;然后从数据传输规程、接口形式和交互关系三方面研究了系统间接口规范;最后提出了运行控制信息管理平台以及分布式任务规划系统的功能组成和要求。研究成果可为我国后续的空间站运控系统建设提供参考。     

多星任务规划中的FFFS-DTMB与ADTPC-DTMB算法

 多星对地观测任务规划是一类典型组合优化问题,针对该问题中常见的时间窗口冲突问题,根据同一时间窗口内的冲突任务的处理方式提出了两种有效处理此类问题的规划算法：带有冲突任务时间窗口后移的先完成先规划算法(FFFS DTMB)以及冲突任务共存性判断算法(ADTPC DTMB),并给出了关键步骤的算法过程与伪代码。完整的卫星任务规划过程包括了约束检查、优先级检查以及任务规划,不考虑任务间关系与优先级,主要研究处理具有时间窗口冲突的任务规划算法。文中给出的两种算法优化目标均为最大化规划任务数量。算法的主要思路是通过采用一个冲突任务替换一个已规划的任务,并将替换任务后移至下一时间窗口或在同一时间窗口内部后移。最终的评价结果显示了两种算法的有效性。     

火箭在轨大尺寸、重负载交会对接技术研究

根据国内外空间交会对接技术的发展现状,以及我国深空探测任务的不断发展,提出研究火箭在轨大尺寸、重负载交会对接技术,满足我国航天事业的未来发展和规划复杂飞行任务的需求。重点对火箭在轨大尺寸、重负载交会对接的关键技术进行了梳理,通过分析认为火箭在轨大尺寸、重负载交会对接技术的研究复杂、难度大、周期长,因此其预研工作的开始已经迫在眉睫。     

突发威胁下的无人机航迹规划算法

针对无人机在执行任务过程中遭遇突发威胁的实时航迹规划问题,提出了一种基于动态规划的无人机实时航迹规划算法。采用切线法将问题转化为多阶段决策问题,通过动态规划法求出了问题的最优解,并通过航迹切换策略对生成的航迹进行了平滑处理。通过MATLAB进行了仿真验证,结果表明,该方法生成的航迹平滑、可飞,实现了无人机对突发威胁的合理规避,且满足无人机的机动性能及动力学限制,可直接应用于工程实践。     

基于遗传算法的无人机协同侦察航路规划

无人机将成为侦察卫星、有人驾驶侦察机的重要补充与增强手段 ,成为未来战场上广泛应用的一种侦察工具。为了提高无人机 (UAV)的侦察效率 ,在执行侦察任务前必需规划设计出高效的无人机侦察飞行航路。针对这一问题 ,本文提出了一种侦察效率指标评估的计算方法 ,解决了航路规划中的侦察效率量化问题。考虑在大范围任务区域内进行侦察航路优化存在计算的复杂性和收敛性等问题 ,本文采用遗传算法对侦察航路进行了优化处理。通过该方法得到的侦察航路可以有效地提高无人机的侦察效率。     

基于启发强化学习的大规模ADR任务优化方法

随着航天事业的蓬勃发展,空间碎片尤其是低轨碎片已成为航天任务不可忽视的威胁。考虑到碎片清除的紧迫性和成本,低轨多碎片主动清除（ADR）技术成为缓解现状的必要手段。针对大规模多碎片主动清除任务规划问题,首先,基于任务规划的最大收益模型,提出一种强化学习（RL）优化方法,并依照强化学习框架定义了该问题的状态、动作以及收益函数;其次,基于高效启发因子,提出一种专用的改进蒙特卡罗树搜索（MCTS）算法,该算法使用MCTS算法作为内核,加入高效启发算子以及强化学习迭代过程;最后,在铱星33碎片云的全数据集中检验了所提算法有效性。与相关MCTS变体方法以及贪婪启发算法对比,所提方法能在测试数据集上更高效地获得较优规划结果,较好地平衡了探索与利用。     

基于执行时段滑动调整策略的中继卫星任务规划算法设计

针对中继卫星任务规划问题开展研究,提出一种基于执行时段滑动调整策略的任务规划算法。首先分析了中继卫星资源调度过程,并对任务申请的时间特征进行形式化描述,然后归纳出任务分配的主要约束,从而完成问题建模。在此基础上,对优化算法进行设计,给出了执行时段滑动调整步骤。通过调整已规划任务执行时段的方法,使部分原本无法执行任务具备执行可能,提升了任务执行率和资源利用率。在仿真实验中,通过大规模测试分析对比不同算法的优化效果,验证了文中所提方法的有效性。     

大跨时空任务背景下的太阳能无人机任务规划技术研究进展

通过任务规划技术合理的优化太阳能无人机的飞行轨迹和动力学参数,能够有效提高太阳能无人机的能量利用率,使其胜任许多大范围跨时间跨空间飞行任务。从能量建模、续航评估和能量管理策略3个方面对大跨时空任务背景下太阳能无人机任务规划技术的研究进展进行了综述。在能量建模方面,介绍了当前主流的太阳辐射模型和能量生产基本框架;在续航评估方面,分析了目前的指标设计和应用方法;在能量管理策略方面,从能量综合应用、风力滑翔机制、轨迹优化方法和面向特定任务的应用4个角度,梳理了当前的研究现状。最后,对该领域未来可能的研究方向进行了展望。     

多无人机协同覆盖路径规划

多无人机协同覆盖路径规划(CPP)由于其并行性和容错能力,对于提高无人机完成侦察、监视、搜索等任务的效率具有重要意义。提出了一种基于无人机任务性能评价和任务区域划分的多无人机协同CPP算法。定量分析了无人机执行覆盖任务的能力,根据无人机及携带成像传感器的性能给出了计算无人机任务性能指数的数学公式;提出了一种基于任务性能和子区域宽度的任务区域划分算法,使无人机的总转弯次数达到最少。仿真结果表明,所提出的CPP算法能够规划出全局最优的多无人机协同覆盖路径。     

人工智能在航天飞行任务规划中的应用研究

 在航天飞行任务中，如何设计航天器的飞行过程，如何确定地面对航天器的控制操作，如何制定飞行控制计划等，是地面飞行控制中心面临的重大问题，也是航天飞行任务规划所要解决的基本问题。在充分认识和把握人工智能基本原理、方法和技术的基础上，提出了一个基于规则演绎和状态演化的生长式推理模型，并对模型的特性进行了详细讨论，然后导出了该模型在航天飞行任务规划问题中的具体形式，从而成功地解决了航天任务自动规划的难题。通过在实际航天任务中的应用和验证，不仅证明该模型和方法是正确的、可行的和高效的，而且证明人工智能在航天飞行任务规划中有着广阔的应用前景。     

基于改进ARA*算法的无人机在线航迹规划

针对无人机三维在线航迹规划对算法速率、航迹最优性的需求,提出了基于改进ARA^*算法的无人机在线航迹规划方法。首先,建立无人机三维航迹规划的数学模型;然后,提出了节点空间约简策略、局部启发项策略以提高算法收敛速率,并针对复杂规划环境提出了启发因子自适应递减策略。仿真结果表明,所提算法能够快速、稳定地生成首条可行航迹,并在剩余时间内不断提高航迹质量,可应用于不同类型的在线规划任务,动态地适应规划时间与航迹最优性的要求。     

多无人机监控航路规划

为了提高监控任务的效率，在执行任务前必须规划设计出高效的无人机飞行航路。针对这一问题，考虑在任务区域内进行多无人机监控航路优化存在计算的复杂性和收敛性以及计算数据量限制等问题，采用分散式方法对监控航路进行了优化，并以无人机的监控任务为例提出了一种监控效率指标评估的计算方法，解决了航路规划中的监控效率量化问题。通过该方法得到的无人机监控任务的飞行航路可以有效地提高无人机的监控效率。