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。     

天区机遇目标空间探测任务规划算法

针对中法合作SVOM卫星的天区范围内机遇目标规划问题（ToO-MM），对其中的约束条件和优化目标进行抽象，建立了规划问题数学模型，设计实现了基于启发式规则的机遇目标规划算法TMHPA。以最大化卫星科学观测收益和最大化应急任务响应度为优化目标，考虑卫星姿态调整时间的影响，对观测任务和数传任务进行规划。通过仿真实验验证算法的有效性，结果表明该方法能够在保证算法收敛性和时效性同时，给出卫星在天区范围内的网格单元（tile）目标观测序列以及执行数传任务的时段安排，实现对ToO目标观测的快速响应，并及时下传机遇目标科学观测数据，满足规划算法的设计需求。     

4基于遗传禁忌混合算法的敏捷卫星任务规划

多星多载荷敏捷成像卫星自主任务规划是一个复杂的多约束、非线性NP困难问题.分析了卫星观测任务约束和星上资源约束,建立了多星多载荷自主任务规划模型.针对此任务规划模型的特点,以及传统遗传算法和禁忌搜索算法的优缺点,采用了一种遗传禁忌混合算法进行求解.混合算法将禁忌算法嵌入遗传算法作为禁忌算法变异算子,解决了遗传算法早熟的问题.仿真结果表明混合算法比遗传算法收敛速度更快,比禁忌算法优化效果更好.     

基于遗传禁忌混合算法的敏捷卫星任务规划

多星多载荷敏捷成像卫星自主任务规划是一个复杂的多约束、非线性NP困难问题.分析了卫星观测任务约束和星上资源约束,建立了多星多载荷自主任务规划模型.针对此任务规划模型的特点,以及传统遗传算法和禁忌搜索算法的优缺点,采用了一种遗传禁忌混合算法进行求解.混合算法将禁忌算法嵌入遗传算法作为禁忌算法变异算子,解决了遗传算法早熟的问题.仿真结果表明混合算法比遗传算法收敛速度更快,比禁忌算法优化效果更好.     

应用于卫星自主任务调度的改进遗传算法

针对具有侧摆能力的对地观测卫星的自主任务调度问题,对卫星自主任务调度问题和约束条件进行了描述,针对卫星自主任务调度NP-hard的特点,构建了基于目标收益及多约束卫星任务调度模型。设计了一种改进的遗传算法,从遗传操作的各个部分进行算法优化。首先将小区间法应用于初始种群生成,保证了种群的多样性,并且交叉和变异算子均引入自适应概率;同时采用两代竞争技术来避免“早熟”现象,提高算法的效率和鲁棒性。算法还采用最优保留策略用来保存进化中的最优解,使得算法收敛于全局最优。对局部多冲突观测任务应用该改进遗传算法,并针对区域密集目标的观测问题设计了仿真试验,与传统模拟退火算法及免疫蚁群遗传混合算法进行了比较,验证了该算法的有效性和收敛效果。     

基于遗传算法的Tiling覆盖策略天文卫星任务规划

天文卫星机遇目标任务规划是一个复杂的多目标优化问题.针对Tiling覆盖策略的机遇目标任务规划要求及其约束条件进行抽象,建立任务规划问题模型,在规划模型基础上设计基于遗传算法的多目标优化任务规划算法TPA,并通过实例数据验证了不同参数条件下的求解.在解决Tiling覆盖策略的天文卫星机遇目标多目标任务规划问题时,所提方...     

面向天文观测的空间科学卫星任务规划方法研究

面向天文观测的空间科学卫星任务规划是一个复杂的多目标优化问题.通过对天文观测类卫星的任务规划要素及约束条件进行抽象,建立了面向天文观测的多目标任务规划问题模型,在此基础上设计了基于NSGA-II的多目标观测任务规划算法,并通过实例进行了实验及结果分析.研究表明,该方法能够有效解决天文观测类卫星不同规模的任务规划问题.      

按需申请模式下的中继卫星任务规划模型与算法设计

针对按需申请模式下的中继卫星任务规划方法开展研究。归纳了任务需求的共性描述特征,包括基本特征要素和附加特征要素。分析了在异步资源释放周期条件下,任务申请的处理过程和任务状态的更新过程。给出了任务类型的区分方式,以及不同任务集合的构造方法。对规划所需满足的主要约束进行形式化描述,并从中继资源使用者和管理者的角度,分别提出规划问题的优化目标。构建了冲突任务检测和损失机会评估模型,并基于冲突风险规避策略提出了任务规划算法。     

HXMT卫星长期任务规划算法

硬X射线调制望远镜（HXMT）卫星是中国首颗空间X射线天文卫星.为充分利用卫星资源,使科学产出最大化,需要进行长期任务规划.长期任务规划是一个复杂的多目标优化问题.通过分析HXMT观测特点和约束条件,建立了HXMT长期任务规划问题模型,并采用贪婪算法加遗传算法对模型进行求解.实例分析结果表明该方法能够有效解决HXMT长期任务规划问题.      

面向重访周期需求的敏捷成像卫星任务规划方法

为满足敏捷成像星座观测目标的重访周期需求,提出一种混合编码差分进化算法.分析敏捷成像卫星的工作特点,构造评价重访周期需求满足情况的目标函数,建立成像任务约束满足模型.针对观测任务选择与否、执行顺序和成像时间的优化需求,提出一种二进制-实数混合编码差分进化算法,实现了成像任务在时间轴上的分布优化.通过工程实例进行仿真校验,仿真结果表明相比于基于二进制编码的遗传算法,本文算法在优化时间和优化效果方面都有较大优势.     

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。     

Mission planning optimization of video satellite for ground multi-object staring imaging

This study investigates the emergency scheduling problem of ground multi-object staring imaging for a single video satellite. In the proposed mission scenario, the ground objects require a specified duration of staring imaging by the video satellite. The planning horizon is not long, i.e., it is usually shorter than one orbit period. A binary decision variable and the imaging order are used as the design variables, and the total observation revenue combined with the influence of the total attitude maneuvering time is regarded as the optimization objective. Based on the constraints of the observation time windows, satellite attitude adjustment time, and satellite maneuverability, a constraint satisfaction mission planning model is established for ground object staring imaging by a single video satellite. Further, a modified ant colony optimization algorithm with tabu lists (Tabu-ACO) is designed to solve this problem. The proposed algorithm can fully exploit the intelligence and local search ability of ACO. Based on full consideration of the mission characteristics, the design of the tabu lists can reduce the search range of ACO and improve the algorithm efficiency significantly. The simulation results show that the proposed algorithm outperforms the conventional algorithm in terms of optimization performance, and it can obtain satisfactory scheduling results for the mission planning problem.     

基于改进遗传算法对小卫星星群任务规划研究

针对小卫星星群任务运行特点,建立小卫星星群多任务规划问题模型,提出了基于成像任务时间及任务均衡度的多指标优化函数.针对所建模型,采用改进型遗传算法,引入资源随机分配的解码策略及精英保留策略,保证了算法的全局收敛性,提高了算法的性能.通过仿真算例,验证了算法在解决小卫星星群多目标任务规划问题上的有效性.      

基于扩展卡尔曼滤波的XPNAV-1卫星自主定轨算法研究

X射线脉冲星导航1号（XPNAV-1）是全球首颗脉冲星导航专用试验卫星。利用该卫星观测的单颗脉冲星数据,采用几何约束方法,能够有效抑制轨道误差增长,但存在长时间定轨发散问题。针对XPNAV-1卫星拓展试验任务及脉冲星导航后续发展需求,利用多颗脉冲星的观测数据,研究基于扩展卡尔曼滤波（EKF）的卫星自主定轨算法。首先,建立该卫星的轨道力学模型和观测方程;然后,详细论述EKF滤波算法和分段式定常系统（PWCS）的可观测性分析方法;最后,通过综合分析XPNAV-1卫星的观测数据、脉冲星对该卫星轨道的覆盖性以及系统状态的可观测性,进行自主定轨算法试验。试验结果表明,基于EKF的自主定轨算法滤波过程收敛,验证了该算法的合理性和有效性。     

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。     

基于卫星云图的大区域云层预测方法

云层覆盖是影响对地观测卫星成像的一个重要问题,如果遥感图像中云层比例太高,或者特定目标不可见,则遥感图像就会失效。对地观测卫星能够根据云层预测信息,在多个观测目标之间进行选择。面向对地观测卫星任务规划的应用,设计了大区域范围的短期云层预测方法,首先通过光流法获取云运动矢量,然后依据云运动矢量外推获得预测的云层图像,同时引入拉普拉斯算子刻画云层运动过程中的扩散现象,利用风云二号卫星的真实云图序列数据,通过神经网络的反向传播算法优化扩散因子,以提升云层预测的效果。通过对结果进行分析,引入的拉普拉斯算子方法能够提高云层预测的精度,80%分位数的云层覆盖率误差约为11.7%,该精度的云层预测可以用于指导对地观测卫星任务规划。     

深空探测器动态约束规划中的外延约束过滤方法研究

随着深空探测任务的增加以及星上科学任务的日益复杂,深空探测器自主任务规划与调度技术成为研究的热点。在深空探测器任务特点与系统约束分析的基础上,将智能规划理论与约束可满足技术相结合,研究多层约束规划模型中约束的动态特征,设计了基于动态约束表的外延约束快速过滤算法,根据领域信息中活动间的冲突性特征来对新加入的活动进行分类和一致性检查。仿真结果表明:提出的算法能够有效地降低约束处理中无效的约束检查次数,降低问题处理过程中的算法回溯,提高规划效率和成功率。     

中继卫星单址链路调度模型与算法研究

中继卫星的任务规划与调度是空间资源管理的重要内容之一,目的在于为中继卫星系统的任务计划编制提供科学合理的决策手段与依据。中继卫星单址链路调度问题的重要特点在于,中继卫星与用户航天器之间并非时时可见,因此通信任务存在可见时间窗口约束。只有在可见时间窗口内,通信任务才可能执行并完成。在进行合理假设的基础上,建立中继卫星单址链路调度问题的约束规划模型。对基本遗传算法进行改进,提出了基于有效基因路径表示的改进遗传算法。应用结果表明,基于约束规划理论建立中继卫星单址链路调度模型并采用基于有效基因路径表示的遗传算法求解是合理的。     

小天体探测自主绕飞智能规划建模

针对小天体探测存在显著通讯延迟、任务执行效率低等问题,梳理了小天体探测智能规划需求,面向自主绕飞任务开展了智能规划研究。首先将该问题分解为平台任务智能规划和载荷任务智能规划两部分。针对平台任务智能规划问题,基于PDDL语言设计了探测器自主管理知识模型,提出了基于状态时间线扩展的求解算法;针对任务智能规划问题,建立了基于CSP问题的智能规划数学模型,提出了基于遗传策略的求解算法。最后开发了仿真系统进行算法验证。仿真结果表明:该方法可综合平台与载荷需求,在存储、能源、通信等多种约束条件下,对绕飞探测任务进行统一的任务规划,并得到指令序列和动作序列,能够提高任务管控的智能化程度,降低任务操作的复杂性。