基于深度强化学习的航天器多约束规避动作快速规划

航天器规避机动过程中面临多种复杂约束条件,传统基于数值优化的动作规划方法在处理相应模型和约束条件时存在初值敏感、计算时间较长等问题,难以对近距离轨道威胁做出及时反应.针对该问题,本文提出一种基于深度强化学习的航天器多约束规避动作规划方法.建立航天器六自由度非线性动力学模型以及相应姿轨机动约束条件;建立基于双延迟深度确定性策略梯度(TD3)的动作规划方法,通过TD3训练得到的神经网络在线生成满足多种约束条件的规避机动动作;构造与规划方法相适配的深度强化学习规范化训练环境,确保学习训练过程中智能体和环境的有效交互.仿真结果表明,所提方法能在预期交会时间仅数十秒的情况下快速实时生成规避动作,规划周期小于9 ms,远低于作为对比项的高斯伪谱法.     

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。     

基于控制分配的一类变体飞行器容错控制

针对一类含有执行器故障的新型操纵面变体飞行器的容错控制问题,将控制分配方法和整数规划理论相结合,提出了一种基于控制分配的容错控制方法.首先设计虚拟控制律,使飞行器的状态变量跟踪参考模型.然后通过执行阵列重构将执行器的概率性故障及饱和约束转化为整数规划中的决策变量的约束,进而将控制分配问题转换成一类决策变量概率可变的整数规划问题.为保证解算的有效性及收敛性,运用改进的遗传算法进行求解.仿真结果表明,飞行器在执行器发生故障的情形下,仍具有良好的跟踪性能.      

微小型无人直升机避障最优轨迹规划

针对无人直升机在低空复杂环境下避障飞行问题,提出了一种基于非线性最优控制理论的求解策略.以避障机动飞行时间为优化目标,无人直升机六自由度非线性动力学方程为等式约束,直升机飞行性能限制以及三维空间中障碍物限制等因素为不等式约束,建立了避障机动飞行的最优控制模型.然后利用高斯伪谱法（GPM,Gauss Pseudospectral Method）将轨迹规划问题转化为非线性规划（NLP,Non-Linear Programming）问题,并采用序列二次规划算法进行求解.在此基础上研究了障碍物尺寸对最优轨迹的影响.计算结果表明,该方法能够以较高的精度生成真实可行的避障飞行轨迹,最优机动动作取决于障碍物纵横向尺寸比.      

基于Safe-PPO算法的安全优先路径规划方法

现有的路径规划算法对路径规划过程中的路径安全性问题考虑较少，并且传统的近端策略优化(PPO)算法存在一定的方差适应性问题。为解决这些问题，提出一种融合进化策略思想和安全奖励函数的安全近端策略优化(Safe-PPO)算法，所提算法以安全优先进行路径规划。采用协方差自适应调整的进化策略(CMA-ES)的思想对PPO算法进行改进，并引入危险系数与动作因子来评估路径的安全性。使用二维栅格地图进行仿真实验，采用传统的PPO算法和Safe-PPO算法进行对比；采用六足机器人在搭建的场景中进行实物实验。仿真实验结果表明：所提算法在安全优先导向的路径规划方面具有合理性与可行性：在训练时Safe-PPO算法相比传统的PPO算法收敛速度提升了18%，获得的奖励提升了5.3%；在测试时采用融合危险系数与动作因子的方案能使机器人学会选择更加安全的道路而非直观上最快速的道路。实物实验结果表明：机器人可以在现实环境中选择更加安全的路径到达目标点。     

基于目标导向的连续型机器人路径规划

采用连续型机器人对空间约束严格的飞机油箱进行检查,研究了其在类似凸体空间内的路径规划问题,提出一种基于目标导向的规划算法.针对空间盲目搜索算法时间复杂度高问题,研究降维和区域划分策略.引入目标导向角,建立目标点与变量搜索范围的关系,优化搜索过程并设计评价函数对搜索结果寻优.进行仿真实验,结果验证了算法的可行性和有效性.     

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。     

对地观测DSS任务分配问题的CSP模型与算法

任务分配是对地观测分布式卫星系统(Distributed Satellites System, DSS)自主协作运行过程中的一个重要环节. 针对任务分配中的约束满足问题(Constraint Satisfaction Problem, CSP), 以DSS完成任务总耗能最少为原则, 构建了任务分配问题的CSP模型, 并引入MAS理论中的合同网协议, 给出模型的求解算法, 通过仿真算例对模型和算法进行了验证.      

梯度投影法与改进简约梯度法的关系

对带有线性等式和不等式约束非线性规划提出一种改进简约梯度法。通常的方法需增加松弛变量将不等式约束化为等式约束，从而增加原问题的维数。新方法通过引入一个松弛向量，不增加原问题的维数。文中给出了改进的简约梯度法与Ｒｏｓｅｎ’ｓ梯度投影法之间关系。     

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。     

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。     

基于改进人工鱼群算法的无人直升机编队航迹规划

针对无人直升机（UH）编队的航迹规划问题,提出了一种基于改进人工鱼群算法（AFSA）的航迹规划算法。从邻域学习和算法特性2个角度出发,针对人工鱼群算法中的人工鱼视野模型提出了一种人工鱼自适应视野模型,并对其鱼群的进化策略在无性繁殖方式的基础上进行了改进;从规划原理、代价函数、约束条件3个方面建立了无人直升机编队航迹规划模型;针对航迹规划中普遍存在的搜索效率低、精度差等特有问题改进了所提算法的编码方式和聚类策略。利用三机编队航迹规划的算例对所提算法进行了验证,仿真结果证明,通过对人工鱼群算法的改进、航迹规划模型的建立等措施实现了良好的无人直升机编队航迹规划,同时在搜索效率、收敛速度及求解精度上都有了显著提高。      

基于状态转移图的启发式深空探测器任务规划方法

针对深空探测器复杂系统并行及约束耦合等特点,在时间线描述框架的基础上,引入了状态转移图结构。通过分析探测器任务规划中的耦合约束关系,设计了转移图代价计算方法,并提出了基于状态转移图的启发式任务规划算法。利用转移图设计启发式对无关节点进行剪枝,削减了搜索空间,加速了搜索过程。数值仿真结果表明,该算法能够有效减少不必要的规划步数,提高任务规划的效率。     

一种多机协同打击的快速航迹规划方法

针对多架自杀式无人机对重要目标进行协同打击的问题,在飞行器运动学、飞行器碰撞、时空协同等约束条件下,提出了一种空间分层分布的协同打击策略,在满足飞行器碰撞约束的前提下,有效提高了对重要目标防御系统的抵抗能力与飞行器自身的生存率。在此基础上,进一步提出了一种空间协同的多机打击快速航迹规划方法,结合Dubins曲线,将飞行器数目增加带来的计算量指数增长的问题,转化为多项式乘积形式的计算量,实时生成满足时空协同要求的次优航迹。通过仿真实验与实际飞行试验验证了所提方法的有效性,无人机可以在生成航迹的引导下,有效到达打击目标。      

多空间机器人协同工作空间的数值求解方法

针对未来在轨服务过程中，可能遇到单个空间机器人难以独立胜任的应用场景，需要多个空间机器人协同操作，但目前针对多空间机器人协同工作空间的研究很少。考虑到解析法计算工作空间难度很大，提出了一种基于蒙特卡洛法的一般协同工作空间数值求解方法。再进一步针对空间机器人协同的特殊性，提出了广义协同工作空间的概念，并给出了数值求解方法。仿真结果表明，基座姿态约束会引起协同工作空间的缩小，同时广义协同工作空间的范围明显大于一般协同工作空间。所得结论可以为空间机器人任务设计与规划提供参考。     

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.     

基于合同网的对地观测资源动态协同规划方法

卫星、无人机等对地观测资源已经成为执行灾害救援、灾损评估等多样化监测任务的主要观测手段,而大规模任务的随机调整和动态执行环境是快速制定对地观测方案的核心难点。针对此问题,提出一种面向不确定环境的对地观测资源动态协同规划方法,以动态高效地制定异构观测资源的协同观测方案。首先,结合合同网协议提出一种自下而上的分布式动态协同框架,以整合空天地异构观测资源构建分布式、动态、松耦合的协同观测网络。然后,根据该协同框架提出多轮组合分配方法及优化算法以快速动态地分配大规模监测任务。最后,通过仿真实验证明,在任务持续并发的动态不确定环境中,基于合同网的动态协同规划方法在提升了约25%任务完成率的同时,降低了约20%的运行时间,实现了任务完成率与方法运行时间的平衡。