低轨星座传感器资源调度的自主任务规划建模方法

低轨星座传感器资源的优化调度是复杂多约束下的任务规划问题,为了满足多个运动目标全程跟踪与监视的资源实时优化调度需求,提出一种星上自主快速求解的规划模型.在对自主任务规划问题进行详细建模的基础上,考虑各项约束条件与优化因素,将原问题转化成简易的0-1线性整数规划模型,并构建多目标跟踪试验场景对所提方法进行了仿真验证.仿真结果表明,基于简易规划模型的资源调度可实现多目标的全程跟踪与监视.

基于粒子群算法的低轨重点卫星雷达协同探测任务规划方法

为提升定轨、成像、目标特性测量等多种模式下的观测效率,基于粒子群算法提出了一种低轨重点卫星雷达观测任务规划方法。相较基于优先级的任务规划方法,文中方法可对所有卫星按给定观测频次无丢失观测,满足雷达视场、时间窗口、任务切换等约束。使用雷达仰角、斜距、雷达截面积构建权值对基于观测时长的目标函数进行修改,并使用粒子群优化算法求解最大总观测时长或最快完成时间。仿真场景为两部假想地面雷达协同对30颗低轨重点卫星做24 h~72 h观测。结果表明,所有卫星无丢失观测,最大总观测时长和最快完成时间分别为18622 s和15 h 16 min(场景时间:24 h)。使用带有权值的目标函数可获得平均观测仰角、斜距的改善,而总观测时长基本一致。

基于最优邻域搜索粒子群的低轨卫星通信任务规划方法

针对低轨卫星通信中的任务规划问题,提出了一种基于最优邻域搜索粒子群优化(Particle Swarm Optimization,PSO)群算法的任务规划方法。引入最优近邻搜索,通过最优粒子间的差分值来促进局部搜索,设计了惯性权值、社会和自我学习因子的优化方式,最终能够高效求解低轨卫星通信星座中多转发器与多任务的组合优化问题,用以应对低轨卫星过境时间限制和链路切换导致的时间段离散问题,并使得算法前期具有更强探索全局最优和后期快速收敛的能力。实验验证结果表明,该方法能够在低轨卫星中的约束条件下,有效提高卫星平均资源占用率(Average Occupancy Percentage,AOP)的同时减少算法收敛的迭代次数,显著降低运行时间开销。

基于遗传算法的低轨卫星物联网星座任务规划问题

针对无星间链路的低轨卫星物联网星座,设计一种基于遗传算法的任务规划算法,旨在通过多地面站实现数据实时通信的同时,最大化卫星和地面站的资源配置。首先设计最大化卫星在轨服务时长的目标函数和限制冲突弧段的约束条件,构建低轨卫星物联网星座任务规划模型;然后以遗传算法为基础,引入冲突弧段和早停机制,设计低轨卫星物联网星座任务规划算法。在此基础上,使用由18颗无星间链路的低轨通信卫星构成的卫星星座和4个地面站进行实验。同时为了验证算法性能,使用先来先服务算法对实验数据进行任务规划。实验结果表明,设计的低轨卫星物联网星座任务规划算法可以显著提高地面站接收通信卫星数据的调度能力,解决卫星数量众多而地面站不足的矛盾。

基于周期的低轨预警系统任务动态重规划策略

根据预警系统资源的特点和导弹跟踪任务的实时性和不确定性,天基低轨预警系统任务规划具有动态性的特点。为解决低轨系统动态任务规划问题,提出了低轨预警系统动态任务规划模式,分析了周期重规划调度策略,探讨了系统动态重规划中重规划周期的确定方法,并对其中的弹道预测误差椭球和双星定位精度两个关键问题进行了建模,为动态问题建模求解提供基础。

基于DPSO-SA的低轨预警系统初始任务规划方法

为提高天基低轨预警系统在导弹跟踪任务中的效率,建立了天基低轨预警系统初始任务规划模型.该模型包含跟踪精度、任务完成率和资源松弛度等优化指标,考虑导弹跟踪中目标信息的不确定性,定义并构建了跟踪原子任务的不确定度和动态优先级.在此基础上,提出采用离散粒子群(DPSO,Discrete Particle Swarm Optimization)-模拟退火(SA,Simulated Annealing)混合优化算法求解初始任务规划模型,提高了算法收敛速度、精度以及全局搜索能力.仿真算例验证了模型的优点以及DPSO-SA混合优化算法的有效性.

低轨预警系统动态任务规划启发式算法

该文针对低轨预警系统任务动态规划需求,从预警传感器资源和导弹跟踪任务角度对低轨预警系统动态任务规划问题进行了形式化描述,建立了系统动态任务规划的动态约束满足问题模型。该模型包括两级优化目标——跟踪精度、资源利用率、传感器切换率、松弛度综合优化指标和方案调整幅度(调整率)指标;提出了求解动态规划问题的变邻域启发式搜索算法,设计了算法的直接插入、重新分配、替换和删除邻域结构及算子。通过仿真实验验证了基于梯度优化目标的动态规划模型的合理性,并说明启发式算法能有效求解低轨预警系统动态任务规划问题。

动态扰动下低轨预警卫星系统任务规划问题分析

论文探索分析了动态扰动下低轨预警卫星系统任务规划问题,讨论了低轨预警系统任务规划中的动态扰动因素,并对其进行定量化描述;提出了低轨预警系统动态任务规划模式,在此基础上研究探讨了系统动态规划中重规划周期的确定方法;建立了动态扰动下低轨预警系统任务规划模型,并将资源扰动下动态规划模型转化为新任务插入下基于二级优化目标的动态规划模型,设计了求解动态规划模型的启发式方法,并进行了实例验证,为动态规划问题研究提供借鉴意义.

低轨预警系统传感器调度层次分析方法

为了实现低轨卫星预警系统对目标的全程跟踪并提高传感器的调度效率,提出了基于层次分析方法的传感器调度方法。分析了目标可见性和传感器调度问题,总结得出影响传感器调度的约束条件,运用层次分析法构建了传感器实时调度模型,最后利用STK软件进行仿真分析。仿真结果表明:该算法可以有效地减少传感器调度所需的时间以及目标交接的次数,具有较好的性能。

一种面向低轨遥感星座的路由任务规划算法研究

为了解决遥感星座数据传输时效性差的问题,利用星间链组网,提出了一种适应于断续猝发特征星间网络的路由任务规划算法。该算法以遥感卫星成像任务规划结果为驱动,结合卫星网络拓扑结构的时变性特点,改进基于快照序列的拓扑划分方法,降低路由切换频率,减少链路切换代价损失。并将卫星与地面站之间的路由看作低轨遥感星座路由的一部分,在选择星地最短路由路径的同时实现星地建链总时长最大化。仿真结果表明,该算法能够显著提升低轨遥感卫星星座的数据传输能力。

低轨大型遥感星座发展现状及其关键技术

近年来,低轨大型遥感星座计划发展迅速,高频次、低成本、弹性高的大型低轨遥感星座系统成为了各国争相发展的技术。文章概述了Flock、Capella、BlackSky Global、Lemur-2、NewSat等低轨大型遥感星座的发展现状,以及中国大型遥感星座的基本情况;在此基础上,分别从遥感星座涉及的通信网络、自主协同、星座部署、星座管控、信息处理等5个方面,就低轨大型遥感星座涉及到的多载荷任务协同、星上自主任务规划、快速响应调度、星箭一体化设计、卫星星座构型设计、星座智能管控、遥感图像数据融合、星座数据处理等关键技术进行了总结分析,并对未来的发展趋势进行了阐述。

基于A2C算法的低轨星座动态波束资源调度研究

巨型低轨星座为载人飞船、空间站、遥感卫星等用户航天器提供低时延、大容量的通信通道存在波束资源分配优化的难题。针对采用离散时间的深度强化学习A2C(advanced actor-critic)的智能优化框架进行了研究,结合遗传算法中个体和基因概念、形成了可有效满足多用户、动态、并发接入需求的波束资源调度算法。基于仿真分析,提出的算法可在多种典型场景下具有适用性,支持在20 s内完成超过3000个任务的有效规划,任务成功率不低于91%。通过算法优化实现复杂度的降低,相对传统遗传算法可节约时间45%以上。同时对传统A2C算法框架中的收敛问题进行了优化,解决了传统全连接A2C算法无法收敛的难题,同时相比DQN(deep q-network)算法框架收敛速度提升38%以上。

红外低轨星座突发任务多重策略调度方法

面向红外低轨星座的突发任务规划与资源调度问题,结合红外低轨星座的空间与时间分布特性,提出一种基于多重策略的红外低轨星座任务应急调度方法。所提方法结合红外低轨星座的设计特点,从星座全球分布的均匀性、结构的对称性及星座内卫星运动的周期性分析作为输入,提出一种以地理分区为长期值守分组策略与事件触发下基于相对运动分析的动态快速分组策略相结合的多重策略。在所提策略指导下完成任务分组,开展工作窗口调度。经仿真分析可得:所提策略可有效应对不同区域的目标触发,并实时完成分组及工作窗口规划调度,较好解决了任务突发情况下的系统响应,由于采用优先分组的策略,降低了全局优化的复杂度,具有创新性,且具备较好的应用价值。

混合离散粒子群的任务调度算法及应用

针对粒子群算法存在易陷入局部极值、精度差的缺点,引入了模拟退火的思想,研究了一种混合粒子群优化算法,防止早熟现象的产生,使种群在更新迭代中保持了多样性,并将混合算法应用到典型的任务规划调度问题求解中,通过仿真验证了混合算法的有效性,与单一的离散粒子群算法相比,提高了调度问题的求解效果。