基于DRL的巨型星座星地测控链路规划算法

针对巨型星座的星地测控链路规划问题,提出了一种基于深度强化学习的智能规划调度算法。该方法考虑了卫星对于测控站的资源竞争关系和连接关系,设计了环境状态,决策智能体通过感知卫星状态,结合动作选择策略,生成卫星对于测控站的分配方案,并根据反馈的奖励值进行策略的迭代优化。将本算法应用于巨型星座系统的星地测控链路规划任务,仿真结果表明所提出的智能算法可以将测控站天线利用率提升到98%以上,同时有效地降低了天线的切换次数。另外,训练好的模型可以根据未来时刻的星地可视窗口,在30s内快速生成星地测控链路规划方案。