基于注意力神经网络的对地观测卫星星上自主任务规划方法

星上自主任务规划是对地观测卫星自主运行的关键技术之一,近年来得到了研究人员的高度关注。考虑到星上计算资源有限,以及星上任务、资源动态变化等特点与挑战,现有研究主要采用启发式搜索算法对卫星星上自主任务规划问题进行求解,但这类算法还有待进一步优化。文中首先构建了一种新的观测任务序贯决策框架。基于该框架,对地观测卫星可以实时决策要执行的观测任务,而无须预先生成任何观测方案。然后,将注意力机制和循环神经网络相结合,设计了观测任务决策模型、任务特征表示方法以及模型训练方法,提出了一种基于注意力神经网络的观测任务序贯算法;最后,基于多组随机数据对所提算法、两种深度学习算法以及两种启发式在线搜索算法进行了比较。实验结果表明,所提方法的平均响应时间不到已有深度学习算法的1/5,收益误差远低于启发式搜索算法,证实了所提方法的可行性和有效性。

基于卷积注意力网络的卫星观测任务序贯决策方法

星上自主任务规划能够提高对地观测卫星应对星上任务、资源变化等动态不确定因素的快速响应能力,是卫星任务规划领域的一个重要研究热点。考虑到星上计算资源有限这一特点,现有研究主要采用启发式搜索算法对卫星星上自主任务规划问题进行求解,优化性还有待提升。基于观测任务序贯决策框架,利用卷积神经网络并行计算和注意力机制更易获取到高价值信息的优势,提出了一种基于卷积注意力神经网络的观测任务序贯算法,并设计了与之匹配的输入特征表示方法,实现对观测任务的实时决策。最后将提出算法和两种深度学习算法、两种启发式搜索算法进行了实验比较。实验结果表明,提出方法的平均响应时间不到已有深度学习算法的1/2,收益误差远低于启发式搜索算法,证实了所提方法的可行性和有效性。

气象卫星智慧观测需求与设想

随着日益加剧的全球气候变化引发的气象灾害频发和生命财产损失影响的扩大,要求未来的气象卫星观测系统通过自主星上处理、自主任务规划、星间互联互通等智慧观测手段实现快速响应、精准预报、提前预警和连续跟踪。为此,文章以我国第二代静止轨道气象卫星风云四号(FY-4)为例,结合数值天气预报和短临天气预报等业务需求,提出了包括多载荷自主协同观测、定位恒星自主预报、自主太阳规避等智慧观测的设想和实现技术途径,通过气象卫星智慧观测可有效提升卫星应用效能,更好地发挥气象卫星数据服务能力。