基于遗传算法的TT&C测控资源优化调度(英文)

TT&C测控资源调度是一个涉及卫星、测控站以及调度准则等多方面因素的复杂优化问题。针对这一优化问题,根据测控调度的一般原则和优化准则,建立了相应的优化模型,并给出了基于遗传算法求解该问题的方法和步骤;最后,通过两个示例分析,演示验证了该方法对于解决一般测控调度问题的有效性。

带局部交互的多星TT&C调度合作协同进化

针对现有合作协同进化机制较少利用局部协同信息的问题,通过对多星TT&C资源调度的合作协同进化求解进行改进,在全局协同的基础上加强局部交互,为每个个体设定一个表明其与所有相邻子种群合作效果的进化性能指标——局部交互值,将该值作为选择操作中衡量个体优劣的尺度之一,以局部交互值与各子适应度之和的差值决定个体变异率,使变异具有自适应性,从而减少由子种群代表个体选择的非全局性造成的优秀个体丢失现象。仿真实验结果表明该方法能较好地提高求解质量。

航天TT&C调度的拉格朗日松弛策略

根据航天遥测、跟踪和指挥(TT&C)调度的测控需求,建立航天测控调度问题的0-1整数规划模型,运用(λ,ν)、(μ,ν)和(λ,μ)3种策略对模型中的约束进行松弛,通过次梯度优化算法求得每种松弛问题的上界。利用2个场景验证上界(目标函数值)的有效性,调度结果表明,3种松弛策略中以次梯度优化算法得到的上界差别最小。

基于改进蚁群算法的TT&C资源配置方法

研究了航天测控网资源配置问题,它是在航天器-地面站有限的时间窗口内对航天器的测控任务进行合理的配置,给每个任务分配一个开始执行时间,在给定的调度时间下,使得任务完成的目标值最大。将引入了杂交算子的蚁群算法来求解该问题,合理地构造了与问题相适应的杂交算子和杂交段。具体的仿真实例表明,在相同的约束条件下该算法总是能最大化地完成任务,并且求得的目标值也有很大的改进。

面向卫星常规测控任务的地面站资源调度

卫星测控任务的地面站资源调度问题是在特定的时间和约束条件下,根据卫星的常规任务要求,为卫星分配相应的地面站资源,从而得到能够满足卫星任务要求的资源分配和调度方案。基于实际应用,分析卫星测控任务的调度问题,考虑资源调度过程中涉及的卫星时间约束和资源约束,建立卫星测控任务中地面站资源调度的数学模型。设计2个阶段遗传算法,第一阶段选择卫星执行任务的圈数,第二阶段选择任务弧段,逐步减小搜索的解空间。仿真研究结果表明,2个阶段遗传算法能够较好地解决多卫星多约束的测控资源调度问题。

一种航天测控冗余跟踪弧段处理方法

随着在轨航天器的日益增多,测控资源的需求量也日益增大,因此,其使用效率也倍受关注。当航天器重要测控弧段安排多个测控设备进行全力跟踪时,很容易出现测控弧段搭接或完全被覆盖的情况。为有效利用现有测控资源,针对弧段搭接的情况,提出了一种基于冗余度评价函数的跟踪弧段处理方法,该方法在不降低跟踪总时长情况下,通过合理有效地配置测控资源,剔除了冗余跟踪弧段,提高了现有测控资源的使用效率。

考虑柔性资源多维价值标签的交直流配电网灵活调度

可再生能源高渗透率使得交直流配电网面临严重的随机性和波动性,充分挖掘柔性资源调控潜力可以有效地降低可再生能源带来的网络运行风险。针对当前交直流配电网优化调度主要考虑电压源型换流器(VSC)的调控能力,对VSC与柔性资源协同研究不足的问题,提出一种考虑柔性资源多维价值标签的交直流配电网灵活调度方法。首先,考虑柔性资源调控特性差异,构建了包含响应时段、调节能力、调节成本及响应意愿的多维价值标签评估体系,准确全面地评估柔性资源聚合调控潜力范围;其次,以运行成本最小为目标函数,柔性资源多维价值标签为约束,建立交直流配电网两阶段鲁棒日前优化调度模型,并采用嵌套列和约束生成算法(C&CG)及强对偶理论进行求解;最后,通过改进的IEEE 33节点交直流配电网仿真结果表明,所提方法能够充分发挥柔性资源的调控潜力和协同能力,同时可有效提高模型求解效率和求解精度。

卫星测控资源调度CSP模型研究

对卫星测控调度问题的建模技术进行了研究,分析了问题的特点。首先对场景、需求和任务进行了形式化建模;然后针对测控调度问题中涉及的资源、时间、关系等主要约束类型进行了分析和模型描述,并按照不同类型的测控需求确定了测控调度的目标函数;最后在此基础上建立了问题的约束满足问题(constraint satisfied problem,CSP)模型,并针对模型进行了求解方法研究。

带预估选择的Memetic算法求解多星测控资源调度问题

针对当前多星航天测控资源调度系统模型描述复杂、求解算法不适合大型算例的问题,利用系统约束条件的二元化特点建立了多星测控资源调度系统在一类特殊图上的最大独立集模型,进而针对该模型解空间结构多峰密布、欺骗性强的问题,提出了一种带预估选择机制的改进型Memetic算法.在分析交叉操作可达域的基础上,设计了一种能快速预估交叉操作最大收益的预估算子,通过预估运算,每个个体从几个待选交叉对象中可选择出最有利的一个对象,以在有希望区域间实现搜索的转移.大型Benchmark算例上的仿真结果表明,所提预估选择机制能减弱原模型欺骗性的影响,使Memetic算法的性能平均提高了17%.

基于优先级辅助分治策略的多星多站测控资源分配方法

随着商业测控的不断发展和在轨运行的商业卫星数量增多,针对商业地面测控资源有限,以及各种临时的任务需求导致的中低轨卫星测控资源紧张的问题,文章提出了一种基于优先级辅助分治策略的多星多站测控资源分配方法。经仿真分析,结果表明:该方法能够简单灵活的以较少的计算量和内存开销实现分配方案求解,该求解方案能够保证在优先级较高的卫星和任务优先获得调度资源的前提下,最大限度的为卫星和任务提供测控资源,可为测控资源调度系统建设提供参考。

卫星地面站测控资源调度CSP模型

研究了测控系统资源调度问题的描述与建模问题。在系统阐述综合航天测控网资源调度中涉及的资源、任务、事件、约束基础上,使用变结构半环CSP模型,描述测控调度中涉及的事件窗、时间约束、状态约束、周期性任务、抢先式任务、变长任务等硬、软约束,提出处理任务优先级和不确定性因素的途径。提出的模型对测控系统效能评价及资源调度算法研究也有一定的参考价值。

基于多目标优化的测控数传资源动态重调度方法

近年来,地面站资源测控数传任务的一体化调度方法受到了越来越多的关注。针对任务随遇处理条件下的测控数传资源调度问题,建立了面向多个优化目标的测控数传资源动态重调度数学模型,提出基于启发式规则和多目标非支配解排序遗传算法(non-dominated sorting genetic algorithm Ⅲ,NSGA-Ⅲ)的地面站测控数传资源一体化动态重调度算法,可生成侧重不同优化目标的多个规划方案供规划人员备选。实验结果表明该方法能有效解决测控数传资源多目标动态重调度问题。

民商航天资源教学运用探索与实践

针对当前高校航天类人才培养面临的教学训练系统套量不足和使用权限受限的瓶颈问题,开展民商航天资源教学运用探索与实践。构建基于民商航天资源的教学训练平台,对零散、空闲民商卫星和测控站进行整合与利用,打造成体系的优质教学资源,发挥民商航天资源开放灵活的优势,挖掘民商航天资源的教学应用潜力;创新基于民商航天资源的课堂教学与实践训练内容及方法,为高校航天类教学训练提供鲜活、宝贵的教学案例、数据样本、思政资源、实验条件和训练设施,获得良好的知识传授、技能培训、能力培养、课程思政效果。

基于C-RAN架构的基带资源分配方法设计

针对移动互联网业务流量激增,无线运营商在网络建设、运营、升级等方面的支出不断增加而收入却增加缓慢的问题,论文研究了基于集中式基带资源池的云型无线接入网(C-RAN),提出C-RAN架构下基带处理单元(Building Base-band Unit,BBU)与远端无线射频单元(Radio Remote Unit,RRU)组成的动态映射的模型,以此模型设计基带资源分配方法。通过计算与分析,结果表明利用启发式降序首次适应算法作为预分配的算法,对基带资源进行了合理的分配,这对于提高基带资源的利用率并且减少电能消耗是实际可行的。

一种适用于CoMP的改进MaxC/I算法

Max C/I算法是LTE中一种常见的资源调度算法,致力于实现吞吐量的最大化。在非Co MP场景下将总吞吐量最大化的目标分解到各小区,使每个小区吞吐量最大,用此解法求得的解是全局最优解。但如果将这种解法直接引入到LTE-A的Co MP场景下使用时,协作小区间的调度结果可能会相互影响,最终得到的解是贪婪解,而且该贪婪解不太理想,不能发挥出Max C/I算法的性能。针对此问题,将原解法的子问题决策进行改进,对是否调度Co MP用户增加了条件判断,并在Full Buffer业务模型和FTP业务模型下进行仿真验证,结果表明该改进方案能在一定程度上提高系统吞吐量。

地面资源保障航天测运控任务质量评价指标体系构建

针对目前航天测运控任务完成质量评价主要集中在设备运行质量、资源调度能力评估等方面,缺乏从用户申请提交到执行效果反馈的全过程闭环评价问题,区分地面资源完成测控、数传两类任务质量情况,从设备跟踪任务质量情况、资源调度系统保障用户资源使用需求情况、用户对执行效果反馈及自身行为评价3个环节构建分类分层的评价指标体系。采用1-9标度法确立指标权重,研究对不同类型任务完成质量的综合评价,并利用实例验证所构建指标体系的可行性。为标准化、精细化评价地面资源保障航天测运控任务质量提供理论依据,并给出质量改进相关参考建议。

大型星座混合模拟退火遗传算法测控任务规划

提出了一种基于拥挤度的混合模拟退火多层编码遗传算法,用于解决大型星座的测控任务规划问题。首先,建立了大型星座测控问题的约束满足模型,对任务规划过程中的各种约束条件和优化目标进行了形式化描述。第二,采用多层编码的方法建立测控方案与解空间的对应关系,并采用遗传算法的启发式方法进行全局搜索。第三,为了增加种群的多样性并加快收敛速度,在每代进化结束后对种群中最优的部分个体进行基于拥挤度的模拟退火。超180颗卫星,32个地面测控天线的真实大型星座测控任务规划试验表明,基于拥挤度的混合模拟退火遗传算法的任务完成率高达99%,归一化综合收益大于0.9,算法运行时间小于15 min,验证了该方法具备工程实用价值。

基于DQN的异构测控资源联合调度方法

以异构测控网资源联合调度为研究对象,提出一种基于强化学习的深度Q网络(deep Q network, DQN)算法。在充分分析异构测控资源联合调度问题特点后,用数学语言对影响问题求解的约束条件进行描述,建立了资源联合调度模型;从应用强化学习解决问题的角度,对求解的问题进行马尔科夫决策过程描述后,分别设计了2个结构相同的神经网络和基于ε贪婪算法的动作选择策略,并建立了DQN求解框架。仿真结果表明:基于DQN的异构测控资源调度方法较遗传算法能够找到调度收益更优的测控调度方案。

无人机测控系统中干扰感知与频谱资源管理技术

为了提高无人机测控系统在复杂电磁环境下的适应性、安全性和可靠性,解决多站多机同空域工作时面临的动态频谱资源管理问题,提出了一种基于干扰感知和频谱资源管理技术的无人机测控系统。该系统将通信侦察技术与认知无线电频谱感知技术相结合,为上/下行链路提供全频带干扰识别以及动态频谱资源管理。搭建了干扰感知和频谱资源管理系统无线测试平台,测试结果表明,当上/下行链路存在干扰信号且链路质量较差时,系统能自适应调整链路的频谱资源,可有效避开干扰信号对系统的影响,提升了无人机测控系统的生存能力和使用效能。

基于多智能体深度强化学习的测运控一体化资源调度方法

随着卫星通信技术的发展,星座规模的不断扩大,测运控一体化成为主流趋势。星座规模大、调度对象多、复杂操作联合控制给卫星网络测运控一体化资源调度带来巨大的挑战。受制于调度算法求解效率低、约束复杂等问题,传统的测运控资源调度技术采用提前上注测控指令,按照固定部署执行任务,难以满足突发事件与紧急任务的调度需求。因此,提出一种基于多智能体演员-评判家确定性策略梯度算法的测运控一体化资源调度方法,采用集中式训练和分布式执行的方法,建立测运控一体化任务的多智能体模型,通过分析邻居智能体局部信息计算调度策略,提高任务的响应速度。依据测运控一体化资源调度问题中的模型和约束,选择影响意义大、可解释的约束,建立多智能体资源调度强化学习模型,并进行仿真测试。测试结果显示,该方法的任务收益较传统方法提高22%。