基于MAS的分布式卫星系统任务规划研究

针对分布式卫星系统的规划与调度问题,提出了一种基于多Agent协商机制的分布式规划与调度方法.首先建立了分布式卫星系统的分层分布式多Agent控制结构,并详细设计了各个层次Agent的功能.其次,给出了卫星Agent之间基于合同网的交互协议,设计了基于优先级的招标任务选择策略以及基于任务动态插入的投标方法,并给出了实现全局优化的评标策略和目标函数.针对观测环境的动态情形,给出了相应的动态任务处理流程.最后通过一个卫星编队实例进行了验证.     

面向应急观测的虚拟星座任务规划技术

虚拟星座为充分利用卫星资源提供了一种高效的解决方案。首先研究设计了任务与资源管理、任务与资源匹配、协调与任务规划的三层协调运行机制,建立了基于多智能体的三层动态交互式体系结构模型;然后通过基于改进合同网协议算法模型,研究虚拟卫星协同任务的招标对象筛选策略、协商合同投标方法、协商合同评标方法;最后针对海上目标监视搜索场景构建仿真实验用例,仿真结果验证了虚拟星座的运行机制和体系结构的合理性、可行性与基于扩展合同网协议的虚拟星座任务规划算法的有效性和正确性。     

分布式卫星系统协作任务分配模型及优化算法

面向未来分布式卫星系统(DSS)自主协作运行模式,对DSS任务优化分配问题进行了分析和建模.在此基础上给出任务组的概念,并利用集覆盖理论将任务分配问题转化为集覆盖问题.从而引入MAS理论中的合同网协议,以系统完成任务目标的总耗能最少为原则,加入限定卫星可回应子任务数的约束后,提出了一种基于合同网的严格启发式的优化算法对分配模型进行求解.同时,证明了算法搜索结果的上确界;分析了算法的收敛性和时间复杂度.该算法具有分布性,搜索空间缩减快,适合于中小规模的任务分配.     

成像卫星任务规划模型、算法及其应用

近年来, 成像卫星数量越来越多,成像任务需求呈现出多样化、复杂化和快速 增长的趋势,成像卫星任务规划问题在卫星管控中的作用越来越突出.在对成像卫星任务规划基础理论进行 阐述的基础上,总结了成像卫星任务规划的基本模型和主要求解算法. 建立了考虑任务合成的成像卫星调度模型, 提出了求解该模型的快速模拟退火算法.成像卫星调度模型、求解 方法和任务规划技术,已运用到成像卫星的日常管控中, 取得了很好的效果.     

局部邻域搜索在对地观测卫星任务规划中的应用与扩展

任务规划作为一项重要技术,已经广泛应用于卫星的星载与地面控制系统中,以提高卫星任务执行的鲁棒性、可预测性和高效性。描述了对地观测卫星任务规划问题及特点,给出了对地观测卫星任务规划的一般处理过程。针对约束规划中的局部邻域搜索算法不能有效反应对地观测卫星成像的时效性和分辨率等需求的问题,提出了基于动态优先级的局部邻域搜索算法。算法在经典约束满足问题求解算法的基础上,主要扩展了任务优先级的定义及在搜索过程中的启发式。通过典型的仿真算例,验证了算法的可行性和有效性。     

基于改进蚁群算法的敏捷成像卫星任务调度方法

针对敏捷成像卫星观测任务调度问题, 综合考虑卫星最长连续工作时间、任务间卫星姿态调整时间、能量、容量等约束建立了任务调度模型. 考虑到密集任务间的相互影响, 着重分析了任务间卫星姿态调整时间约束, 并给出调姿时间求解方法. 提出一种改进蚁群算法对问题进行求解, 借鉴蚁群系统(ACS)和最大最小蚂蚁系统(MMAS)的思想设计寻优策略和信息素更新策略. 并结合实际约束, 引入最早、最晚可观测时间和任务优先级等因素来控制转移概率. 实验算例验证了模型和算法的有效性.     

敏捷成像卫星密集任务聚类方法

面向应急条件下的观测需求,为提高成像任务完成效率,对敏捷成像卫星密集任务聚类问题进行研究。分析了敏捷成像卫星观测过程,给出了任务聚类的俯仰、翻滚观测摆角及任务间过渡时间约束。建立了聚类图模型,给出了模型的构建算法。设计了一种基于最大最小蚂蚁系统的聚类算法,结合聚类模型特点设计蚁群策略,并对重叠和冲突的聚类任务进行处理。实验算例验证了模型和算法的有效性。     

基于贪婪随机自适应过程的多类型卫星联合任务规划技术

对地观测卫星任务规划问题需要考虑侧视、星上能量、数据容量和数据传输等多种约束,是一类复杂的组合优化问题,现有研究大多对问题进行了不同程度的简化。面向多种载荷类型卫星的联合任务规划问题,考虑上述多种约束,基于贪婪随机自适应搜索过程提出了一种新的混合算法对问题进行求解。实验结果表明,该混合算法在多星联合任务规划领域是可行有效的。     

电子侦察卫星任务调度方法

基于电子侦察卫星任务规划问题的特殊性,提出了规划预处理的基本方法,并基于合理假设建立了问题的多目标规划模型;设计了一种改进的遗传退火算法对模型进行求解,为防止最优解的丢失,引入了基于精英保留的选择机制,同时该算法有效避免了遗传算法局部优化能力差及模拟退火算法易陷入局部最优等缺陷。最后,通过实例将该算法与遗传算法(genetic algorithm, GA)及模拟退火算法(simulated annealing algorithm, SA)相比较,结果表明该算法能有效解决电子侦察卫星的任务规划问题。     

面向成像卫星组网的群任务规划方法研究

本文基于提高用户任务需求的处理能力，探索可共享卫星资源组网卫星协同的群规划方法.研究中不仅考虑了一些部门存在特有的任务规划需求，还考虑到一些重要部门有卫星资源或者经申请有允许规划的卫星资源. 分析了群规划的模式需求及提出群规划框架；针对分层规划与可共享的资源服务，建立群规划多目标优化模型；针对任务规划这一高维离散组合优化问题，借鉴蚁群算法的快速收敛和遗传算法的强知识表示能力，阐述组合高低阶知识表示的改进遗传求解算法. 仿真实验验证了本文规划模型与求解算法的有效性.     

考虑卫星指令上注的两阶段应急任务规划

多星对地观测应急任务具有突发性和高时效性,不同于常规任务的任务规划,应急任务规划需快速响应任务需求。考虑多星应急任务规划指令上注和数据下传这两个制约应急任务规划的关键因素,设计了基于固定周期的决策统筹规划和基于测控站的局部调整规划相结合的任务规划调度策略。在满足应急任务尽早下传的条件下,提出一种两阶段算法来解决不确定到达的应急任务的动态规划问题。最后通过实验验证了所提算法解决应急任务规划的有效性。     

基于分布式协同进化的星座自主任务规划算法

星座协同自主任务规划是卫星自主化管理与控制技术中的重要一环。首先, 提出了一种分布式星座协同迭代优化策略, 星座内各星作为独立智能体通过“接收”“更新”“发布”的三阶段协作行为共同参与对整体任务方案的协调寻优。其次, 在该策略的基础上设计了一种分布式协同进化算法, 通过分布于不同卫星的多个亚种群在信息交互中并行进化以持续优化各星方案组合。最后, 在S698PM嵌入式开发环境下进行仿真实验, 通过与贪婪算法、集中式遗传算法以及CPLEX的对比测试, 验证了所提方法在恶劣通信环境下与大规模问题中的适用性和有效性。     

启发式前后向链条优化组合在轨多目标观测规划算法

针对敏捷遥感卫星突发多目标观测任务的在轨实时规划问题, 提出一种面向在轨实现的启发式前后向链条优化组合方法。该方法以敏捷卫星滚动俯仰两个自由度的姿态机动能力为输入, 设计了一种基于高权重组链、以姿态机动能力结合观测收益合成链条的启发式方法。完成了不同机动能力下的蒙特卡罗打靶仿真, 优化了链条选择策略, 获得了较高的观测收益。实验证明所提方法有效, 观测收益高, 计算开销小, 可应用于敏捷卫星面向大量点目标的在轨自主任务规划。     

面向敏捷卫星任务规划的云层建模及处理方法

针对云层遮挡影响光学卫星成像质量的问题,以新一代敏捷卫星任务规划问题为背景,对云层信息进行建模,提出了一种云层遮挡时间窗口计算方法,通过引入预判和二分法推进计算环节来提高遮挡窗口的求解效率。根据任务约束条件建立了考虑云层信息的敏捷卫星任务规划模型,并利用蚁群算法进行寻优计算。具体设计了状态转移规则、任务安排规则和信息素更新规则。通过10个不同规模的情景案例进行仿真对比分析,仿真结果验证了云层模型和提出的处理方法在敏捷卫星任务规划问题上的有效性。     

空间预警系统任务分析/规划仿真环境

针对空间预警系统的任务分析和规划问题，使用基于ASPEN的表示建模语言建立起航夭系统的任务模型，将Pareto遗传算法、混合遗传算法等多种搜索算法，和卫星仿真软件STK集成在一起，建立了一个任务分析规/划仿真环境，并在其中进行了一些仿真分析研究，如预警卫星星座优化、预警卫星传感器调度等。     

基于遗传算法的多星协同攻击轨道优化方法

空间攻防中,对拦截卫星攻击路径的规划是成功击中目标卫星的关键因素之一,多星协同进攻方式与单星进攻方式相比,打击效果更好。基于C-W方程建立了航天器拦截的相对运动方程,采用多颗拦截卫星协同进攻的方式,根据战场态势利用遗传算法制定出拦截卫星最优协同策略,并对算法的运行参数及遗传操作进行优化设计,提高算法的自适应能力。仿真结果表明,该方法在脉冲推力的假设下提出的一种最优拦截方案能够更加灵活地满足拦截任务的需求,通过各拦截卫星之间的协同,能够有效提高整体作战效能。     

基于贪婪算法的卫星地面站任务规划方法

针对卫星地面站系统任务规划问题 ,在可视时间和任务时间的约束条件下 ,为满足最大化资源利用的目标 ,基于贪婪算法提出了一种解决该问题的有效方法 ,为进一步研究该类问题 ,给出了一种新的思路。     

空间探测相控阵雷达系统中的任务规划算法

针对空间探测相控阵雷达系统,提出了一种观测任务规划算法。首先,建立了观测任务模型和观测任务资源占用模型;其次提出一种多任务并行截止期越早越优先(multi-task parallel earliest deadline first,MTPEDF)调度算法来解决观测任务规划,该算法综合考虑雷达的搜索任务与跟踪任务来进行系统资源的分配。对于跟踪任务,算法结合目标的过境时间以及当前系统的负载情况,以此来确定雷达对该目标的观测时间段;最后给出了算法的评估方法。利用在轨的2 886个空间目标进行仿真验证,仿真结果表明算法可以较好地利用系统时间资源,合理安排雷达观测任务。