地球静止轨道-低轨道最优异面转移方法

研究了轨道转移飞行器（orbital transfer vehicle, OTV）从地球静止轨道向低轨道的最优异面转移过程,提出了解析法和智能优化算法。在解析法中,完整地推导了最优转移轨道的求解方法,提出了最优转移轨道应满足的条件,并采用牛顿迭代法求解第1次速度脉冲应改变的轨道倾角。以离轨点位置、入轨点位置和转移时间为优化变量,采用遗传算法对最优转移过程进行求解,给出了遗传算法求解该优化问题的设计步骤,并将变轨过程在卫星工具包（satellite tool kit, STK）场景中进行了演示。仿真结果表明两种方法均能满足Lawden一阶最优必要条件。     

基于PSO-BP神经网络的广播星历轨道误差预测模型

在卫星导航数据处理实践中,发现广播星历轨道误差中客观存在不确定性的规律现象,针对这种不能用确定数学模型表示的误差信息,建立基于粒子群优化反向传播(back propagation,BP)神经网络的轨道误差预测模型。通过粒子群算法对BP神经网络的初始权值和阈值进行全局寻优,利用广播星历解算出的卫星空间位置和速度,并结合时间信息和摄动改正数对神经网络进行训练和测试。结果表明该模型对广播星历轨道误差具有较好的拟合能力和预测效果,用该模型对卫星位置解算提供误差补偿,可有效提高卫星定轨精度,降低系统级误差。     

基于改进多圆锥截线的月地返回轨道快速设计方法

针对返回近地空间站的月地转移轨道优化问题,提出一种基于改进多圆锥截线的高精度轨道设计方法。该类问题与再入大气月地轨道设计不同,需要考虑空间站轨道面约束。首先分析飞行任务过程,基于逆步长积分策略建立优化模型;然后根据地月位置关系,提出近月点窗口和轨道设计参数的初值估计方法;最后对多圆锥截线法进行改进,并与高精度轨道模型相结合,精确快速求解月地转移轨道。仿真算例验证提出的轨道优化策略具有较好的收敛特性和计算效率,并揭示了返回窗口、近月点出发域和速度增量的变化特性和规律。     

融合功率分配策略的NGSO-GSO频率干扰计算方法研究

针对地球静止轨道(geostationary satellite orbit,GSO)卫星系统与非GSO(none GSO,NGSO)星座系统间的干扰分析场景,结合NGSO、GSO系统的空间链路、波束业务需求量和信道等特征,提出了融合功率分配策略的NGSO-GSO频率干扰计算方法,构建了上、下行通信链路的目标函数和约束...     

基于METRIC理论的超大规模卫星星座多级备份策略

针对超大规模卫星星座可能出现的运行维护成本高、任务可用度低的问题, 结合卫星批量化生产以及采用一枚火箭将多颗卫星送入轨道(一箭多星)的现状, 基于可维修备件多级保障库存技术(multi-echelon technique for recoverable item control, METRIC)提出一种超大规模卫星星座多级备份策略。首先, 阐述了基于METRIC理论的卫星星座多级备份策略模型的原理, 备份策略同时考虑地面备份、停泊轨道备份以及星座轨道备份3种备份模式, 建立了考虑卫星年平均需求量、期望需求量与期望短缺数的星座可用度模型, 包含制造费用和发射费用的星座备份费用模型,以及以星座可用度为约束, 星座备份费用为优化目标的数学优化模型。然后, 以某型超大规模低轨卫星星座为案例研究对象, 使用遗传算法和边际分析法进行求解。最后, 讨论了遗传算法与边际分析法在求解该优化问题时的优缺点。结果表明, 在同一星座可用度指标下, 采用星座多级备份策略可比采用传统两级备份策略有效降低每年备份费用; 在保证星座可用度的前提下大幅降低了超大规模卫星星座的备份费用, 可为精确配置各级备份卫星数量提供参考。     

基于注意力机制的混合CNN-BiLSTM低轨卫星信道预测算法

针对低轨道卫星信道质量变化迅速、信道参数“过时”的问题, 提出了一种基于注意力机制的卷积神经和双向长短时记忆神经网络(attention-convolutional neural network and bi-directional long-short term memory neural network, AT-CNN-BiLSTM)融合的信道预测方法。该方法由信号预处理、网络训练和信号预测3部分组成。首先在高斯白噪声条件下模拟室外卫星信号, 得到卫星信号的训练集和测试集; 然后将训练集输入构建的训练网络进行特征提取; 最后将测试数据输入网络进行预测分析。仿真结果表明, 在与其他4种人工智能方法的对比中, 所提出的混合神经网络能够在较快的收敛速度下达到较高的准确率(91.8%), 有效地缓解了低轨道卫星信道参数“过时”的现状, 对提升卫星通信质量和节省卫星信道资源有良好的改善作用。     

基于ALPSO算法的低轨卫星小推力离轨最优控制方法

低轨卫星在到寿后,需要在一定时间内离轨,而轨道高度高于800 km的卫星难以在自然条件下离轨。为了使卫星在规定时间内离轨,提出一种基于增广拉格朗日粒子群优化(augmented Lagrangian particle swarm optimization, ALPSO)算法的低轨卫星小推力离轨最优控制算法。首先依据小推力的特点列出摄动方程,并利用哈密尔顿方程求出带协状态参数的最优控制率。而后分别阐述了粒子群算法和增广拉格朗日方法,并据此得出了算法流程。最后与遗传算法的优化结果进行对比。结果表明, ALPSO算法迭代次数较少,收敛精度较高,降低轨道高度的第一种处置轨道适用于轨道高度821 km的卫星离轨,离轨时间为857天。该算法可用于低轨卫星小推力离轨问题的求解。     

基于HLA的卫星轨道机动仿真研究

针对STK(Satellite Tool Kit)在联合作战仿真中实时互操作能力的不足,提出了一种灵活的基于HLA(High Level Architecture)的卫星轨道机动仿真系统设计方法。建立了圆轨道之间平面内霍曼转移、平面外单脉冲和双脉冲轨道转移三种轨道机动模型,设计了多视图可视化表现子系统和仿真对象模型(Simulation Object Model,SOM)。与STK的仿真结果对比表明了该方法的可行性和模型的有效性。     

低轨卫星物联网场景下基于吸引子选择算法的多星负载均衡算法

低地球轨道(low earth orbit,LEO)卫星物联网系统中由于低轨卫星的高速运动,导致卫星波束覆盖范围内节点业务模型在空间和时间两个维度呈现不均匀性和时变性.针对这一特征,提出一种空时二维卫星物联网业务模型,在空间维度采用网格划分的方法确定不同地理环境下节点密度和坐标位置,在时间维度采用贝塔分布进行建模,从而...     

基于深度强化学习的网络路由优化方法

针对同一网络拓扑下不同网络负载的路由优化问题, 在深度强化学习方法的基础上, 提出了两种依据当前网络流量状态进行路由分配的优化方法。通过网络仿真系统与深度强化学习模型的迭代交互, 实现了对于流量关系分布的网络路由持续训练与优化。在利用深度确定性策略梯度(deep deterministec policy gradient, DDPG)算法解决路由优化问题上进行了提升和改进, 使得该优化方法更适合解决网络路由优化的问题。同时, 设计了一种全新的链路权重构造策略, 利用网络流量构造出用于神经网络输入状态元素, 通过对原始数据的预处理加强了神经网络的学习效率, 大大提升了训练模型的稳定性。并针对高纬度大规模网络的连续动作空间进行了动作空间离散化处理, 有效降低了其动作空间的复杂度, 加快了模型收敛速度。实验结果表明, 所提优化方法可以适应不断变化的流量和链路状态, 增强模型训练的稳定性并提升网络性能。     

地球同步卫星的小推力离轨最优控制

地球同步卫星结束服务时,需要离开地球同步轨道。考虑利用小推力的方式使得地球同步卫星离轨。将小推力的最优控制问题考虑为一个平面轨道转移问题,利用最优控制理论建立两点边值问题求解轨道转移问题,并给出数值计算结果。     

区域覆盖星座结构与参数同时优化的进化算法

针对区域覆盖卫星星座的优化设计问题,设计了一种能同时优化星座结构和参数的进化算法。算法采用固定长度的染色体编码,由星座可能的最多轨道面数和各轨道面内最多卫星数目确定的最多变量个数决定染色体编码长度。根据个体星座的轨道面数和各轨道面卫星数的实际值确定染色体中哪些基因是冗余的,并将这些冗余的基因设为隐性,达到可变维数优化的目的,从而实现星座结构的优化。染色体采用二进制/实数混合编码的方式处理同时具有整数/连续变量的星座优化问题,二进制编码部分采用二进制的进化算子,实数编码部分采用一组星座设计专用的进化算子。在一个虚拟的区域海洋监视卫星星座优化设计中的应用显示了该算法的有效性。     

基于卫星可靠度和MTTR星座空间备份策略设计

基于卫星可靠度建立了星座系统可靠度模型,分析了星座构型、卫星的可靠度、备份卫星数目对星座系统可靠度的影响。通过分析备份卫星的可用性、卫星的固有可用度,提出了备份卫星轨道设计约束条件。基于平均修复时间建立了备份卫星重构控制模型,分析了备份卫星数目、备份卫星轨道、平均修复时间对备份卫星重构控制平均特征速度的影响。最后针对卫星星座对系统可靠度和平均修复时间的需求,提出了一套备份卫星子星座构型优化设计方法并给出了设计实例。     

同构双基地雷达星座优化设计

通过对卫星的轨道特性、星座中卫星间的相对运动规律以及对地覆盖特性的研究,推导了星载单基地和双基地雷达探测区域计算公式,分析了双基地角和目标前向散射区域与卫星相对位置的关系。基于星座固有的空间约束条件,讨论了由于平台运动引起的地杂波多普勒频率扩展与卫星飞行的几何关系。最后,分析了系统性能与星座构型参数和卫星轨道根数的关系,提出了利用逆向运行极轨道同构星座作为多基地雷达星座的基本构型,并针对该构型星座提出了一套优化设计方法并给出了设计实例。     

强化学习中的策略重用:研究进展

策略重用(policy reuse,PR)作为一种迁移学习(transfer learning,TL)方法,通过利用任务之间的内在联系,将过去学习到的经验、知识用于加速学习当前的目标任务,不仅能够在很大程度上解决传统强化学习(reinforcement learning,RL)收敛速度慢、资源消耗大等问题,而且避免了在...     

多星联合对地观测调度问题的列生成算法

多星联合对地观测调度问题作为一类大规模组合优化问题, 其求解算法往往采用启发式或超启发式. 运用列生成思想对该问题设计了完全搜索算法. 在建立了问题的整数规划模型之后, 将原问题分解为集合配置主问题和含时间窗口的最短路径子问题, 其中集合配置主问题采用主单纯型法通过CPLEX求解, 含时窗的最短路径子问题采用动态规划求解, 该动态规划算法围绕观测冲突时段这一关键资源进行最优子路径的扩展. 只有在子问题的最优解对主问题的优化目标仍有改进时, 主问题的约束矩阵列才被扩展. 该算法针对部分算例得到了最优解, 其余算例也在指定的时间内得到了相比一种基于优先级的启发式算法更优的解.     

支持向量回归机元参数优化方法

为了优化ε不敏感支持向量回归机（ε-support vector regression, ε-SVR）的三类元参数,根据其耦合程度将其优化问题分解为核参数优化和结构参数（即不敏感参数和正则化参数）优化两个子问题,并提出了相应的优化方法。首先,提出了一种新的核校准系数以优化核参数;其次,提出了一种基于期望训练误差的结构参数优化方法;最后,为准确估算ε-SVR的期望训练误差,还提出了一种根据实际训练误差分布特征评估和校正期望误差的方法。仿真结果表明,该文方法具有与交叉检验法近似的优化效果,且时间效率更高。