一种基于遗传算法的敏捷多星任务观测计划求解方法及系统技术方案

本发明专利技术涉及一种基于遗传算法的敏捷多星任务观测计划求解方法及系统，能够支持敏捷多星任务任务规划，针对敏捷卫星的特点，建立目标函数及约束分析模型，通过对构建的满足约束分析模型任务规划模型的求解，进行遗传搜索算法的选择，交叉，变异进行相邻任务间的冲突，对观测计划方案进行优化，生成满足约束条件的最佳观测计划，提高卫星资源利用率以及解决多敏捷卫星任务执行时效性问题，针对不同的任务情况，选择不同的处理方法，达到合理分配卫星资源，增加单轨观测任务数量，提高响应时效性。

A method and system for solving agile multi Star Mission observation plan based on genetic algorithm

The invention relates to a method and system for solving the agile multi star task observation plan based on genetic algorithm. It can support the task planning of agile multi star task. Aiming at the characteristics of the agile satellite, the objective function and the constraint analysis model are established. The selection, cross and mutation of the search algorithm are used to carry out the conflict between adjacent tasks, optimize the observation plan scheme, generate the best observation plan to satisfy the constraint conditions, improve the utilization of the satellite resources and solve the problem of the timeliness of the multi agile satellite task execution, and choose different processing methods for different task conditions. To achieve reasonable allocation of satellite resources, increase the number of monorail observation tasks, and improve response timeliness.

【技术实现步骤摘要】
一种基于遗传算法的敏捷多星任务观测计划求解方法及系统
本专利技术涉及一种基于遗传算法的敏捷多星任务观测计划求解方法及系统，属于卫星观测任务规划

技术介绍
非敏捷卫星成像任务规划中，仅考虑了卫星的侧视成像能力，国内外学者对此作了非常深入的研究。建立了包括点目标、区域目标、移动目标、异轨立体成像和多星规划的相关模型，并初步地实现了非敏捷卫星对地观测点目标间的任务合成观测。同时，针对不同模型建立了不同算法，分析了相应算法的优劣，比较和发展了新的复合算法，成果颇多。目前国内外专门针对敏捷卫星任务规划的研究不多，这或许因为两个原因：一是与敏捷卫星的建设刚刚起步有关，二是该问题的研究具有一定敏感性。国外主要工作研究静态环境下的集中式任务规划方法。法国LamaitreM等学者针对法国发射的Pleiades敏捷卫星的任务规划调度问题展开了研究，在构建约束规划模型的基础上，比较了约束规划、贪婪、动态规划以及局部搜索等四种算法，并指出了各自的适用范围。Habet和Vasquez针对敏捷卫星任务规划问题，在构造邻域时，采用了一致饱和邻域的思想，提出了禁忌算法对问题进行求解。DJamal和Habet等采用禁忌搜索算法来解决单敏捷卫星调度问题并通过约束传播来保证邻域的一致性。欧空局RomainBourdel和GerardVerfaillie等研究了三颗同轨敏捷卫星的对地观测任务调度问题，并采用启发式方法求解问题。在国内研究中李玉庆构建了敏捷卫星任务规划调度的数学模型，并采用了模拟退火算法和遗传算法相结合的混合遗传算法进行求解策略。向仍湘研究了敏捷卫星对地观测的工作原理及组织实施过程，提出了约束可满足的区域目标分解方法对区域目标分解问题进行求解，针对不同的敏捷卫星任务需求，设计了不同的求解算法。Agent方法在卫星任务规划调度，星地资源优化配置等方面已得到了应用。王冲研究了多星协同任务规划问题，分析了卫星约束条件。孙凯等人为解决任务资源匹配子问题提出了学习型遗传求解算法，其构建的知识模型采取了在算法迭代过程中不断学习和提取知识的策略，并及时反馈并引导算法对任务资源匹配的寻优搜索过程。采用后移滑动策略及最优插入位置搜索策略解决单星任务处理子问题。郭浩等人研究了灵巧卫星遥感器侧摆角的计算并对敏捷成像卫星的密集任务进行了聚类，设计了一种基于最大最小蚂蚁系统的聚类算法，但是上述现有技术中存在敏捷卫星任务规划中资源效率低，时效性差等缺点。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于遗传算法的敏捷多星任务观测计划求解方法，针对多个敏捷卫星和任务需求的特点，综合约束分析模型和任务规划算法优化，有效利用卫星资源，提高任务规划效率，并满足用户观测需求请求。本专利技术为了解决上述技术问题采用以下技术方案：本专利技术设计了一种基于遗传算法的敏捷多星任务观测计划求解方法，包括如下步骤：步骤A.根据单颗敏捷卫星在规划周期轨道圈次内，卫星沿侧摆、卫星沿俯仰以及卫星沿翻滚三个自转轴的姿态机动角速度及其之间的几何关系，将待观测目标区域动态分解成多个元任务，以及其对应的多个可见时间窗口，并构建元任务集合；步骤B.分别构建满足姿态机动稳定约束条件的单星任务规划优化数学模型，以及满足卫星能量约束条件的单星任务规划优化数学模型；步骤C.针对元任务集合中的多个可见时间窗口进行编码，并基于此针对满足姿态机动稳定约束条件的单星任务规划优化数学模型，以及满足卫星能量约束条件的单星任务规划优化数学模型，计算获得同时满足上述两个约束条件单星任务规划优化数学模型最大值所对应的观测计划。作为本专利技术的一种优选技术方案：所述步骤C中，采用遗传搜索算法针对元任务集合中的多个可见时间窗口进行编码，并基于此针对满足姿态机动稳定约束条件的单星任务规划优化数学模型，以及满足卫星能量约束条件的单星任务规划优化数学模型，以适应度函数作为操作依据，运用解空间中每个个体的适应度值来进行搜索，通过选择、交叉和变异三个算子的遗传操作，获得同时满足上述两个约束条件单星任务规划优化数学模型最大值所对应的观测计划。作为本专利技术的一种优选技术方案，所述步骤A具体包括如下：根据点目标P经纬度坐标卫星轨道高度h，卫星轨道倾角τ，地球半径R，相机视场角φ，遥感器侧摆角范围[αmin，αmax]，规划周期T；设卫星观测角βt，星下点坐标为原理公式如下：计算卫星的最小观测角βmin和最大观测角βmax：计算星下点经纬度：其中，圆心角C为C＝arcsin((1+h/R)sinβt)-βt计算驻点：确定单调区间：如果且βmax＞β0，函数u＝f(β)在[βmin，β0]上单调递减，在[β0，βmax]上单调递增；如果且βmin＜β0，函数u＝f(β)在[βmin，β0]上单调递增，在[β0，βmax]上单调递减；如果且βmax≤β0，函数u＝f(β)在[βmin，βmax]上单调递减；如果且βmin≥β0，函数u＝f(β)在[βmin，βmax]上单调递减；判断是否存在可见时间窗口。与上述相对应，本专利技术还要解决的技术问题是提供一种用于基于遗传算法的敏捷多星任务观测计划求解方法的系统，针对多个敏捷卫星和任务需求的特点，综合约束分析模型和任务规划算法优化，有效利用卫星资源，提高任务规划效率，并满足用户观测需求请求。本专利技术为了解决上述技术问题采用以下技术方案：本专利技术设计了一种用于基于遗传算法的敏捷多星任务观测计划求解方法的系统，包括复杂任务区域动态分解模块、任务规划数学建模与约束分析模块、遗传算法求解模型模块，其中：复杂任务区域动态分解模块根据用户的观测需求以及卫星自身的资源情况，对观测区域动态分解为卫星一次可执行观测的条带目标；任务规划数学建模与约束分析模块为了对卫星任务规划观测计划进行优化与资源合理的分配，依据卫星等资源约束条件，进行多卫星任务规划数学模型构建；遗传算法求解模型模块依据任务约束、资源约束以及它们之间的关系，对建立满足的任务规划数学模型进行遗传算法求解，按照约束条件，生成合理的任务观测计划方案。本专利技术所述一种基于遗传算法的敏捷多星任务观测计划求解方法及系统，采用以上技术方案与现有技术相比，具有以下技术效果：本专利技术所设计基于遗传算法的敏捷多星任务观测计划求解方法及系统中，采用复杂任务区域动态分解策略：根据敏捷卫星的俯仰，翻滚，偏航特点，利用计算的星下点规划对规划周期内复杂区域目标进行动态划分，生成不同条带的元任务集合；采用任务规划数学模型优化策略：依据复杂区域分解的元任务集合，结合约束分析条件进行任务间时间窗口冲突问题的调整与修正，实现卫星资源的合理分配利用和给出满足不同约束的最佳的任务观测计划方案；采用遗传算法求解策略：依据卫星自身资源的条件以及卫星与任务间的几何关系，对构建的任务规划数学模型进行求解，与约束分析模型进行判定，生成满足不同约束条件的任务规划方案；整个技术方案有效克服敏捷卫星任务规划中资源效率低，时效性差等技术不足，针对多个敏捷卫星和任务需求的特点，综合约束分析模型和任务规划算法优化，有效利用卫星资源，提高任务规划效率，并满足用户观测需求请求。附图说明图1是本专利技术基于遗传算法的敏捷多星任务观测计划求解方法流程图。具体实施方式下面结合说明书附图对本专利技术的具体实施方式作进一步详细的说明。本专利技术本文档来自技高网...

【技术保护点】
一种基于遗传算法的敏捷多星任务观测计划求解方法，其特征在于，包括如下步骤：步骤A.根据单颗敏捷卫星在规划周期轨道圈次内，卫星沿侧摆、卫星沿俯仰以及卫星沿翻滚三个自转轴的姿态机动角速度及其之间的几何关系，将待观测目标区域动态分解成多个元任务，以及其对应的多个可见时间窗口，并构建元任务集合；步骤B.分别构建满足姿态机动稳定约束条件的单星任务规划优化数学模型，以及满足卫星能量约束条件的单星任务规划优化数学模型；步骤C.针对元任务集合中的多个可见时间窗口进行编码，并基于此针对满足姿态机动稳定约束条件的单星任务规划优化数学模型，以及满足卫星能量约束条件的单星任务规划优化数学模型，计算获得同时满足上述两个约束条件单星任务规划优化数学模型最大值所对应的观测计划。

【技术特征摘要】
1.一种基于遗传算法的敏捷多星任务观测计划求解方法，其特征在于，包括如下步骤：步骤A.根据单颗敏捷卫星在规划周期轨道圈次内，卫星沿侧摆、卫星沿俯仰以及卫星沿翻滚三个自转轴的姿态机动角速度及其之间的几何关系，将待观测目标区域动态分解成多个元任务，以及其对应的多个可见时间窗口，并构建元任务集合；步骤B.分别构建满足姿态机动稳定约束条件的单星任务规划优化数学模型，以及满足卫星能量约束条件的单星任务规划优化数学模型；步骤C.针对元任务集合中的多个可见时间窗口进行编码，并基于此针对满足姿态机动稳定约束条件的单星任务规划优化数学模型，以及满足卫星能量约束条件的单星任务规划优化数学模型，计算获得同时满足上述两个约束条件单星任务规划优化数学模型最大值所对应的观测计划。2.根据权利要求1所述的基于遗传算法的敏捷多星任务观测计划求解方法，其特征在于：所述步骤C中，采用遗传搜索算法针对元任务集合中的多个可见时间窗口进行编码，并基于此针对满足姿态机动稳定约束条件的单星任务规划优化数学模型，以及满足卫星能量约束条件的单星任务规划优化数学模型，以适应度函数作为操作依据，运用解空间中每个个体的适应度值来进行搜索，通过选择、交叉和变异三个算子的遗传操作，获得同时满足上述两个约束条件单星任务规划优化数学模型最大值所对应的观测计划。3.根据权利要求1所述的基于遗传算法的敏捷多星任务观测计划求解方法，其特征在于，所述步骤A具体包括如下：根据点目标P经纬度坐标卫星轨道高度h，卫星轨道倾角τ，地球半径R，相机视场角φ，遥感器侧摆角范围[αmin，αmax]，规划周期T；设卫...

【专利技术属性】
技术研发人员：杨正辉，朱翔宇，李双钦，张迪，卢建春，马慧斌，秦龙，张敏，赵扬扬，但立，于素梅，张晓，郭新龙，严冬，
申请(专利权)人：航天恒星科技有限公司，
类型：发明
国别省市：北京,11