一种卫星群的启发式智能任务推理与决策方法技术

本发明专利技术公开了一种卫星群的启发式智能任务推理与决策方法，具体包括：S1信息预处理；S11信息抽取；S12信息分词；S13信息识别：使用命名体识别技术对信息中的实体对象进行识别，获得信息中的关键实体；S14信息结构化：分析句子的语法结构，标记语法关系和对应的词下标，从而生成结构化的信息；S2启发式智能任务推理；S3星上智能任务决策，以实现可实现更好的观测性能；可从整体的角度进行优化调度，利于观测资源共享，避免对某些任务重复观测而浪费卫星资源；增强卫星突发情况时的时效性、鲁棒性和动态调整能力。针对目标态势预测更加精确以提高决策有效性。

【技术实现步骤摘要】
一种卫星群的启发式智能任务推理与决策方法
本专利技术属于卫星定位领域，具体属于卫星监控技术，是一种卫星群的启发式智能任务推理与决策方法。
技术介绍
随着航天技术的不断发展和在轨卫星数目的增多，卫星逐渐成为民用信息获取、灾害防治、舰船护航等行动中不可或缺的信息获取手段，这些应用中用户的观测需求具有极高的时效性。当前应用中，利用卫星进行对地观测主要包括以下步骤：用户提出对地观测的需求或请求；卫星的管控系统周期性收集用户提出的观测需求，而后综合考虑观测需求中观测位置、空间分辨率等任务属性和系统中卫星的最大观测时长、侧摆角度约束等使用约束，以进行卫星任务规划，并制定相应的观测任务计划；依据观测任务计划制定控制指令，并上注卫星，由卫星依指令执行获取观测数据后下传到地面，经处理后发送给用户。可见，卫星任务规划在整个对地观测过程居于核心地位，卫星任务规划的结果直接影响整个对地观测过程的成败和用户通过对地观测获取信息服务的体验。然而随着卫星数量和用户需求的不断增多，以及卫星管理方对用户需要的无法预知性和用户需求的实时性以及不确定性，对于卫星调度规划，如果所有的卫星任务规划都由地面站制定并上传，处理分析大量观测数据的地面站面临的压力会急剧增加。现有技术中，对于卫星任务规划，传统的地面站规划方式存在时延高、耗费人力、资源利用率低且可能出现信息在传输过程中丢失等问题。而面向意图的星上智能任务决策技术，可以减少地面站的介入，极大提高卫星的运行效率，增加卫星系统的智能性，解决地面站规划存在的缺陷。此外，由于用户需求的复杂性、观测目标的不确定性和时效性、卫星资源的不确定性以及外部因素的不可控性等因素，导致基于单卫星任务规划问题十分复杂，以往的静态地面规划在时效性、鲁棒性、容错性和灵活性等方面存在很大的不足。
技术实现思路
本专利技术的目的在于提供一种基于意图的群智启发式任务推理与决策技术的星上智能系统，实现通过启发式智能任务推理算法对实时卫星信息进行分析推理，得到该信息的模糊意图，然后利用星上自主决策算法将模糊意图转化为结构化意图，最后对结构化意图进行参数实例化后输出可规划的任务序列集，从而实现星上的任务推理与决策。本专利技术采用以下技术方案，包括：S1信息预处理，S11信息抽取：对星上实时信息进行正则表达式抽取，获得信息中具有固定形式且缺乏语法结构的信息；S12信息分词：对剩余信息抽取后信息部分进行分词，按照词粒度进行分割，并对每个词进行词性标注，以进行信息结构化；S13信息识别：使用命名体识别技术对信息中的实体对象进行识别，获得信息中的关键实体；S14信息结构化：分析句子的语法结构，标记语法关系和对应的词下标，从而生成结构化的信息。进一步地；上述S12信息分词步骤中，设置伪分词数据库，将低频词进行存储。具体地，现有的分词模型普遍存在未登录词和歧义分词问题，例如：组合型歧义和交集型歧义。其中，未登录词是指词典中没有收录、模型不认识的词语，可以通过用户自定义词典来解决。而对于歧义分词，则需要对模型进行修正，例如“黑龙江省大兴安岭西林吉林区发生火灾”，往往会被分割为“黑龙江省”、“大兴安岭”、“西林”、“吉林”、“区”、“发生”、“火灾”，正确的分词结果应该为“黑龙江省”、“大兴安岭”、“西林吉”、“林区”、“发生”、“火灾”，不难看出，造成歧义分词的主要原因是“西林吉林区”中“吉林”和“区”都是高频字词，而“西林吉”是低频词，分词模型更趋向于将文本分为多个高频词，因此需要增加一个专门的伪分词字段库，分词时进行最大正向匹配，在本例中，将“西林吉”加入到伪分词字段库中后，模型分词时优先匹配“西林”，从而得到正确的分词结果。S2启发式智能任务推理，S21态势生成：将生成的结构化信息与历史信息库中该实体的历史状态信息作比对，自动甄别和更新本系统当前存储的态势信息，并根据信息来源与天气信息等对态势进行模糊信息的补全与扩充。S22模式识别和规则匹配：采用模式识别和规则匹配方法，将当前的模糊态势与规则库中的推理规则进行规则匹配，得到模糊意图。进一步地，态势生成过程中，涉及三个数据库及一个装置：历史信息库、整合对齐信息库、信息特征信息库以及智能化比较器。具体地，历史信息库贮存预处理步骤输出的一系列结构化信息流。整合对齐信息库贮存经过整合对齐操作后的历史信息。信息特征信息库贮存一系列特征信息。比较器将智能化比较整合对齐信息库与信息特征信息库，根据整合对齐信息库中的信息智能修改信息特征信息库，从而实现不断更新维护信息特征信息库。具体地，在模糊信息补全与扩充过程中，还涉及到信息的存储、信息流主键和外键的识别、外部信息库的智能化查询和构造以及相关信息针对特殊外键的粘连和对齐，需要采用模块化的外键识别方法与外部信息库通信，首先检索定位输入的目标信息流的对应外键，之后查询对比目标信息库的目标信息来源后加入来源信息，此后加入信息库中的天气信息的属性，最后再对相应外键进行定位连接，从而实现信息特征的智能扩充处理。进一步地，模式识别和规则匹配过程中，部分字段可以通过任务中的关键词匹配得到任务主题，如果不能通过信息匹配得到，再尝试通过知识系统中的规则库，进行规则匹配，如果规则库中没有，则基于专家经验将军事场景常见的需求要求制定成规则，对规则库进行扩充。上述启发式智能任务推理步骤实现以星上的实时信息为输入，输出模糊意图，倘若输入的是地面上注意图，例如，地面上注意图“UTC时间2019年12月31日，18:37:11，大兴安岭火灾预警。”则只需要使用预处理步骤中的正则表达式抽取、分词和命名体识别技术，便可得到模糊意图“意图：火灾预警；时间：2019-12-3118:37:11；目标名称：大兴安岭”。S3星上智能任务决策，S31使用目标信息库对模糊意图进行信息补全，得到结构化意图；S32根据意图和目标类型查询知识图谱得到不同的载荷任务清单，实现将结构化意图与意图模板库进行匹配，得到不同卫星或者同种卫星的可规划任务序列集，供后续的星上任务规划模块直接调用。进一步地，上述星上智能任务决策步骤的输入为推理步骤输出的模糊意图，往往只包含了意图、载荷、目标名称、目标区域、高度、频率、结束时间以及载荷可选等属性。此时的意图还很简略，未包含规划需要得知的重要属性，例如分辨率、任务优先级、最低成像质量等。因此，为了将意图分解为可规划的任务序列，需要建立意图参数实例化模型，将意图的重要参数实例化，其重要参数包括目标类型、观测周期、持续时间、空间分辨率、任务优先级以及最低成像质量，从而得到重要参数实例化的规范化描述意图。扩展参数的获得属于机器学习中的回归和分类问题，将历史需求和具体需求数据作为训练数据，通过规范化建模算法库中的算法进行训练，生成参数回归与分类建模模型库，再通过模型复选和参数调整结合模型融合找到最适合参数回归与分类的模型，将模型产生的结果和规则匹配产生的结果进行融合，形成最终的明确的格式化目标需求。与现有技术相比较，本专利技术能够赋予卫星智能任务推理与自主决策能力，实现星上智能化，减少人为管控的需求。同时，通本文档来自技高网...

【技术保护点】
1.一种卫星群的启发式智能任务推理与决策方法，其特征在于：/nS1信息预处理；/nS11信息抽取：对星上实时信息进行正则表达式抽取，获得信息中具有固定形式且缺乏语法结构的信息；/nS12信息分词：对剩余信息抽取后信息部分进行分词，按照词粒度进行分割，并对每个词进行词性标注，以进行信息结构化；/nS13信息识别：使用命名体识别技术对信息中的实体对象进行识别，获得信息中的关键实体；/nS14信息结构化：分析句子的语法结构，标记语法关系和对应的词下标，从而生成结构化的信息；/nS2启发式智能任务推理；/nS3星上智能任务决策。/n

【技术特征摘要】
1.一种卫星群的启发式智能任务推理与决策方法，其特征在于：
S1信息预处理；
S11信息抽取：对星上实时信息进行正则表达式抽取，获得信息中具有固定形式且缺乏语法结构的信息；
S12信息分词：对剩余信息抽取后信息部分进行分词，按照词粒度进行分割，并对每个词进行词性标注，以进行信息结构化；
S13信息识别：使用命名体识别技术对信息中的实体对象进行识别，获得信息中的关键实体；
S14信息结构化：分析句子的语法结构，标记语法关系和对应的词下标，从而生成结构化的信息；
S2启发式智能任务推理；
S3星上智能任务决策。


2.根据权利要求1所述的一种卫星群的启发式智能任务推理与决策方法，其特征在于：上述S12信息分词步骤中，设置伪分词数据库，将低频词进行存储。


3.根据权利要求1所述的一种卫星群的启发式智能任务推理与决策方法，其特征在于：对于S2启发式智能任务推理：
S21态势生成：将生成的结构化信息与历史信息库中该实体的历史状态信息作比对，自动甄别和更新本系统当前存储的态势信息，并根据信息来源与天气信息等对态势进行模糊信息的补全与扩充；
S22模式识别和规则匹配：采用模式识别和规则匹配方法，将当前的模糊态势与规则库中的推理规则进行规则匹配，得到模糊意图。


4.根据权利要求3所述的一种卫星群的启发式智能任务推理与决策方法，其特征在于：所述S21态势生成过程中，涉及三个数据库及一个装置：
历史信息信息库、整合对齐信息库、信息特征信息库以及智能化比较器。


5.根据权利要求...

【专利技术属性】
技术研发人员：刘晓路，何磊，吕济民，陈盈果，陈宇宁，姚锋，陈英武，王涛，张忠山，沈大勇，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43