InSAR卫星集群构型NSGA-III智能优化算法制造技术

本发明专利技术公开了InSAR卫星集群构型NSGA

Nsga-iii intelligent optimization algorithm for InSAR satellite cluster configuration

【技术实现步骤摘要】
InSAR卫星集群构型NSGA
‑
III智能优化算法


[0001]本专利技术涉及卫星集群的构型设计，具体地，涉及一种基于NSGA
‑
III算法的InSAR卫星集群构型优化设计方法。

技术介绍

[0002]集群卫星因灵活性高，研制周期短，发射成本低等特点得到国内外广泛的关注与应用。InSAR卫星集群系统可以利用成员卫星的相对轨道特性，实现干涉测高、高分辨率测绘成像以及地面动态目标显示(GMTI)等功能，拓展了传统SAR卫星的应用范围。
[0003]InSAR集群系统的构型设计需要在充分考虑构型稳定、长短基线搭配、测高精度、星间安全距离等因素的基础上，协调各因素之间的矛盾指标，得出切实可行的最优方案，是一个涉及多目标多约束的工程优化求解问题。目前国内外对InSAR卫星系统高程测量的应用场景进行了大量研究，提出了多种构型设计方法。如《一种分布式卫星合成孔径雷达编队构型方法》(专利号CN 101520511 B)将多组基线最优组合的约束条件作为设计输入，提出了一种“同心环”InSAR编队构型设计方法，实现了编队系统在任意时刻均满足基线组合最优的设计要求；2009年，李洋、张润宁等人在《基于InSAR任务性能要求的编队轨道构型设计》中，针对InSAR双星编队测高精度对轨道构型的要求，提出了四种构型设计方案，并对四种方案的优缺点进行了分析；2013年，伍升钢、钱山等人在《分布式InSAR卫星绕飞角设计与控制方法研究》中，基于Hill方程提出了带有特定绕飞角的InSAR卫星编队绕飞构型设计方法，并给出了保证绕飞角稳定性的约束条件。但已有成果大多仅考虑了两星编队且多以构型稳定或基线测高精度为目标进行构型设计，并没有从InSAR卫星系统的工程应用出发，综合考虑系统的安全性、稳定性以及有用性对系统设计的要求。

技术实现思路

[0004]针对上述
技术介绍
的不足，本专利技术提供了一种InSAR卫星集群构型NSGA
‑
III智能优化算法，该方法圆满地解决了InSAR集群构型设计中难以求解的多目标多约束优化难题；设计了两颗从星相对一颗主星运动的“同心环”集群构型，该构型采用长短基线搭配的方式工作，能够同时满足星间避碰、构型稳定和测高性能等方面的设计要求。
[0005]本专利技术为实现上述专利技术目的采用如下技术方案：
[0006]步骤1，基于相对E/I矢量的InSAR集群卫星相对运动学建模：
[0007]采用相对E/I矢量描述集群构型时，可以通过较少的轨道要素得到直观的构型几何关系，便于卫星集群的构型设计。基于相对E/I矢量建立的集群相对运动学模型为:
[0008][0009]其中，p＝a|Δe|为平面内构型尺寸；s＝a|Δi|为平面外构型尺寸；l
x
＝Δa为径
向绕飞中心的偏置量；l
y
＝a(Δω0+ΔM0+ΔΩ0cosi)为沿航迹向绕飞中心的偏置量；为平面内振动的相位角；θ为平面外振动的相位角。
[0010]步骤2，结合InSAR卫星集群长短基线搭配干涉成像实际工程需求，基于集群相对运动学模型明确“同心环”构型优化变量和变量取值范围。
[0011]步骤3，基于集群相对运动学模型，建立以星间安全、构型稳定、测高性能为优化指标的3个目标函数。
[0012]具体地：从星间安全、构型稳定、测高性能三个角度构建目标函数，分别为：
[0013]G1＝
‑
min{d1,d2}
[0014][0015][0016]G1、G2、G3分别为构型安全评价函数、构型稳定评价函数和测高性能评价函数；d1为主星与从星之间距离的最小值；d2为从星之间距离的最小值；v
d
为集群构型沿航迹向的漂移速度；σ
Δh
为高度测量误差，P
T
为满足某一精度要求的时间覆盖率，α和β为加权系数，N为从星数量。
[0017]步骤4，构造基于NSGA
‑
III算法的InSAR卫星集群构型智能优化设计算法：
[0018]NSGA
‑
III多目标优化算法基于良好分布的参考点来保持种群的多样性，可以高效地解决高维多目标优化问题。本专利技术针对构型设计问题，使用NSGA
‑
III算法优化求解的流程如下所示：
[0019]步骤4.1，初始化NSGA
‑
III算法中的种群，设置算法参数。算法参数包含种群规模、迭代次数、交叉概率与变异概率等；
[0020]步骤4.2，设置目标函数相关优化变量参数。本专利技术中，优化变量设为2颗从星轨道平面内的构型尺寸p与相位角种群中的每个个体记为4维向量目标函数向量记为[G1,G2,G3]；
[0021]步骤4.3，随机产生种群大小为S初始父代种群P
t
，并通过交叉、变异等遗传操作生成子代种群Q
t
；
[0022]步骤4.4，将父代种群和子代种群进行合并，得到种群大小为2S的新种群R
t
，计算R
t
中个体适应度值，即目标函数值；
[0023]步骤4.5，对新种群R
t
进行快速非支配排序，得到若干非支配层，然后基于参考点选择较好的S个个体作为下一代的父代种群；
[0024]步骤4.6，重复步骤4.3至步骤4.5，直到算法达到最优或最大迭代次数时，结束进化过程。
[0025]步骤5，优化结束后，根据主星轨道要素和构型优化变量的数值计算InSAR卫星集群从星的轨道要素参数，完成构型优化设计。
[0026]根据帕累托最优解确定目标构型参数结合主星轨道要素参数[a,e,i,ω,Ω,M]和目标构型参数计算从星轨道要素参数。其中，a为半长轴、e为偏心率、i为轨道倾角、ω为近地点幅角、M为平近点角、Ω为卫星升交点赤经。
[0027]与现有技术相比，本专利技术具有如下的有益效果：
[0028]从安全性、稳定性和有用性三个角度考虑了InSAR卫星集群构型的设计要求，将星间距离评价函数、构型稳定评价函数以及测高性能评价函数作为多目标优化对象，使用NSGA
‑
III算法对三个目标函数进行优化求解，实现了InSAR卫星集群构型的智能优化设计，解决了工程实际中难以求解的多目标多约束问题。
附图说明
[0029]图1为基于NSGA
‑
III的InSAR卫星集群构型优化设计流程图；
[0030]图2为使用NSGA
‑
III算法对集群构型进行优化设计得到的Pareto最优解；
[0031]图3为卫星集群的“同心环”构型在相对坐标系中的三维轨迹示意图；
[0032]图4为星间距离在一个轨道周期内的变化曲线示意图；
[0033]图5为长短基线的测高精度在一个轨道周期内的变化曲线示意图；
[0034]图6为垂直有效基线在一个轨道周期内的长度变化曲线本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.InSAR卫星集群构型NSGA
‑
III智能优化算法，其特征在于,包括：步骤1，基于相对偏心率/倾角矢量建立InSAR卫星集群相对运动学模型，设计两颗从星相对一颗主星运动的“同心环”集群构型；步骤2，基于所述相对运动学模型，结合InSAR卫星集群长短基线确定“同心环”构型的优化变量及其优化范围；步骤3，基于集群相对运动学模型，建立以星间安全、构型稳定、测高性能为优化指标的目标函数，分别为：星间距离目标函数、构型稳定目标函数和测高性能目标函数；步骤4，利用NSGA
‑
III算法对目标函数进行优化求解，求得帕累托最优解集；步骤5，根据帕累托最优解确定目标构型参数和卫星轨道要素参数，实现集群构型的智能优化设计。2.根据权利要求1所述的InSAR卫星集群构型NSGA
‑
III智能优化算法，其特征在于，步骤1具体包括：步骤1.1，采用相对偏心率/倾角矢量描述集群构型，相对倾角矢量为Δi，相对偏心率矢量为Δe，则线性化的相对运动方程为：其中，Δi
X
和Δi
Y
为相对倾角矢量的两个分量；Δe
X
和Δe
Y
为相对偏心率矢量的两个分量；v为卫星的轨道速度，a为半长轴，Δa为半长轴之差；Δr和为相对运动状态，下标R、T、N分别表示径向、沿航迹向和法向，u为平纬度幅角；步骤1.2，简化步骤1.1的相对运动方程为：其中p和s分别为平面内与平面外的构形尺寸，l
x
为径向绕飞中心的偏置量，l
y
为沿航迹向绕飞中心的偏置量，和θ分别为xoy平面内与平面外运动的相位角。3.根据权利要求2所述的InSAR卫星集群构型NSGA
‑
III智能优化算法，其特征在于，所述步骤2中，“同心环”集群构型中两颗从星与主星形成长短两条基线，根据长短基线的可用长度约束，确定优化算法中优化变量即两颗从星的平面内构型尺寸和平面内相位角的优化范围。4.根据权利要求1至3任意一项所述的InSAR卫星集群构型NSGA
‑
III智能优化算法，其
特征在于，步骤3具体为：步骤3.1，建立InSAR卫星集群系统的星间距离目标函数G1：G1＝
‑
min{d1,d2}，其中d1为主星与从星之间距离的最小值，d2为各个从星之间距离的最小值；步骤3.2，建立InSAR卫星集群系统的构型稳定目标函数G2：采用广义不变构型的概念，使得构型中心的y向漂移速度为零，保证构型沿航迹向稳定，稳定条件为Δa，集群构型沿航迹向的漂移速度为v
d
，其中，n为平均轨道角速度且v
d
→
0，步骤3.3，建立InSAR卫星集群系统的测高性能目标函数G3：包括测高精度指标及时间覆盖率指标两部分，其中，测高精度指标即测高误差σ
Δh
，时间覆盖率指标即满足测高精度要求的轨道周期时间占比P

【专利技术属性】
技术研发人员：贾庆贤，桂玉乐，舒睿，于丹，吴云华，高君楠，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：