基于聚类的卫星测控调度方法及系统技术方案

本发明专利技术提供了一种基于聚类的卫星测控调度方法及系统，根据任务特征将任务分为K类，评估了任务与任务之间的相近关系，让相似的任务尽可能距离近而不同的任务尽可能远，使用基于聚类的遗传算法在种群进行交叉和变异时，对两个不同类别个体进行交叉变异，实现了全局搜索和局部搜索的平衡，使得可以得到更高质量的解，很好的解决了序列依赖问题。实验表明，使用本发明专利技术的方法只需要基于知识的遗传算法大概三分之一的时间即可达到相同的优化效果。三分之一的时间即可达到相同的优化效果。三分之一的时间即可达到相同的优化效果。

Satellite measurement and control scheduling method and system based on Clustering

【技术实现步骤摘要】
基于聚类的卫星测控调度方法及系统


[0001]本专利技术属于卫星任务规划领域，尤其是涉及一种基于聚类的卫星测控调度方法及系统。

技术介绍

[0002]近些年来，随着太空技术的快速发展，卫星作为一种可以在很多领域具有应用价值的太空平台愈发扮演着一个不可或缺的角色。卫星被用来完成目标观测、导航定位、通信传输等多种类型的任务，这取决于用户任务要求。无论卫星需要执行什么样的任务，都需要由卫星地面站以直接或者间接(先传输到中继卫星)的方式将任务以指令的形式由上行链路传输。地面站给卫星上传任务、动作指令并获取卫星运行状态的过程被称为卫星测控。卫星测控调度系统通过使用高效率的调度算法实现对卫星和地面站资源的有效管理。随着在轨运行卫星数量快速增加和卫星管理控制的需要，卫星测控调度问题的有效任务调度变得更加具有挑战性。
[0003]卫星测控调度描述的是合理安排卫星和地面站的通信以实现卫星状态监测和指令上注的过程，也可简单描述为：为一系列卫星和一系列卫星地面站在相互可见的时间窗内找到合适的执行测控任务组合。卫星测控调度问题难以解决的主要原因在于，序列依赖和超额订购的特征。序列依赖是指一个任务的调度结果会影响到后续任务。这使得找到可行方案存在困难。超额订购是指地面站时间窗即便完全被使用也会有一部分任务没有被成功执行。这两个特征的同时存在使得测控调度问题变得尤为困难。卫星测控调度问题已经被证明复杂度为NP
‑
complete。

技术实现思路

[0004]本专利技术要解决的技术问题是怎样快速给出大规模卫星测控方案，提出了一种基于聚类的卫星测控调度方法及系统。
[0005]为解决上述技术问题，本专利技术所采用的技术方案是：
[0006]一种基于聚类的卫星测控调度方法，包括以下步骤：
[0007]步骤1：获取可调度的卫星资源、地面站资源、任务集以及可见时间窗集合；
[0008]步骤2：根据步骤1中所获取的内容构建混合整数规划模型；
[0009]步骤3：对所述混合整数规划模型进行求解；
[0010]步骤4：将求解得到的测控方案输出。
[0011]进一步地，所述混合整数规划模型是：
[0012]目标函数为：
[0013][0014]其中，p
t
表示任务t的收益，为0
‑
1决策变量，表示任务t是否安排在天线a上第i
个可见时间窗,1为安排，0为否，t表示任务，T表示任务集，a表示天线，A表示天线集合，表示任务t安排在天线a上第i个可见时间窗，TWta表示任务t安排在天线a上的时间窗集合；
[0015]约束条件是：
[0016][0017]式2表明任务需要在允许的开始时间之后开始执行任务；表示任务t安排在天线a上第i个可见时间窗上的实际的测控时间长度，d
t
表示任务t要求的测控时间长度；
[0018][0019]式3表明任务需要在允许的结束时间之前完成任务；表示任务t安排在天线a上第i个可见时间窗上的实际开始时间,表示任务t安排在天线a上第i个可见时间窗上的结束时间；
[0020][0021]式4表明任务最多可以执行一次；表示任务t安排在天线a上第i个可见时间窗上的的最早允许开始时间；
[0022][0023]式5表明任务实际执行时间应当与要求时间相同；表示任务t安排在天线a上第i个可见时间窗上的的最晚允许结束时间；
[0024][0025]式6表明任务执行过程需要在一个地面站时间范围内；表示任务t安排在天线a上第i个可见时间窗的开始时间；
[0026][0027]式7表明每个任务只能由一个天线服务；
[0028][0029]式8表明每个任务只能在一个可见的时间窗口内执行；表示任务t安排在天线a上第i个可见时间窗的结束时间；
[0030][0031]式9表明每个任务在全部天线上最多执行一次；
[0032][0033]式10表明每个任务在全部时间窗内最多执行一次；
[0034][0035]式11表明任务在规划周期内最多被执行一次；
[0036][0037]式12表明两个任务要满足任务转换时间的间隔要求；γ表示任务之间的转换时间。
[0038]进一步地，步骤3中对所述混合整数规划模型进行求解的方法是基于聚类的遗传算法。
[0039]进一步地，所述基于聚类的遗传算法是：
[0040]步骤3.1：初始化遗传算法参数、聚类K
‑
means方法参数；
[0041]步骤3.2：生成初始化种群,种群中的每一个个体为任务集中的所有任务进行编码后的编码序列；
[0042]步骤3.3：当迭代代数没有达到最大迭代代数时，执行步骤3.3.1；否则，执行步骤3.4；
[0043]步骤3.3.1：对种群内每一个个体生成测控方案初始解并计算目标函数值；
[0044]步骤3.3.2：如果当代种群中的最大目标函数值大于最优目标函数值，则更新最优目标函数值并计数count1＝count1+1；
[0045]如果当代种群中最大目标函数值大于上一代种群中最大目标函数值，则更新计数count2＝count2+1；
[0046]如果当代种群中最大目标函数值小于上一代种群中最大函数值乘以比例per，则更新计数count3＝count3+1；
[0047]步骤3.3.3：根据目标函数值使用轮盘赌选择个体生成新的种群；
[0048]步骤3.3.4：对新的种群使用基于聚类的交叉和变异方法进行更新；
[0049]步骤3.3.5：如果count1等于阈值Thre1，则更新k
‑
means方法的参数K值并重新基于任务属性对任务集中的任务进行聚类，重置计数参数count1；
[0050]如果count2等于Thre2，则用最优目标函数值对应的最优个体替换掉新的种群内目标函数值最小的个体，并重置计数参数count2；
[0051]如果count3等于Thre3，则对新的种群中目标函数值最大的个体进行局部优化，随机生成一个新的个体并删除新的种群中目标函数值最小的个体，重置计数参数count3；
[0052]步骤3.3.6：将新的种群中最大目标函数值记录为上一代种群最大目标函数值；
[0053]步骤3.4：将最优目标函数值对应的个体作为测控方案输出。
[0054]进一步地，步骤3.3.1中：对种群内每一个个体生成测控方案初始解的方法是任务安排算法，具体为：
[0055]对任务集中的所有任务按照编码序列依次按照可见时间窗顺序尝试安排给每个任务，如果全部时间窗都已经尝试且安排成功，则输出安排成功的结果作为初始解，否则，继续尝试安排；对每一个任务的具体安排方法为：
[0056]1)：计算任务t最早实际可用时间eat
t
和最晚实际可用时间lat
t
；
[0057]2)：如果任务本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于聚类的卫星测控调度方法，其特征在于，包括以下步骤：步骤1：获取可调度的卫星资源、地面站资源、任务集以及可见时间窗集合；步骤2：根据步骤1中所获取的内容构建混合整数规划模型；步骤3：对所述混合整数规划模型进行求解；步骤4：将求解得到的测控方案输出。2.根据权利要求1所述的方法，其特征在于，所述混合整数规划模型是：目标函数为：其中，p
t
表示任务t的收益，为0
‑
1决策变量，表示任务t是否安排在天线a上第i个可见时间窗,1为安排，0为否，t表示任务，T表示任务集，a表示天线，A表示天线集合，表示任务t安排在天线a上第i个可见时间窗，TW
ta
表示任务t安排在天线a上的时间窗集合；约束条件是：式2表明任务需要在允许的开始时间之后开始执行任务；表示任务t安排在天线a上第i个可见时间窗上的实际的测控时间长度，d
t
表示任务t要求的测控时间长度；式3表明任务需要在允许的结束时间之前完成任务；表示任务t安排在天线a上第i个可见时间窗上的实际开始时间,表示任务t安排在天线a上第i个可见时间窗上的结束时间；式4表明任务最多可以执行一次；表示任务t安排在天线a上第i个可见时间窗上的的最早允许开始时间；式5表明任务实际执行时间应当与要求时间相同；表示任务t安排在天线a上第i个可见时间窗上的的最晚允许结束时间；式6表明任务执行过程需要在一个地面站时间范围内；表示任务t安排在天线a上第i个可见时间窗的开始时间；式7表明每个任务只能由一个天线服务；式8表明每个任务只能在一个可见的时间窗口内执行；表示任务t安排在天线a上
第i个可见时间窗的结束时间；式9表明每个任务在全部天线上最多执行一次；式10表明每个任务在全部时间窗内最多执行一次；式11表明任务在规划周期内最多被执行一次；式12表明两个任务要满足任务转换时间的间隔要求；γ表示任务之间的转换时间。3.根据权利要求2所述的方法，其特征在于，步骤3中对所述混合整数规划模型进行求解的方法是基于聚类的遗传算法。4.根据权利要求3所述的方法，其特征在于，所述基于聚类的遗传算法是：步骤3.1：初始化遗传算法参数、聚类K
‑
means方法参数；步骤3.2：生成初始化种群，种群中的每一个个体为任务集中的所有任务进行编码后的编码序列；步骤3.3：当迭代代数没有达到最大迭代代数时，执行步骤3.3.1；否则，执行步骤3.4；步骤3.3.1：对种群内每一个个体生成测控方案初始解并计算目标函数值；步骤3.3.2：如果当代种群中的最大目标函数值大于最优目标函数值，则更新最优目标函数值并计数count1＝count1+1；如果当代种群中最大目标函数值大于上一代种群中最大目标函数值，则更新计数count2＝count2+1；如果当代种群中最大目标函数值小于上一代种群中最大函数值乘以比例per，则更新计数count3＝count3+1；步骤3.3.3：根据目标函数值使用轮盘赌选择个体生成新的种群；步骤3.3.4：对新的种群使用基于聚类的交叉和变异方法进行更新；步骤3.3.5：如果count1等于阈值Thre1，则更新k
‑
means方法的参数K值并重新基于任务属性对任务集中的任务进行聚类，重置计数参数count1；如果count2等于Thre2，则用...

【专利技术属性】
技术研发人员：宋彦杰，杜永浩，何磊，闫俊刚，陈英武，吕济民，陈宇宁，刘晓路，陈盈果，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：