基于循环神经网络的在轨多卫星组网体系适用性评估方法技术

本发明专利技术公开了基于循环神经网络的在轨多卫星组网体系适用性评估方法，包括体系适用性评估指标体系设计步骤：针对卫星在组网系统中完成任务时的体系贡献，建立评估指标进行体系适用性评估，循环神经网路模型设计步骤：通过循环神经网路模型对权重进行在线优化，其中，所述体系适用性评估指标体系设计步骤包括：基于卫星系统的特点和工作流程建立其体系适用性评估，指标体系包括任务覆盖性与应急响应性和轨道机动性以及数据兼容性跟传输时效性，能够实现实时、准确的评估结果，提高卫星在轨运行的任务管理效率，能够在卫星运行中不断更新模型，提高评估精度，能够快速发现卫星故障和问题，提高卫星运行的可靠性。提高卫星运行的可靠性。提高卫星运行的可靠性。

【技术实现步骤摘要】
基于循环神经网络的在轨多卫星组网体系适用性评估方法


[0001]本专利技术涉及基于循环神经网络的在轨多卫星组网体系适用性评估方法，尤其涉及基于循环神经网络的在轨多卫星组网体系适用性评估方法，属于


技术介绍

[0002]由于卫星资源的限制，单个卫星往往只有单一功能。为了完成特定任务，通常需要多个卫星组成编队相互通信，协同作业。分布式卫星系统是由多颗小卫星组成的空间系统，这些小卫星在一个或多个轨道上分布运行，以一定的组网方式共同实现相应空间任务。使用小卫星来组成分布式卫星组网系统的优势主要体现在两个方面：一方面是减少成本，小卫星质量轻、体积小，因此可以使用较小的运载火箭进行发射，并且小卫星从研发到发射所经历的周期短，在时间和原料上也降低了不少成本；另一方面主要是增强系统的鲁棒性。由于小卫星较容易发射，当小卫星以一定的方式组网运行时，当有一颗小卫星出现故障就可以很快发射另一颗备份卫星，从而不会影响分布式卫星组网系统的整体功能，增强系统的健壮性。
[0003]在轨卫星体系是现代卫星运行的主流方式，包括多个卫星组成的卫星群或星座，利用卫星网络形成一个完整的天基信息体系可以及时准确地获取、处理和分发战场空间信息，组网卫星中卫星之间相互配合协同作业是可以提高卫星的任务完成效率，但是对于一个特定的任务，又不一定需要全部卫星都参与，在轨卫星体系的有效运行和管理需要对各个卫星的体系适用性进行评估，以便及时发现问题、优化调整，传统的在轨多卫星组网体系适用性评估方法主要依赖于人工判断和经验，其缺点在于耗时耗力、难以达到实时评估和准确度较低等问题。近年来，随着机器学习和人工智能的快速发展，利用循环神经网络对在轨多卫星组网体系中的卫星适用性进行预测和分析，已成为一种新的解决方案，对此有必要提出基于循环神经网络的在轨多卫星组网体系适用性评估方法。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术基于循环神经网络的在轨多卫星组网体系适用性评估方法存在的缺点，而提出的基于循环神经网络的在轨多卫星组网体系适用性评估方法。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]设计基于循环神经网络的在轨多卫星组网体系适用性评估方法包括：
[0007]体系适用性评估指标体系设计步骤：针对卫星在组网系统中完成任务时的体系贡献，建立评估指标进行体系适用性评估；
[0008]循环神经网路模型设计步骤：通过循环神经网路模型对权重进行在线优化。
[0009]优选的，所述体系适用性评估指标体系设计步骤包括：基于卫星系统的特点和工作流程建立其体系适用性评估，指标体系包括任务覆盖性与应急响应性和轨道机动性以及数据兼容性跟传输时效性。
[0010]优选的，所述循环神经网路模型设计步骤包括：由于评价存在多个指标，指标的权重设计会影响最终的评估效果，需要在初始给定一组权重分配初值，后续通过循环神经网路模型对权重进行在线优化。
[0011]优选的，所述任务覆盖性包括：将对某一特定区域的覆盖时长与观测任务执行的总时长进行计算，值越大代表对指定区域的覆盖越充分；
[0012]所述应急响应性包括：代表卫星对应急任务任务的响应快慢，可以从系统接收指令到系统开始进行任务执行的时间进行评估；
[0013]所述轨道机动性包括：以进行轨道转移所需要的时间进行评价；
[0014]所述数据兼容性包括：代表了卫星的数据处理和通信能力，通信传输的过程中，数据发生误码的码元个数与传输的总码元数之比，误码率越高，信道的传输质量越差，数据兼容性越差。
[0015]所述传输时效性包括：卫星星上通信服务请求和响应该请求之间的时间。反映了网络根据传输优先级别及时交付信息的能力，是网络信息交付的实时性或准实时性的标志，代表了卫星参与整体组网后对系统传输时间的影响。
[0016]优选的，所述循环神经网路模型对权重进行在线优化步骤包括：假设可获得的任务数据和参与卫星的数量为Q，设定滑动窗口长度为N，滑动窗口长度即为每次训练输入卫星数据的长度，循环神经网络每次训练输出一个预测的卫星体系适用性数据，并采用“去旧补新”模式迭代更新滑动窗口中的体系适用性数据，即用训练输出值作为最新数据替换滑动窗口中的最旧数据，循环神经网络迭代进行Q
‑
N次训练，不断优化参数获得卫星体系适用性预测模型。
[0017]本专利技术提出的基于循环神经网络的在轨多卫星组网体系适用性评估方法，有益效果在于：
[0018](1)能够实现实时、准确的评估结果，提高卫星在轨运行的任务管理效率。
[0019](2)能够在卫星运行中不断更新模型，提高评估精度。
[0020](3)能够快速发现卫星故障和问题，提高卫星运行的可靠性。
附图说明
[0021]图1为本专利技术提出的基于循环神经网络的在轨多卫星组网体系适用性评估方法的循环神经网络计算模型结构示意图；
[0022]图2为本专利技术提出的基于循环神经网络的在轨多卫星组网体系适用性评估方法的在轨卫星体系适用性评估方法步骤结构示意图。
[0023]图3为本专利技术提出的基于循环神经网络的在轨多卫星组网体系适用性评估方法的数据添加完成后的体系适用性评估任务显示结构示意图。
[0024]图4为本专利技术提出的基于循环神经网络的在轨多卫星组网体系适用性评估方法的训练时循环神经网络的奖励函数收敛的变化曲线结构示意图。
具体实施方式
[0025]下面将结合本专利技术实施例基于循环神经网络的在轨多卫星组网体系适用性评估方法的附图，对本专利技术实施例基于循环神经网络的在轨多卫星组网体系适用性评估方法的
技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0026]参照图1
‑
4，基于循环神经网络的在轨多卫星组网体系适用性评估方法，包括：
[0027]体系适用性评估指标体系设计步骤：针对卫星在组网系统中完成任务时的体系贡献，建立评估指标进行体系适用性评估；
[0028]循环神经网路模型设计步骤：通过循环神经网路模型对权重进行在线优化。
[0029]其中，所述体系适用性评估指标体系设计步骤包括：基于卫星系统的特点和工作流程建立其体系适用性评估，指标体系包括任务覆盖性与应急响应性和轨道机动性以及数据兼容性跟传输时效性。
[0030]其中，所述循环神经网路模型设计步骤包括：由于评价存在多个指标，指标的权重设计会影响最终的评估效果，需要在初始给定一组权重分配初值，后续通过循环神经网路模型对权重进行在线优化。
[0031]其中，所述任务覆盖性包括：将对某一特定区域的覆盖时长与观测任务执行的总时长进行计算，值越大代表对指定区域的覆盖越充分，其计算如下方法如下：
[0032]总覆盖时间是整个仿真周期T内，星座对目标覆盖了N次，每次覆盖时间为t
i
，则
[0033]所述应急响应性包括：代表卫星对应急任务本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于循环神经网络的在轨多卫星组网体系适用性评估方法，其特征在于，包括：体系适用性评估指标体系设计步骤：针对卫星在组网系统中完成任务时的体系贡献，建立评估指标进行体系适用性评估；循环神经网路模型设计步骤：通过循环神经网路模型对权重进行在线优化。2.根据权利要求1所述的基于循环神经网络的在轨多卫星组网体系适用性评估方法，其特征在于，所述体系适用性评估指标体系设计步骤包括：基于卫星系统的特点和工作流程建立其体系适用性评估，指标体系包括任务覆盖性与应急响应性和轨道机动性以及数据兼容性跟传输时效性。3.根据权利要求1所述的基于循环神经网络的在轨多卫星组网体系适用性评估方法，其特征在于，所述循环神经网路模型设计步骤包括：由于评价存在多个指标，指标的权重设计会影响最终的评估效果，需要在初始给定一组权重分配初值，后续通过循环神经网路模型对权重进行在线优化。4.根据权利要求2所述的基于循环神经网络的在轨多卫星组网体系适用性评估方法,其特征在于，所述任务覆盖性包括：将对某一特定区域的覆盖时长与观测任务执行的总时长进行计算，值越大代表对指定区域的覆盖越充分；所述应急响应性包括：代表卫星对应急任务的响应快...

【专利技术属性】
技术研发人员：马先龙，孟中杰，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：