System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及在轨卫星管理领域,尤其涉及基于大语言模型的星群人智协同管控方法。
技术介绍
1、近年来,以星链、一网为代表的大规模星座网络已展开建设并初步形成能力。
2、当前对于在轨卫星的管理,主要是由地面站发起具体指令来管理的。当卫星用户发起任务需求时,地面工程师根据任务需求手动查看当前卫星平台状态、载荷状态及任务进行状态,通过统计数据或报表的形式向用户反馈任务信息,当用户发起协同任务需求时,需要地面工程师进行任务规划求解,结合领域相关知识和经验人工制定星群协同方案。这种管理方式的优点是技术方案和管理模式都非常成熟,对卫星的掌控能力强。但随着卫星的数量增多、分布广泛,单纯依靠人工,管控工作将变得十分繁重,在浪费极大的物力和人力的同时,管控耗时显著增加,已无法应对未来瞬息万变的太空环境。
3、超大规模星群与大规模星座相比区别主要体现在,超大规模星群卫星数将在万颗以上,而星座卫星数相对较少仅有百颗,因此星座管控主要体现在任务应用层面,管控方式相对成熟,而超大规模星座由于卫星数目大规模增长,管控信息也将呈指数级增长,包括但不限于卫星状态、姿轨参数、覆盖特性、通信链路、载荷状态、备份轨位、敌方状态、碰撞概率、任务状态、用户归属等海量信息。面对海量数据时决策层需要计算机进行辅助处理,因此急需发展基于对话模式的遥感星群管控技术。
4、2022年,chatgpt的问世使大模型在军事领域的潜在应用范围得以广泛扩展,除上述应用外,其还可能被用于自动目标识别及监视、战场环境支持、无人驾驶车辆、无人机系统及自主武器
5、高时效、一体化、智能化的星群人智协同管控是未来的趋势,急需进行自主自研的遥感星群人机协同管控技术研究,其目标是以任务及需求为导向,智能、高效地统筹安排卫星资源和时间,充分发挥复杂卫星系统的能力,综合海量的商业、国防和军方数据,管理各个模型所能访问的数据,提高模型对数据的使用效率,为指挥官提供详细的空间信息和完善的行动选项,以此优化决策流程并缩短决策时间,并辅助指挥官监控整个任务过程。
技术实现思路
1、本专利技术针对现有星群依靠人工管理,亟需高时效、一体化、智能化的星群人智协同管控的问题,提出一种基于大语言模型的星群人智协同管控系统,所述系统包括:
2、智能解译应答单元、超大规模星群任务规划单元与超大规模星群高效仿真推演单元;
3、所述智能解译应答单元基于航天专业知识解译识别,通过数据的文本提取、关键要素抽取与事件检测,获取对话输入的文本信息,提取关键词;根据关键词获得信息主题类别、事件类型以及相应的指控内容,根据指控内容获取任务规划集合;
4、所述超大规模星群任务规划单元用于根据智能解译应答模块获取的任务规划集合对所有遥感卫星进行遍历,对遍历后的星群进行协同任务规划与调度,将调度结果输出至超大规模星群高效仿真推演单元;
5、所述超大规模星群高效仿真推演单元接收调度结果进行实时仿真。
6、进一步的,还提供一种优选方式,所述智能解译应答单元包括询问任务模块、指控任务模块和决策任务模块;
7、所述询问任务模块用于将输入的关键词与超大规模星群高效仿真推演单元中海量数据进行匹配查询,从卫星状态、姿轨参数、覆盖特性、通信链路、载荷状态、敌方状态、碰撞概率、任务状态以及用户归属中获取用户询问信息并进行智能回复;
8、所述指控任务模块用于将输入的关键词进行分解,获得标准指令形式,并作为指控输入给超大规模星群高效仿真推演模块,通过驱动超大规模星群高效仿真推演单元中姿轨控模块、火箭模块、推力器模块、天线模块、相机模块、空间环境模块、测控覆盖模块、导航模块、传感器模块以及路由计算模块进行实时仿真;
9、所述智能解译模块将输入的关键词分解为任务规划集合,包括观测资源集合、观测目标集合以及约束集合。
10、进一步的,还提供一种优选方式,所述超大规模星群高效仿真推演单元中海量数据包括:卫星状态、姿轨参数、覆盖特性、通信链路、载荷状态、敌方状态、碰撞概率、任务状态以及用户归属。
11、进一步的,还提供一种优选方式,所述标准指令包括:执行时间、指令id、指令执行组件名称、任务名称、指令名称和指令内容。
12、进一步的,还提供一种优选方式,所述执行时间为utc时刻,格式为:年-月-日-小时-分钟-秒。
13、进一步的,还提供一种优选方式,所述超大规模星群任务规划单元的任务规划流程具体为:
14、对所有遥感卫星进行遍历;
15、根据遍历结果对遥感卫星任务时间内的轨道进行预报,并计算遥感卫星姿态与相机指向获取可观测区域;
16、遍历所有目标集合,计算遥感卫星对目标的可见性;
17、根据遥感卫星对目标的可见性针对用户输入的约束条件进行判断,筛选出可用的观测卫星列表;
18、利用任务规划方法筛选出观测列表中可选观测方案,通过智能解译应答单元将方案以文本形式反馈;
19、根据反馈结果进行决策选择与确认,在确认决策后将策略以指控形式反馈给仿真系统进行实时仿真。
20、进一步的,还提供一种优选方式,所述利用任务规划方法筛选出观测列表中可选观测方案,包括:
21、将星群的观测任务分为连续观测任务与非连续观测任务,其中,非连续观测任务仅需选取一颗最优观测卫星执行任务,连续观测任务需要对观测序列进行优化排序。
22、基于同一专利技术构思,本专利技术还提出一种基于大语言模型的星群人智协同管控方法,所述方法是基于上述任一项所述的系统实现的,所述方法包括:
23、当用户需求以文本形式进行对话输入时,智能解译应答单元将对话历史、航天领域知识以及预设关键要素进行关键要素提取,根据关键要素将用户需求进行分类;
24、分类后进行关键词提取,根据关键词获得信息主题类别、事件类型以及相应的指控内容,根据指控内容获取任务规划集合;
25、超大规模星群任务规划单元根据智能解译应答模块获取的任务规划集合对所有遥感卫星进行遍历,对遍历后的星群进行协同任务规划与调度,将调度结果输出至超大规模星群高效仿真推演单元;
26、超大规模星群高效仿真推演单元接收调度结果进行实时仿真。
27、基于同一专利技术构思,本专利技术还提出一种计本文档来自技高网...
【技术保护点】
1.基于大语言模型的星群人智协同管控系统,其特征在于,所述系统包括:
2.根据权利要求1所述的基于大语言模型的星群人智协同管控系统,其特征在于,所述智能解译应答单元包括询问任务模块、指控任务模块和决策任务模块;
3.根据权利要求2所述的基于大语言模型的星群人智协同管控系统,其特征在于,所述超大规模星群高效仿真推演单元中海量数据包括:卫星状态、姿轨参数、覆盖特性、通信链路、载荷状态、敌方状态、碰撞概率、任务状态以及用户归属。
4.根据权利要求2所述的基于大语言模型的星群人智协同管控系统,其特征在于,所述标准指令包括:执行时间、指令ID、指令执行组件名称、任务名称、指令名称和指令内容。
5.根据权利要求4所述的基于大语言模型的星群人智协同管控系统,其特征在于,所述执行时间为UTC时刻,格式为:年-月-日-小时-分钟-秒。
6.根据权利要求1所述的基于大语言模型的星群人智协同管控系统,其特征在于,所述超大规模星群任务规划单元的任务规划流程具体为:
7.根据权利要求6所述的基于大语言模型的星群人智协同管控系统,其特征
8.基于大语言模型的星群人智协同管控方法,其特征在于,所述方法是基于权利要求1至7任一项所述的系统实现的,所述方法包括:
9.一种计算机设备,其特征在于:包括存储器和处理器,所述存储器中存储有计算机程序,当所述处理器运行所述存储器存储的计算机程序时,所述处理器执行根据权利要求8所述的基于大语言模型的星群人智协同管控方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于储存计算机程序,所述计算机程序执行权利要求8所述的基于大语言模型的星群人智协同管控方法。
...【技术特征摘要】
1.基于大语言模型的星群人智协同管控系统,其特征在于,所述系统包括:
2.根据权利要求1所述的基于大语言模型的星群人智协同管控系统,其特征在于,所述智能解译应答单元包括询问任务模块、指控任务模块和决策任务模块;
3.根据权利要求2所述的基于大语言模型的星群人智协同管控系统,其特征在于,所述超大规模星群高效仿真推演单元中海量数据包括:卫星状态、姿轨参数、覆盖特性、通信链路、载荷状态、敌方状态、碰撞概率、任务状态以及用户归属。
4.根据权利要求2所述的基于大语言模型的星群人智协同管控系统,其特征在于,所述标准指令包括:执行时间、指令id、指令执行组件名称、任务名称、指令名称和指令内容。
5.根据权利要求4所述的基于大语言模型的星群人智协同管控系统,其特征在于,所述执行时间为utc时刻,格式为:年-月-日-小时-分钟-秒。
...
【专利技术属性】
技术研发人员:魏承,丛诣钦,刘天喜,贾志财,
申请(专利权)人:哈尔滨工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。