【技术实现步骤摘要】
本专利技术涉及任务星预测，是一种基于bp神经网络的超大规模遥感星群最优任务星预测方法。
技术介绍
1、随着大规模星座的快速部署全面开展，星座规模逐渐增大，往往达到数千数万颗。超大规模遥感星群的成员数量多、管控数据量大，常用于处理时敏任务，时敏任务具有突发、复杂以及时效等特性。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。
2、传统星座多星任务规划主要面对有限的观测资源即解决超额订阅问题，而超大规模星座由于观测资源相对充足，则需要在海量的卫星中选择执行该任务最有竞争力的卫星。利用现有的轨道预报和覆盖计算方法虽然精确度高，但是具有计算量大影响任务实时性的问题，另外，对于最优星的预测还需要对其任务过程中的评价指标进行复杂计算。近些年,遥感任务领域的研究者提出了“任务可调度性”的概念,利用历史调度数据,在任务分配前,预测遥感卫星(eos)能否成功调度。baletal,(2015)利用集成bp神经网络对单星遥感任务可调度星进行预测，平均...
【技术保护点】
1.一种基于BP神经网络的超大规模遥感星群最优任务星预测方法，其特征是：包括以下步骤：
2.根据权利要求1所述的方法，其特征是：所述步骤1具体为：
3.根据权利要求2所述的方法，其特征是：
4.根据权利要求3所述的方法，其特征是：
5.根据权利要求4所述的方法，其特征是：所述步骤2具体为：
6.根据权利要求5所述的方法，其特征是：
7.根据权利要求6所述的方法，其特征是：所述步骤3具体为：
8.一种基于BP神经网络的超大规模遥感星群最优任务星预测系统，其特征是：所述系统包括：
<...【技术特征摘要】
1.一种基于bp神经网络的超大规模遥感星群最优任务星预测方法，其特征是：包括以下步骤：
2.根据权利要求1所述的方法，其特征是：所述步骤1具体为：
3.根据权利要求2所述的方法，其特征是：
4.根据权利要求3所述的方法，其特征是：
5.根据权利要求4所述的方法，其特征是：所述步骤2具体为：
6.根据权利要求5所述的方法，其特征是：
7.根据权利要求...
【专利技术属性】
技术研发人员：刘天喜，仲惟超，魏承，梅笑寒，邓泓，伍国威，丛诣钦，
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。