一种基于时空图神经网络的卫星多任务自主规划方法及系统技术方案

本发明专利技术公开了一种基于时空图神经网络的卫星多任务自主规划方法及系统，通过构建融合卫星轨道参数、地面站可见性窗口及任务需求的时空特征图，利用改进的时空图卷积网络(ST‑GCN)提取特征，并结合蒙特卡洛树搜索(MCTS)生成动态规划方案。系统包含时空建模模块、决策引擎模块和通信模块，支持动态任务插入与多星协同优化，规划响应时间缩短至12秒内，资源利用率提升至89.3％。本方法通过联邦学习架构实现多星模型参数聚合，并采用差分隐私(\(\epsilon＝0.5\)，\(\delta＝1\times 10^{‑5}\))保障数据安全，适用于高密度卫星星座的自主任务调度场景。

【技术实现步骤摘要】

本专利技术属于航天器自主控制，具体涉及基于时空图神经网络的卫星多任务自主规划方法及系统。

技术介绍

1、在航天器自主控制
，随着卫星应用的日益广泛，高密度卫星星座的任务规划面临诸多挑战。当前，传统的卫星任务规划方法难以有效处理复杂的时空约束和多任务需求。一方面，卫星轨道参数、地面站可见性窗口以及任务需求之间的关联复杂多变，现有方法无法精准建模和高效分析这些信息，导致任务规划的准确性和时效性较差。例如，在面对频繁变化的任务需求，如不同的重访周期、空间分辨率和频段要求时，传统方法不能快速调整规划方案，造成任务延误或资源浪费。另一方面，在多星协同工作场景下，各卫星之间的信息交互和资源共享效率低下，难以实现整体资源的优化配置，多星资源利用率较低，无法满足日益增长的任务需求。

2、为解决这些问题，急需一种创新的卫星多任务自主规划方法及系统。基于时空图神经网络的卫星多任务自主规划方法及系统应运而生，通过构建融合多种关键信息的时空特征图，能够更全面地反映卫星任务的时空特性和约束条件。利用改进的时空图卷积网络进行特征提取，结合蒙特卡洛树搜索生成动态规划方本文档来自技高网...

【技术保护点】

1.基于时空图神经网络的卫星多任务自主规划方法及系统，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，所述时空特征图的构建方法还包括：

3.根据权利要求1所述的方法，其特征在于，所述蒙特卡洛树搜索(MCTS)的优化过程包括：

4.根据权利要求3所述的基于时空图神经网络的卫星多任务自主规划方法及系统，其特征在于：根据权利要求1所述的系统，其特征在于，所述系统包括：

5.根据权利要求4所述的基于时空图神经网络的卫星多任务自主规划方法及系统，其特征在于：所述方法支持动态任务插入，变更响应时间＜3秒，且多星资源利用率≥89.3...

【技术特征摘要】

1.基于时空图神经网络的卫星多任务自主规划方法及系统，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，所述时空特征图的构建方法还包括：

3.根据权利要求1所述的方法，其特征在于，所述蒙特卡洛树搜索(mcts)的优化过程包括：

4.根据权利要求...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：李建业，
类型：发明
国别省市：