小卫星星群任务规划方法研究

发布时间：2020-09-30 11:32

　　近年来,在轨小卫星星群数量日益增多,传统任务规划方法与规模越来越大,复杂程度越来越高的任务需求间的矛盾日益突出。在这种背景下,开展小卫星星群任务规划方法的研究具有重要的意义。论文针对小卫星星群任务规划问题,在总结分析国内外相关工作的基础上,以对地观测为任务背景,分别研究了简单目标函数下星群任务规划方法和复杂目标函数下星群任务规划方法,并对研究结果进行了分析,给出了方法在不同场景下的应用建议。本文的主要工作及创新点包括:1、小卫星星群任务规划问题分析调研了对地观测卫星地面系统和空间科学卫星地面系统,比较了二者的异同,归纳出地面系统任务处理流程。分析了任务规划问题组成要素,包括任务、资源、约束的涵义及构成。提出了本文采用的问题假设及简化,归纳了任务规划问题求解的过程。2、简单目标函数下小卫星星群任务规划问题建模与求解针对小卫星星群特点,结合小卫星星群实际应用中的具体案例,提出了合适的任务规划目标。分析了简单目标函数下星群任务规划要素及约束,建立了以追求有效载荷在轨工作时间最大化为目标的对地观测任务规划数学模型。针对小卫星星上存储容量小,数据下行窗口对存储容量影响大的特点,在建立数学模型时建立了动态存储资源约束机制。通过设计相应的实现策略,并在算法中得到实现,使得问题模型更贴近实际,规划结果更为可信。针对所建立的数学模型,设计了以目标函数为度量的贪心算法,以及以任务序列整数编码搭配随机解码为策略的遗传算法。为避免最优解丢失,引入精英保留策略。该算法能进一步发挥遗传算法全局搜索能力,避免陷入局部最优解。通过仿真案例,分析了两类算法在处理此类问题时的优劣,总结了两种算法对不同问题规模的适合场景。3、复杂目标函数下小卫星星群任务规划问题求解与优化提出了以缩短用户等待时间,减少规划失败目标,提高小卫星任务分配均衡度的多目标任务规划的数学问题。针对该问题,采用遗传算法对其进行求解,验证了遗传算法广泛的问题适应性。针对其求解效率较低的弊端,引入模拟退火算法。将遗传算法强大的全局搜索能力与模拟退火高效的邻域搜索求解能力结合,减少了遗传算法循环次数,避免模拟退火算法盲目搜索,提高了求解的效率。二者取长补短,在解的质量与求解效率上得到兼顾。本文通过仿真实验对设计的几种算法性能和效果进行了验证,结果表明本文提出的算法策略能够在对应规模的问题上得到较为满意的结果。4、对小卫星星群任务规划方法进一步优化的思考
【学位单位】：中国科学院大学(中国科学院国家空间科学中心)
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP18;O221
【部分图文】：

地面站,覆盖范围

第 3 章简单目标函数下小卫星星群任务规划方法研究获取当前 task 对应的目标 i，选取对目标 i 观测时间相比于当前 ta资源次长的资源 s’，并将目标 i 及对应的资源 s’加入待规划TaskToArrange 中，丢弃当前 task，转入（3）。所有目标 i 都得到安排，或者某个/某些目标 i 所有时间窗口都不可个资源 s 的任务集，计算相应目标函数。文在算法上对增加任务下行约束的设计策略如下：于星群可能面临大量任务，为及时将获取的数据传送回地面，安排地面站时将星上存储的数据下行至地面站。选取国内喀什、三亚、站作为数据接收单位。设定每个地面站最小仰视角设为 5°，其覆，可以看到这三个站足以覆盖我国绝大部分地区。

可视,卫星,目标

11：57：52 12：11：44SAT212：59：52 13：07：1714：29：54 14：39：14SAT314：22：40 14：32：3215：56：16 16：02：30TARGET10SAT110：20：21 10：32：1011：58：00 12：13：2813：41：31 13：51：42SAT214：30：56 14：40：1216：03：09 16：10：44SAT314：25：31 14：32：2315：55：07 16：05：00单颗卫星与 10 个目标可视窗口绘图如下：

图 3.5 SAT2 与 TARGET1-10 的可视窗口Figure 3.5 Window Time of SAT2 to TARGET1-10图 3.6 SAT3 与 TARGET1-10 的可视窗口Figure 3.6 Window Time of SAT3 to TARGET1-10

【参考文献】