[发明专利]一种基于遗传算法的敏捷多星任务观测计划求解方法及系统

说明书

本发明涉及一种基于遗传算法的敏捷多星任务观测计划求解方法及系统，能够支持敏捷多星任务任务规划，针对敏捷卫星的特点，建立目标函数及约束分析模型，通过对构建的满足约束分析模型任务规划模型的求解，进行遗传搜索算法的选择，交叉，变异进行相邻任务间的冲突，对观测计划方案进行优化，生成满足约束条件的最佳观测计划，提高卫星资源利用率以及解决多敏捷卫星任务执行时效性问题，针对不同的任务情况，选择不同的处理方法，达到合理分配卫星资源，增加单轨观测任务数量，提高响应时效性。

技术领域

本发明涉及一种基于遗传算法的敏捷多星任务观测计划求解方法及系统，属于卫星观测任务规划技术领域。

背景技术

非敏捷卫星成像任务规划中，仅考虑了卫星的侧视成像能力，国内外学者对此作了非常深入的研究。建立了包括点目标、区域目标、移动目标、异轨立体成像和多星规划的相关模型，并初步地实现了非敏捷卫星对地观测点目标间的任务合成观测。同时，针对不同模型建立了不同算法，分析了相应算法的优劣，比较和发展了新的复合算法，成果颇多。

目前国内外专门针对敏捷卫星任务规划的研究不多，这或许因为两个原因：一是与敏捷卫星的建设刚刚起步有关，二是该问题的研究具有一定敏感性。

国外主要工作研究静态环境下的集中式任务规划方法。法国LamaitreM等学者针对法国发射的Pleiades敏捷卫星的任务规划调度问题展开了研究，在构建约束规划模型的基础上，比较了约束规划、贪婪、动态规划以及局部搜索等四种算法，并指出了各自的适用范围。Habet和Vasquez针对敏捷卫星任务规划问题，在构造邻域时，采用了一致饱和邻域的思想，提出了禁忌算法对问题进行求解。DJamal和Habet等采用禁忌搜索算法来解决单敏捷卫星调度问题并通过约束传播来保证邻域的一致性。欧空局Romain Bourdel和GerardVerfaillie等研究了三颗同轨敏捷卫星的对地观测任务调度问题，并采用启发式方法求解问题。

在国内研究中李玉庆构建了敏捷卫星任务规划调度的数学模型，并采用了模拟退火算法和遗传算法相结合的混合遗传算法进行求解策略。向仍湘研究了敏捷卫星对地观测的工作原理及组织实施过程，提出了约束可满足的区域目标分解方法对区域目标分解问题进行求解，针对不同的敏捷卫星任务需求，设计了不同的求解算法。Agent方法在卫星任务规划调度，星地资源优化配置等方面已得到了应用。王冲研究了多星协同任务规划问题，分析了卫星约束条件。孙凯等人为解决任务资源匹配子问题提出了学习型遗传求解算法，其构建的知识模型采取了在算法迭代过程中不断学习和提取知识的策略，并及时反馈并引导算法对任务资源匹配的寻优搜索过程。采用后移滑动策略及最优插入位置搜索策略解决单星任务处理子问题。郭浩等人研究了灵巧卫星遥感器侧摆角的计算并对敏捷成像卫星的密集任务进行了聚类，设计了一种基于最大最小蚂蚁系统的聚类算法，但是上述现有技术中存在敏捷卫星任务规划中资源效率低，时效性差等缺点。

发明内容

本发明所要解决的技术问题是提供一种基于遗传算法的敏捷多星任务观测计划求解方法，针对多个敏捷卫星和任务需求的特点，综合约束分析模型和任务规划算法优化，有效利用卫星资源，提高任务规划效率，并满足用户观测需求请求。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于遗传算法的敏捷多星任务观测计划求解方法，包括如下步骤：

步骤A.根据单颗敏捷卫星在规划周期轨道圈次内，卫星沿侧摆、卫星沿俯仰以及卫星沿翻滚三个自转轴的姿态机动角速度及其之间的几何关系，将待观测目标区域动态分解成多个元任务，以及其对应的多个可见时间窗口，并构建元任务集合；

步骤B.分别构建满足姿态机动稳定约束条件的单星任务规划优化数学模型，以及满足卫星能量约束条件的单星任务规划优化数学模型；