论文部分内容阅读
对地观测卫星利用空间位置优势获取地球表面信息,其数据在地理测绘、土地资源调查、灾害灾情监测、以及军事情报获取等社会经济和国家安全领域发挥着重要作用。随着应用领域的不断深入与扩大,用户对观测数据的时效性要求越来越高,传统地面任务规划模式因星地通信时间窗口的限制,不能及时根据用户提交的观测需求对星上观测方案进行调整,难以充分发挥出卫星的应用优势。而星上自主任务规划能够减少卫星对地面系统的依赖,快速对动态需求(指新到达的观测需求)做出响应,开始得到各航天大国和科研机构的高度关注。目前已有的卫星星上自主任务规划方法侧重考虑对动态需求的快速响应能力。随着有限的卫星资源与不断增加的观测需求之间的矛盾日益突出,如何在保证卫星对动态需求的快速响应能力的同时,充分发挥出卫星的观测效益,最大化满足用户的观测需求已成为亟需解决的问题。对此,论文针对适应动态需求的卫星观测任务星上连续自主规划方法展开研究,主要工作如下:(1)提出了卫星观测任务星上连续自主规划求解框架。通过对卫星星上自主任务规划的相关要素、约束条件,以及动态需求不确定、计算资源受限等难点的分析,提出了适应动态需求的卫星观测任务星上连续自主规划问题的求解框架,将该问题分解为面向确定性任务的卫星自主任务规划、面向任务变化的卫星自主任务规划和面向动态需求的卫星自主任务规划策略决策等三个子问题。(2)针对面向确定性任务的卫星自主任务规划问题,以最大化观测收益为优化目标,建立了有向无环图模型,提出了基于图分割策略和路径选择策略的路径搜索算法,并从理论上证明了图分割策略的完备性。在此基础上,提出了基于滚动优化策略的路径增量搜索算法。实验结果表明上述算法能够在合理时间内计算出问题的近似最优解。(3)针对面向任务变化的卫星自主任务规划问题,为提高卫星对动态需求的快速响应能力,建立了观测任务序贯决策模型,分别从特征工程和表示学习的视角出发,提出了基于集成学习的观测任务序贯决策算法和基于深度神经网络的观测任务序贯决策算法,有效克服了现有任务重规划方法依赖于已有规划方案,且计算时间容易受到任务数量规模影响的弱点。实验表明上述两种算法在求解效率和优化性上要优于现有的启发式搜索算法。(4)针对面向动态需求的卫星自主任务规划策略决策问题,提出了基于卷积神经网络的卫星自主任务规划策略决策算法,以将面向确定性任务的卫星自主任务规划方法和面向任务变化的卫星自主任务规划方法在优化性和求解效率上的优势有机结合。仿真实验结果表明任务规划策略结合后的规划算法能够及时对动态需求进行响应,且在优化性上要优于单一类型的任务规划算法,验证了任务规划策略决策方法的可行性和有效性。