论文部分内容阅读
近年来,随着我国空间科学的迅速发展,如何根据空间科学卫星的任务特点进行有效的任务规划,为科学研究提供灵活、快捷、高效的支持,以取得科学回报的最大化,是目前空间科学卫星工程面临的重要问题之一。 空间科学卫星任务与传统对地观测卫星任务有很大区别。空间科学卫星任务是通过空间观测或探测获取第一手科学数据,以寻找新的发现、验证新的理论、产生新的知识,开展宇宙、生命和基本物理规律的探索,探讨人类与太阳系的关系。与对地观测卫星相比,面向天文观测的空间科学卫星是对目标天体或天区进行观测,具有巡天扫描和定点观测等工作模式,在定点观测时具有访问次数多、观测持续时间长的显著特点;面向科学实验的空间科学卫星具有有效载荷类型新、种类和数量多的特点。因此,开展空间科学卫星任务规划问题研究对追求科学产出的最大化具有重要意义。 论文针对空间科学卫星任务规划问题,在总结分析国内外相关工作的基础上,研究了面向天文观测和面向天地联合实验两类空间科学卫星任务规划的关键技术,包括面向天文观测、应急观测—ToO(Target of Opportunity)及应急定标观测一任务规划问题建模与求解和面向天地联合实验的中期任务规划建模与求解问题等几个方面。本文主要的工作及创新点包括: 1、空间科学卫星任务规划问题分析 在分析空间科学卫星地面应用系统的基础上,从任务类型、规划周期、单星和多星模式等方面分析空间科学卫星任务规划的模式,提出了科学任务概念模型的思想,从而建立了在科学目标和任务运行控制之间的关联,分析了空间科学卫星任务规划的相关要素,归纳了空间科学卫星任务规划的过程、评价准则。 2、面向天文观测的任务规划问题建模与求解 统一考虑面向天文观测的卫星任务规划和地面接收资源调度,建立了面向天文观测的多目标任务规划模型,研究适用于中期、短期任务规划的观测任务规划求解算法。针对面向天文观测的卫星任务规划问题,基于NSGA-Ⅱ算法思想构造了问题编码和选择、交叉、变异等遗传算子,提出了一种多目标观测任务规划算法(Multiobjective Observation Mission Planning Algorithm,MOMPA),采用基于约束调整的种群进化方法求解卫星观测任务规划问题。 3、应急观测的任务规划问题建模与求解 在MOMPA算法基础上改进,提出了PARA算法,用于求解ToO观测任务的原方案动态重规划问题和应急定标观测任务规划问题。PARA算法扩展了MOMPA的问题编码,使PARA算法能够同时解决ToO和应急定标两种不同问题,提高了算法的适用度。PARA算法综合考虑了原方案和重规划方案的整体优化性。 4、面向天地联合实验的中期任务规划问题建模与求解 对天地联合实验卫星的中期任务规划要素和约束进行形式化描述,建立了多目标实验任务规划问题数学模型,考虑两种不同问题规模的求解方法,提出了基于GDE3的多目标实验任务规划算法MEMPA解决较大规模的问题。MEMPA算法采用决策变量的真实值进行染色体编码,易于算法中的约束处理,设计了基于约束调整的遗传算子;提出了启发式实验任务规划算法HEMPA解决较小规模的问题。在HEMPA算法中,定义了可用机会满意度和实验任务动态优先级,作为该算法的值选择规则和变量选择规则的度量标准。 本文通过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优化策略都可以得到各种规模问题的高质量解,能够有效地解决不同规模的天文观测、应急观测和天地联合实验任务规划问题。