光学成像卫星因其分辨率高、成像质量好,被广泛应用于环境监测、灾害防治和军事侦察等活动中,但云层遮挡将极大地影响卫星的成像质量。据有关部门统计,我国60%的光学卫星图像因为云层而无法成为有效的数据产品,这不仅不能满足用户需求,还对卫星资源造成极大浪费。随着卫星技术的发展,出现了具有滚动、偏航、俯仰三个自由度的新型敏捷光学卫星,通过俯仰卫星可以对未飞到或已飞过的目标进行观测,卫星有可能绕过云层对目标成像,如图1所示。敏捷卫星在能力提升的同时其任务规划问题更加复杂:资源和时间窗口选择更加灵活、观测开始时间不确定、观测次序不确定、云层信息不确定等。因此,如何通过任务规划将云层对目标观测的影响降到最低,提高卫星资源的使用效率,是本文研究的主要问题。本文在对云层建模基础上,构建了敏捷光学卫星的任务规划模型,综合考虑了成像质量和任务完成收益,采用蚁群算法对问题进行求解得到规划预案,然后在实时云层信息的基础上进行重规划,通过对比实验发现本文方法在成像质量和有效收益上都大大提高。云层遮挡对敏捷光学卫星的影响主要体现为两个方面:一是云层遮挡使卫星的成像质量下降,二是为了规避云层,卫星将通过俯仰和侧摆从云缝中对目标成像,使成像分辨率下降。针对前者引入云量等级的概念,将云层分为0~10共11个等级,等级越高影响越大。针对后者,提出了一种基于空间立体几何的可见时间窗口裁剪方法,首先在地固系上建立卫星、云层和地面目标的位置信息,根据某一时刻卫星和地面目标连线与云层之间的交点计算云层对目标遮挡时段,以此为基础对目标的可见时间窗口进行裁剪。本文假设卫星只搭载一个光学载荷且都搭载云层探测器,可以实时反馈云层信息。待观测任务集1 2{,,,}TNTt t t,TN为任务数,1 2{,,,}TNPP P P为T对应的收益集,1 2{,,,}TNSS S S为成像质量集;ikx为决策变量,=1ikx表示任务it的第k个可见窗口被安排观测,=0ikx表示任务it的第k个可见窗口没有被安排观测。为了兼顾敏捷卫星成像质量和有效收益,定义如下的目标函数:1 1max TiNN T ik i i k P x g(1)其中,101,i ikr ik i i r ik i PSS Sg S S(2)c t ik ik ikSp p(3)0910mid ikt ik mid ik ik t t p t t(4)110thick coverm cj j ik observe j i c tp t(5)式(2)为it综合收益ig的计算,其中ikS为it的实际成像质量,r ikS为用户可接受的最低成像质量,[0],0,1r ik ikS S,=10ikS成像质量最好,获得完全任务收益iP,当ikS<r ikS时,不能满足任务需求,收益为-1。式(3)用于计算it的成像质量ikS,其中t ikp为卫星成像时间影响下的成像质量,由(4)式计算,0ikt、mid ikt分别为任务可见窗口的开始和中间时刻,图2展示了成像时刻点对成像质量t ikp的影响。图2成像时刻t对成像质量的影响c ikp为云层影响下的成像质量,由式(5)计算,thick jc为遮挡云层的云量等级,cover jt为遮挡时间长度,observe it为观测时间窗口长度。针对上述问题本文采用蚁群算法求解,将成像任务看作蚂蚁行走路径上的结点,任务收益作为节点能见度信息,蚂蚁按照既定规则在节点间进行转移,当蚂蚁遍历所有结点即得到一个任务观测序列。算法从任务it到jt的转移规则为:00arg max{},k is ss allowed q q j q q(6)1/TN s s i iP P(7)式(6)中q为[0,1]上均匀分布的随机数,0q为随机性选择参数,0q[0,1]。kallowed为蚂蚁k的可达任务集合(去除已安排任务的剩余任务集)。为信息素重要性因子,为任务能见度重要性因子,is为任务it到任务st的信息素,式(7)为任务st的能见度定义,即优先级占所有任务优先级之和的比重。当0qq时,蚂蚁按照信息素以及能见度信息进行状态转移,当0qq时,取值如下:,()0 otherwise k ij j k is sijs allowed j allowed p t,(8)在生成规划方案时,在确保任务it满足姿态转换等约束的条件下,为了兼顾任务完成率与成像质量,制定如下的规则:优先选择窗口重叠度小的窗口多个时间窗口重叠度相同时,根据式(3)优先选择成像质量高的窗口当所有蚂蚁都遍历结束后,计算每个方案的收益值,记录每次迭代的最优路径以及全局最优路径,进行局部和全局信息素更新,引导更多蚂蚁在较优路径上聚集,算法不断迭代,得到最优规划方案。上述规划虽然考虑了云层信息,但未考虑云层的实时变化。因此,将上述规划方案作为预案,根据云探测器到的实时云层信息进行重规划。卫星从探测到云层到进行观测只有4分钟左右的响应时间,因此必须保证重规划的时效性以及对预案的扰动最小。针对此,本文提出一种基于蚁群算法的在线重规划机制:在执行任务前,根据近实时云层信息,判断云层对当前任务的影响,若按照原来的计划可以达到任务需求的最低质量,则执行任务并将任务加入已观测序列,否则利用蚁群算法根据实时云层信息对全部未安排以及未执行观测的任务进行重规划,形成新的满足当前云层信息的规划方案。为了验证本文算法的有效性,设计了3组对比实验:一是不考虑天气情况直接生成任务规划方案;二是根据预先的天气预报信息生成任务规划方案;三是考虑实时云层信息,在方案二的基础上进行在线重规划。实验结果表明,不考虑天气预报生成的任务规划方案虽然预期收益较大,但实际观测的有效收益较低,第二种调度方式虽然根据天气预报考虑了云层的影响,但是未考虑到天气的实时变化,导致有效收益也低于预期收益,第三种方式基于实时云层信息进行规划,并对方案进行在线调整,保证了观测数据的有效性和有效收益的最大化,提高了卫星资源的使用率。