面向动态环境的成像卫星自主任务规划方法

摘要

本发明公开了一种面向动态环境的成像卫星自主任务规划方法，它涉及国防建设技术领域；它的方法为：步骤一：卫星自主任务规划问题：(1.1)、问题描述与分析；(1.2)、云层覆盖时间窗计算；(1.3)、符号说明与建模；步骤二：自主任务规划方法；本发明首先对卫星自主任务规划问题进行描述、分析与建模，针对自主任务规划的需求，充分考虑了卫星的资源约束、动态环境变化及其它约束条件，进而提出了面向动态环境的成像卫星自主任务规划方法，制定了任务规划优化策略，合理安排卫星资源，以期最大限度地发挥卫星效能，最后建立不同规模的问题算例进行重复实验，能够在保证成像数量的情况下，有效利用卫星资源。

说明书

技术领域：

本发明涉及国防建设技术领域，具体涉及一种面向动态环境的成像卫星自主任务规划方法。

背景技术：

对地观测技术是国防建设的重要组成部分，它可以方便地进行全球侦查、导弹试验跟踪、打击毁伤评估等工作，对于维护我国陆海空天电权益起着重要作用；同时对国民经济和社会的发展也发挥着积极的作用，在环境保护、国土普查、抗震减灾等方面得到广泛应用，已成为国家综合实力的重要标志。

成像卫星作为对地观测的一种重要工具，通过对精确制导武器的跟踪观测，获取了丰富的飞行和毁伤效果数据，在新时期精确制导武器的研发试验过程中发挥积极作用。然而面对复杂战场环境，如何获取更有效的观测数据以提高成像卫星的使用效益，是需要深入研究的问题，其中任务规划技术是解决问题的关键环节，其目的主要是解决成像卫星安排任务过程中的资源利用和任务冲突问题，优化卫星的使用效益。传统卫星使用过程中，其在轨执行的任务都是由地面管控中心事先做好计划方案，每一步动作的指令都是通过测控中心统一上注给卫星，而后再由卫星顺序执行。卫星处于一个复杂的环境，完全依靠地面测控中心对卫星进行管理，要求星地之间有足够的通信时间以及相对稳定的运行环境，由于星地交互频繁，这种方式的运行维护成本较高。

随着面对难以预料的复杂环境（如观测目标上空的云层、卫星故障等）以及各种复杂的观测需求（如需求的应急增加、取消和改变等）的提出，仍然完全依赖地面管控中心控制卫星的方式越来越不适应未来成像卫星的发展需求。Liu、Wang等人提出了一些面向应急任务的规划算法，对应急需求有了更快的响应，在地质灾害、森林火灾、洪水爆发等灾害监测与救援活动中发挥了积极作用，但是在目前的地基任务规划与资源调度系统中，仍然不能实时对动态环境下卫星的规划方案进行调整和上注，导致很多应急观测任务无法及时完成。而且目前包括云在内的气象信息很难准确预测，卫星无法自主规避不利的气象条件进行拍摄，导致地面规划的任务中难以避免会受到未来气象的影响，据专业部门统计我国六成以上的卫星影像受云层影响而满足不了观测需求，卫星观测资源受到了严重浪费。

然而随着空间通信链路的完善和星载计算机处理能力与传感器探测技术的提高，卫星能够及时地获取任务信息、卫星状态信息、外部环境及其他信息，使其自主决策规划完成任务成为可能。因此，有必要探索改进传统的卫星管控模式，研究星载自主规划系统。

自1999年第一颗自主卫星深空一号(DeepSpaceOne)成功完成自主试验以来，各国竞相推动航天器自主规划调度技术的研究。美国航空航天局在航天器自主规划领域有着十余年的成功经验，其研发了ASPEN（AutomatedPlanningandSchedulingEnvironment）、CASPER（ContinuousActivitySchedulingPlanningExecutionandRe-planning）、APGEN（ActivityPlanGenerator）等多套自主规划调度系统；欧洲也有其自己自主的欧空局提出的星载自主项目PROBA（PRojectforOn-BoardAutonomy）以及法国空间局的SPOT系列卫星。

我国在航天器自主规划方面的研究起步较晚，现有的自主技术主要集中在自主导航、定姿定位、交会对接与故障诊断等方面的研究，关于自主任务规划的研究较少。代树武等人较早地对自主技术和智能卫星进行了理论研究，哈尔滨工业大学的陈洪波、徐文明等人深空探测器自主任务规划进行研究，国防科学技术大学的戴金海、张正强等人对航天器自主规划问题进行了深入的建模和求解，然而这些研究主要集中在问题建模与系统框架层面，很少一个较为可靠的自主任务规划模式，并且考虑实际云层等复杂自然环境的研究几乎空白。

发明内容：

本发明的目的在于针对现有技术的缺陷和不足，提供一种面向动态环境的成像卫星自主任务规划方法。

为了解决背景技术所存在的问题，本发明的一种面向动态环境的成像卫星自主任务规划方法，它的方法为：

步骤一：卫星自主任务规划问题：

(1.1)、问题描述与分析：

成像卫星在特定近地轨道围绕地球飞行，当卫星飞入与地面测控站可通信范围开始接收动作指令；当飞过地球表面目标区域时，根据指令执行与成像相关的一系列动作进行观测，等卫星飞入与地面接收站可通信范围内进行与数据下传相关的一系列动作将观测数据回传；

(1.2)、云层覆盖时间窗计算：

(1.2.1)、给定目标经、纬度及高程，计算任务的可见时间窗及卫星在各个时间点的坐标；

(1.2.2)、分别将任务的经纬度坐标与卫星的坐标转换到惯性坐标系下；

(1.2.3)、依据卫星坐标点与地面目标坐标点的连线及云量的球面方程，判断该连线是否与云层相交。如果相交，表示在该时刻点无法对地面目标进行有效观测。

(1.2.4)、通过变步长搜索机制，获得云层覆盖时间窗口的范围；

(1.3)、符号说明与建模：

(1.3.1)、模型参数及变量定义；

(1.3.2)、决策变量；

(1.3.3)、目标函数；

(1.3.4)、约束条件；

步骤二：自主任务规划方法：卫星自主任务规划求解算法基本流程如下：

步骤1：选定前瞻时间步长为T，前瞻1个时间步长，并更新前瞻时间步长内的任务信息；

步骤2：对前瞻步长内的任务安排观测；在安排观测序列过程中，本文设计了多种排序规则，以提高解的多样性；同时，考虑时间约束，并且充分利用存在冲突的时间窗；

步骤3：判断前瞻步长内是否有待安排任务，如果不存在，则执行原有方案中“锁定时间段”之内的任务，并返回步骤1；如果存在，转入步骤4；

步骤4：判断新加入的任务中包含的应急任务是否满足重规划阈值，如果满足，转到步骤7；如果不满足，则转入步骤5；

步骤5：动态调整，将新加入的任务安排至当前前瞻步长内的规划方案中；调整时，前瞻步长的“锁定时间”内任务不变，在该“锁定时间”之后即新的前瞻步长内进行任务的插入、删除或者邻域搜索等过程；

步骤6：判断当前前瞻步长内的任务完成率是否满足重规划阈值，如果满足，则该时间段内的任务进行重规划；如果不满足，说明动态调整之后的任务序列为有效序列，不需要进行重规划，转到步骤8；

步骤7：重新安排当前前瞻步长内的观测；

步骤8：安排任务回传；根据不同的回传策略，得到综合回传序列，当前时间窗未安排的任务保留到后面的回传时间窗进行安排；

步骤9：对当前的规划结果进行评价；

步骤10：判断是否满足终止条件，如果满足，则输出最优序列。

本发明有益效果为：首先对卫星自主任务规划问题进行描述、分析与建模，针对自主任务规划的需求，充分考虑了卫星的资源约束、动态环境变化及其它约束条件，进而提出了面向动态环境的成像卫星自主任务规划方法，制定了任务规划优化策略，合理安排卫星资源，以期最大限度地发挥卫星效能，最后建立不同规模的问题算例进行重复实验，能够在保证成像数量的情况下，有效利用卫星资源。

附图说明：

图1为本发明中卫星的工作流程图；

图2为本发明中卫星自主任务规划流程图；

图3为本发明中前瞻过程示意图；

图4为本发明中卫星自主任务规划求解算法流程图；

图5a为本具体实施方式中任务模数为22的任务完成率示意图；

图5b为本具体实施方式中任务模数为46的任务完成率示意图；

图5c为本具体实施方式中任务模数为98的任务完成率示意图；

图5d为本具体实施方式中任务模数为130的任务完成率示意图；

图6a为本具体实施方式中任务模数为46的运行时间示意图；

图6b为本具体实施方式中任务模数为77的运行时间示意图；

图6c为本具体实施方式中任务模数为98的运行时间示意图；

图6d为本具体实施方式中任务模数为130的运行时间示意图；

图7a为本具体实施方式中任务模数为22的综合收益示意图；

图7b为本具体实施方式中任务模数为77的综合收益示意图；

图7c为本具体实施方式中任务模数为98的综合收益示意图；

图7d为本具体实施方式中任务模数为130的综合收益示意图；

图8a为本具体实施方式中任务模数为22的运行时间示意图；

图8b为本具体实施方式中任务模数为77的运行时间示意图；

图8c为本具体实施方式中任务模数为98的运行时间示意图；

图8d为本具体实施方式中任务模数为130的运行时间示意图；

图9a为本具体实施方式中任务模数为22为综合收益示意图；

图9b为本具体实施方式中任务模数为77为综合收益示意图；

图9c为本具体实施方式中任务模数为98为综合收益示意图；

图9d为本具体实施方式中任务模数为130为综合收益示意图；

图10a为本具体实施方式中任务模数为22为下任务完成率示意图；

图10b为本具体实施方式中任务模数为77为下任务完成率示意图；

图10c为本具体实施方式中任务模数为98为下任务完成率示意图；

图10d为本具体实施方式中任务模数为130为下任务完成率示意图。

具体实施方式：

下面结合附图对本发明作进一步的说明。

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅用以解释本发明，并不用于限定本发明。

本具体实施方式采用如下技术方案：

步骤一：卫星自主任务规划问题：

1.1、问题描述与分析：

卫星任务规划的一般过程描述如下：成像卫星在特定近地轨道围绕地球飞行，当卫星飞入与地面测控站可通信范围开始接收动作指令；当飞过地球表面目标区域时，根据指令执行与成像相关的一系列动作进行观测，等卫星飞入与地面接收站可通信范围内进行与数据下传相关的一系列动作将观测数据回传，其过程如图1所示。

卫星自主任务规划是指卫星通过测控站、机动站或中继星实时的接收任务，并根据当前卫星的状态和任务所处的环境制定出合理的计划，最后将执行任务的动作转换为指令控制卫星工作。

卫星自主任务规划问题具体可描述为：在考虑有限资源约束、任务空域范围内的云量等级、实时任务及保证任务收益的前提下，安排规划周期内任务的观测活动及观测数据的回传活动。不同云量等级下，卫星成像质量不同，云量等级高于某一阈值时，任务成像失败。同一规划周期中，单个任务可能有多次观测机会，同一任务在卫星一轨中的观测机会不超过一次。安排观测活动中，观测任务较长的可见时间窗口使得观测时间的解空间增大，观测冲突复杂。任务观测时间的确定还受到了卫星姿态转换时间的制约，任务之间不同的观测时间影响着任务之间卫星姿态的转换时间。任务排序即在考虑任务的观测机会及任务序列的总收益情况下，进行最优化观测安排。最后，在保证任务完成率及任务收益最大的情况下，安排任务回传序列进行数据下传。卫星自主任务规划的能够快速处理突发事件、提升观测效率，降低地面管控复杂性，其具体的过程如图2所示。

1.2、云层覆盖时间窗计算：

云层遮挡情况影响卫星任务规划的综合收益，在卫星自主任务规划过程中，对任务空域范围内云层信息的计算与分析尤为重要。假设星载云探测器可以获取任务空域范围内云层信息，考虑到云层边缘云量等级较低的特性，将云层的面积近视为介于卫星与地球表面之间的球面,其距离地面的高度为h。已知地球的球面半径为R，由云层的高度可以得到云层所在球面的方程为：

当某一空域范围内的云量等级高于设定的阈值时，建立地面目标与卫星关系模型，

其中，(X_t,Y_t,Z_t)，(X_s,Y_s,Z_s)分别表示观测目标与卫星在惯性坐标系下的坐标。已知卫星瞬时轨道根数及地面目标可见时间窗范围，根据上述公式可得出在任务可见时间窗内，无法进行观测的时间窗口。计算云量覆盖时间的具体求解步骤如下，

步骤1：给定目标经、纬度及高程，计算任务的可见时间窗及卫星在各个时间点的坐标；

步骤2：分别将任务的经纬度坐标与卫星的坐标转换到惯性坐标系下；

步骤3：依据卫星坐标点与地面目标坐标点的连线及云量的球面方程，判断该连线是否与云层相交。如果相交，表示在该时刻点无法对地面目标进行有效观测。

步骤4：通过变步长搜索机制，获得云层覆盖时间窗口的范围。

(1.3)、符号说明与建模：

(1.3.1)、模型参数及变量定义

T：卫星观测任务集，T={T₁,T₂,T₃,…,T_Num}，Num为任务个数；

SceS：场景开始时间；

SceE：场景结束时间；

T_iS_w：候选任务的最早观测开始时间集合，T_iS_w={T_iS_w1,…,T_iS_wNi}，N_i表示第i个任务的观测机会数；

T_iF_w：候选任务最晚观测开始时间集合，T_iF_w={T_iF_w1,…,T_iF_wNi}，N_i表示第i个任务的观测机会数；

P_i：任务i的优先级；

T_iD：任务i的观测持续时间；

T_iS：任务i的实际观测开始时间；

T_iF：任务i的实际观测结束时间；

T_iS_d：任务i可用回传窗口开始时间集合，T_iS_d={T_iS_d1,…,T_iS_dDi}，D_i表示第i个任务的可用回传窗口数；

T_idD：任务i的回传持续时间；

T_iF_d：任务i可用回传窗口结束时间集合，T_iF_d={T_iF_d1,…,T_iF_dDi}，D_i表示第i个任务的可用回传窗口数；

T_idS：任务i的实际回传开始时间；

T_idF：任务i的实际回传结束时间；

M：卫星的总存储容量；

M_t：卫星在t时刻已用固存；

Trans_i,k：任务T_i至任务T_k之间的卫星姿态转换时间；

C_i：任务i上空的云量等级；

G_i：任务i的收益率；

E：卫星总电量；

O_e：卫星观测过程中单位时间内所耗的电量；

A_e：卫星姿态调整过程中单位时间内所耗的电量；

(1.3.2)、决策变量：

(1.3.3)、目标函数：

(1.3.4)、约束条件：

其中，式（6）为任务的观测开始及结束时间约束，即任务的时间观测窗口不得超过其观测窗的上界。式（7）为任务的回传时间窗约束，即任务的实际回传窗口不得超出其回传窗的上界。式（8）为任务之间的姿态转换时间约束，即任务的之间的时间间隔需大于二者的姿态转换时间。式（9）为任务之间回传时间约束，即任务与任务之间的回传时间窗口不能冲突。式（10）和式（11）为任务观测活动与回传活动约束，即任务的回传活动必须满足任务已完成观测。式（12）与式（13）为任务观测时间与回传时间约束，即任务的实际观测时间必须在该任务的实际回传时间之后或之前。式（14）为云量等级约束，即任务上空云层厚度级别影响卫星的观测活动。式（15）为观测机会约束，即每个任务最多可以安排一次观测。式（16）为回传机会约束，即每个任务最多可安排一次回传。式（17）为容量约束，即在同一规划周期内，任何一个时刻卫星所使用的容量不得超过卫星总容量。式（18）为电量约束，即卫星所耗的电量不得超过卫星的初始电量。

将任务的观测窗口分为五个时间段表示任务的收益率，用于计算任务序列收益。任务的最佳观测时间段为任务可用时间窗的中间部分。任务i在各个时间段的观测收益权重分布如下：

步骤二：自主任务规划方法：

在单星模式下，结合预案、前瞻及动态调整/重规划三个方面提出了面向动态环境的成像卫星自主任务规划方法。

（1）、预案：预案在卫星自主任务规划中可以作为一个宏观调控的工具，即在任务规划开始时由地面站提供初步的规划方案。

（2）、前瞻：鉴于自主任务规划的复杂性，在求解方法中设计了前瞻过程，并提出“锁定时间段”。在任务规划过程中，将前瞻时间步长内前t时间段作为“锁定时间”，该时间段内的规划方案不受新加入任务的影响，在这t时间段之后再根据新加入任务进行任务规划。如图3所示，算法将第一个前瞻步长T时间内任务安排好，即完成了一次规划。下一次规划开始前，在上一前瞻步长的“锁定时间”后选取时间段T作为新的前瞻步长，并且从新的前瞻步长的起始时间开始选定时间段t作为新的“锁定时间”。

（3）、动态调整或重规划：使用动态调整或重规划对任务序列进行优化。算法中，动态调整包括增加新加入的任务、删除原方案中的任务以及局部搜索。算法同时设置了“阈值”用于判断是否进行重规划。在下一次规划时动态任务的比例高于某个阈值，或者经过动态调整后卫星完成任务数目低于某个阈值时，安排重规划。

卫星自主任务规划求解算法基本流程如图5，基本步骤如下：

步骤1：选定前瞻时间步长为T，前瞻1个时间步长，并更新前瞻时间步长内的任务信息；

步骤2：对前瞻步长内的任务安排观测。在安排观测序列过程中，本文设计了多种排序规则，以提高解的多样性；同时，考虑时间约束，并且充分利用存在冲突的时间窗；

步骤3：判断前瞻步长内是否有待安排任务，如果不存在，则执行原有方案中“锁定时间段”之内的任务，并返回步骤1；如果存在，转入步骤4；

步骤4：判断新加入的任务中包含的应急任务是否满足重规划阈值，如果满足，转到步骤7；如果不满足，则转入步骤5；

步骤5：动态调整，将新加入的任务安排至当前前瞻步长内的规划方案中。调整时，前瞻步长的“锁定时间”内任务不变，在该“锁定时间”之后即新的前瞻步长内进行任务的插入、删除或者邻域搜索等过程；

步骤6：判断当前前瞻步长内的任务完成率是否满足重规划阈值，如果满足，则该时间段内的任务进行重规划；如果不满足，说明动态调整之后的任务序列为有效序列，不需要进行重规划，转到步骤8；

步骤7：重新安排当前前瞻步长内的观测；

步骤8：安排任务回传。根据不同的回传策略，得到综合回传序列，当前时间窗未安排的任务保留到后面的回传时间窗进行安排；

步骤9：对当前的规划结果进行评价；

步骤10：判断是否满足终止条件，如果满足，则输出最优序列。

本文算法在装有VC6.0集成开发环境的2.0GHzCPU、2G内存计算机上，采用C++编程实现。仿真算例是在（E70^°-E130^°，N20^°-N50^°）范围内生成卫星与地面目标存在可见时间窗的待调度的任务集，任务集规模分别为22,46,77,98,130，任务的优先级为[1,20]中的随机数。场景包括1颗卫星，3个地面站，地面站回传窗的信息由AGI公司的STK（SatelliteToolsKit）软件计算得出。

算法以任务完成率、运算时间和任务收益作为评价指标，使用中的规划方法对5组数据进行求解，并与本文的算法进行比较。表1表示对每组任务求解100次的平均任务完成率、任务收益及计算时间。由下表可知，提出的面向动态环境的自主任务规划方法在各项指标上均由于对比算法。在不同迭代次数下算法性能比较以及算法运行100次中每一次运行的实验结果比较，如图5a-10d所示。

在卫星资源不变的情况下，随着任务规模的增加，算法与对比算法的任务完成率均呈下降趋势。这是由于任务数量的增加会增加任务之间的冲突，所以大规模任务中会有更多的观测任务无法完成。此外，图5a-5d表明，本文的算法所求得的任务完成率较对比算法高，并且随着任务规模的增大，二者之间的差异也相应的增加。这是由于本文中的算法在安排任务排序时通过学习，选择当前情况下较优的排序策略，充分了利用了卫星资源提高卫星任务观测的任务安排率。在任务规模较小时，资源冲突较小，二者的完成率相差较小。在任务规模较大时，资源冲突较为激烈，如何有效的利用资源，是保证任务的完成率的关键。

由图6a-6d可知，在卫星资源不变的情况下，随着任务规模的增加，任务冲突随着增加，所以二者的运算时间均呈上升趋势。此外，基于K近邻算法能够较快的找到合适的任务安排观测方式，故本文算法的运算时间比对比算法的低，并且二者之间的运算时间间隔随着任务规模的增大而增大。

图7a-7d表示在卫星资源不变的情况下，本文算法的收益在不同规模的任务下均高于对比算法。这是因为本文算法基于学习策略能够获得收益较高的任务序列。同时，在安排回传过程中，基于回传时间窗优化规则保证收益较高的任务完成回传。

由图8a-8d可知，在不同迭代次数下，提出的算法能够以较小的运算时间，获得较高的收益及任务完成率。由图9a-9d和图10a-10d可知在相同的迭代次数及运算时间的情况下，本文的算法能够获得较高的收益及任务完成率。综上，在卫星资源有限的情况下，本文提出的算法的各项指标均优于对比算法。

以上所述，仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其它修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。