一种卫星集群任务决策与分配方法

文档序号:37669785发布日期:2024-04-18 20:42阅读:20来源:国知局
一种卫星集群任务决策与分配方法

本发明涉及卫星任务规划,尤其是涉及一种卫星集群任务决策与分配方法。


背景技术:

1、小卫星具有成本低、研发周期短、应用灵活的特点,成千上万的小卫星可以可构成集群,通过群体的方式使得星群的协同任务模式发挥更大的效能。随着在轨小卫星星群越来越多,传统的任务分配方法已经愈发不能满足新时期对小卫星星群运行控制的要求。尤其是利用星群执行复杂观测或者其他任务时,决策面临目标类型多样、载荷手段各异、任务成功概率与效能评估因素耦合等问题,子星导航制导能力、任务载荷作用距离、任务载荷覆盖范围、执行精度要求等因素决定了任务成功概率,任务手段决定了最终性能,目标重要程度与任务及时性需求决定了任务顺序。因此,通过合理规划和任务分配,将多个任务均衡的分配给集群的各个个体,提高任务的执行效率,同时获取最大的收益。

2、集群技术的迅猛发展正逐渐演变成一种新型的应用样式。一个典型的集群应用流程如下:首先面向特定任务自动构建能力包,选择执行任务的主星类型,其中既要考虑物理域的轨道机动能力,也要考虑电磁域的感知/探测效果等需求;然后,根据我方任务资源信息池中的信息,对不同主星能力进行评估;最后通过任务分配,动态确定执行上述任务的蜂星,被选中的主星按ooda循环执行任务。

3、从单星/多星的任务决策与分配的体系架构设计来说,现有方法主要分为地面离线协同任务调度规划,如集中式架构、集中-分布式架构;星上在线协同任务调度规划,通常简化为优化问题,如贪婪式、回溯法、启发式等方法;星地一体自主任务调度规划,以集中-分布式架构为主。多星协同主要面向观测、导航、中继、通信等任务,相关分配算法研究较多,如合同网、层次分析法、基于agent模型、线性规划等。

4、缺点或不足:

5、(1)难以解决多属性变量(如二元变量、连续变量、离散变量等)的融合决策问题;

6、(2)主星携带若干子星并对多目标进行观测或博弈任务,是一个极其复杂的问题,能量消耗、作用效能、轨道规划等因素均需考虑,仅依靠任务分配算法获取的结果在实际应用中受限;

7、(3)现有小卫星星群组成集群系统成员之间的隶属关系不明显,因此需要对空间集群整体任务规划模式进行研究;

8、(4)现有的小卫星集群任务规划研究模型仍以单目标为主要的任务场景;

9、(5)现有的小卫星星群任务规划研究模型针对的双方数量较少,各星之间能力差距不明显。


技术实现思路

1、针对现有技术存在的问题,本发明的目的在于为了满足卫星集群的多对多任务决策评估与分配问题,发明了一种卫星集群任务决策与分配方法。针对多子星、多目标星的多对多任务规划问题,通过迭代进行决策建模、任务规划与可行性评价,实现子星的任务分配。

2、为实现上述目的,本发明提供一种卫星集群任务决策与分配方法,所述方法通过最大效能决策进行建模,完成对包括一个主星与n个子星,主星携带子星针对多个目标星执行任务,针对多个目标的集群任务决策方案进行评估,并完成卫星分配,所述目标任务包括观测和/或与目标星博弈;所述方法包括以下步骤:

3、s1.最大效能决策建模;基于模糊理论建立作用评价模型,对接近控制策略进行可行性评价,其中指导策略为一个集群卫星的集群任务,集群卫星为一个主星与n个子星,主星携带子星针对多个目标星执行任务的接近控制策略决策方案;

4、s2.根据不同任务载荷的联盟特征进行函数描述;

5、s3.对最大效能决策模型进行求解,获得可行性评价结果,若判断为确定行,则输出数量分配和类型分配予以执行;若判断为不行,则在下一个决策周期内进行下一轮决策,直至获取到确定行的接近控制策略。

6、进一步,步骤s1中包括:根据概率与效能建立决策性能指标,如下式所示:

7、      (1)

8、其中,为作用成功概率模型,为针对每颗目标星的作用成功概率,为作用效能,j为目标函数。

9、进一步,综合时效与作用效能建立效能评估模型,针对三种任务载荷,分别为:

10、载荷1:;

11、载荷2:;

12、载荷3:;

13、其中,c是常数,t是时间,t是时间阈值,是跟姿态相关的失能效能系数,是姿态。

14、进一步,基于模糊理论的评价模型实现步骤如下:

15、步骤s1.1:建立任务的影响因素集;

16、步骤s1.2:确定评价等级及其标度;

17、步骤s1.3:确定权重集;

18、步骤s1.4:构造任务影响因素集的模糊评判矩阵,评价矩阵中的元素的值由德尔菲法确定;

19、步骤s1.5:求评判矩阵和权重向量的水平截集和;

20、                (2)

21、其中,,表示第j个因素水平截集的左区间,表示第j个因素水平截集的右区间,b是评判矩阵集合水平截集中的元素,w是权重向量水平截集中的元素;

22、步骤s1.6:构造模糊综合评判;

23、步骤s1.7:模糊评判结果的确定;

24、步骤s1.8:求各个任务的优先级;

25、步骤s1.9:将计算得到的任务优先级排序,优先执行其优先级最大的任务;

26、步骤s1.10:过程迭代;在任务执行的过程中,若有新的任务到达,则计算其优先级,并插入到任务队列合适的位置,参与下一次的任务调度。

27、进一步,步骤s1.6中,用评判矩阵中的各元素乘以相对应影响权重,建立模糊评判矩阵:

28、                (3)

29、其中,表示权重的水平截集,表示评判矩阵的水平截集,表示张量积。

30、进一步,步骤s1.7中,在λ水平一定的情况下,应用确定因子确定模糊矩阵:

31、       (4)

32、其中,,越大,其值就越接近水平截集右区间,反之就越接近水平截集左区间;,...为模糊矩阵的参数集,下标表示为模糊矩阵的第i行第j列,,λ是水平截集下的模糊矩阵参数集,i、l、j都是表示顺序的参数。

33、进一步,步骤s1.8中,对每一任务按照以下公式求其优先级:

34、         (5)

35、其中,表示第个因素的调节因子,它们共同调节各个因素在优先级中的平衡。

36、进一步,步骤s2包括以下子步骤:

37、s2.1确定载荷1的子星联盟特征函数;

38、结合子星任务分配目标函数,给出载荷1的联盟特征函数:

39、      (6)

40、其中,为任务执行的效益,为一个大于1的常数,是联盟中子星数量,是子星需要支付任务的成本,这里成本定义为载荷1执行任务时的成本以及效率,为联盟中所有子星合作效益表达式如公式(7):

41、       (7)

42、其中,表示载荷1执行任务时的价值系数,表示载荷1执行任务时的速度和效率,补偿系数;

43、s2.2确定载荷2的子星联盟特征函数;

44、结合子星任务分配目标函数,给出载荷2的联盟特征函数:

45、         (8)

46、其中,为任务执行的效益,为一个大于1的常数,是联盟子星的数量,是子星需要支付任务的成本,这里的成本来自载荷2执行任务的成本以及效率,是目标被联盟一起的效益,表达式如(9)所示:

47、       (9)

48、其中,表示只有一个子星作用目标星时获得的收益,为补偿系数;

49、           (10)

50、其中,为感知系数,为执行任务的距离,是通过单脉冲变轨执行任务所需要的速度增量,为速度增量对应于燃油量的转化率,为对应的变轨时间,为目标在载荷2执行任务时的反应时间;

51、s2.3确定载荷3的子星联盟特征函数;

52、结合子星任务分配目标函数,给出载荷3的联盟特征函数:

53、       (11)

54、其中,为任务执行的效益,为一个大于1的常数,是目标被联盟一起的效益,是联盟中子星数量,是子星需要支付任务的成本,这里成本定义为载荷3执行任务时的成本以及效率;

55、          (12)

56、其中,为补偿系数。

57、进一步,具体地,步骤s3中,包含以下步骤:

58、s3.1任务选择阶段,所有卫星根据自己了解到的信息自主选择目标联盟;

59、s3.2初始时刻,我方主星携带有颗子星,任务场景中存在个目标星,即个任务联盟,记为,子星自身了解到的信息为,其中为任务分配表,是一个的矩阵,为子星参与的任务联盟,,为一个0到1之间的随机数,为一个正整数,为实数,为一个逻辑值;

60、s3.3第一次迭代中,规定子星至少将自己作为参与者,每个联盟的参与者数目均为1;

61、s3.4联盟选择结束后,子星将自己选择前后的情况对比,若选择结果和自己原来的选择不同,则次数加1,同时时间戳随机更新;

62、s3.5任务选择阶段结束后,存在没有加入最符合自身利益的联盟的子星,定义这类卫星为不稳定子星;

63、s3.6对于不稳定子星,有任务分配冲突,进行更新联盟;

64、s3.7冲突消除阶段,不稳定子星按照时间戳的大小,随机地参与另一个不稳定子星的任务联盟,不断迭代,直至所有子星处于任务分配一致性无冲突状态:最终当所有子星都稳定分配时,任务分配信息不再改变,对应最终的分配方案。

65、进一步,满足以下三个条件,则认为所有子星处于任务分配一致性无冲突状态:

66、        (17)

67、       (18)

68、      (19)

69、其中,公式(17)代表所有子星都选择了联盟,公式(18)代表所有智能体经过相互通信,了解到的任务分配信息是一致的,公式(19)表明所有子星没有再改变自身选择的意愿,alloc表示任务分配信息表。

70、本发明的有益效果如下:

71、1、综合考虑成功概率、作用效能、任务时序三类决策因素、通过模糊数学理论对各决策因素量化,建立任务成功概率与作用效能联合乘积最大化性能指标,求解最优策略并验证方案可行性,最后输出集群任务分配结果;

72、2、可同时对多个目标进行任务规划,主星能够实现自主规划任务;

73、3、当双方数量较多、能力有所差距时,可采用了基于智能体联盟的改进合同网算法进行计算。智能体之间依据能力互补性、合作信任度和低通信代价的原则形成智能体联盟,不同联盟之间存在竞争,联盟内部即存在竞争又存在协作。这一改进模型是多智能体系统竞争性和合作性的有效结合,充分发挥单个智能体问题求解能力,通信消耗相对较低、可扩展性强;提高系统效率。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1