卫星集群轨道博弈实时任务分配与快速轨迹协同优化方法

本发明属于卫星追逃博弈，具体涉及一种卫星集群轨道博弈实时任务分配与快速轨迹协同优化方法。

背景技术：

1、随着卫星系统智能化升级与空间任务协同化需求的提升，现代航天工程正加速向模块化、网络化的分布式卫星系统架构转型。卫星集群通过多节点协同作业模式，在轨重构能力与容错性方面展现出显著优势，逐渐成为深空探测、对地观测等领域的研究热点。面向动态任务场景的集群协同调度问题通常可建模为多目标约束下的整数规划模型，其核心在于优化多星资源与异构任务间的时空匹配关系，同时满足星间通信延迟、载荷切换能耗、姿态机动约束及任务优先级等复杂条件。当前研究需突破星载计算资源受限条件下的在线任务规划算法、多星信息交互机制设计以及不确定环境下的动态重规划等关键技术难题，这对提升卫星集群在轨自主决策能力具有重要研究价值。

2、在卫星博弈的集群智能系统任务分配领域，现有方法可分为集中式与分布式两大范式。集中式方法依赖中央控制器全局优化（如遗传算法、模拟退火），虽能保证理论最优解，却面临通信带宽压力大、单点失效风险高等固有缺陷。分布式方法则通过局部通信与自主决策实现协同，成为近年来的研究热点。分布式方法的核心在于利用多智能体系统实现任务的自主处理。在众多实现路径中，拍卖算法因具备优良的可扩展性而备受青睐，其理论基础已由早期的竞价模型发展为成熟的无中心化协同协议（如bertsekas、zavlanos等人的工作）。

3、时间最优性是卫星任务分配问题的一项重要指标，现有研究围绕数值算法设计与理论适配性展开多层次探索。间接法通过构造扩展哈密顿函数解析时间最优条件，虽能获得理论最优解，但其对高维非线性系统存在数值稳定性差、初值敏感度高等固有缺陷，有的方法通过伪谱离散与松弛变量技术部分缓解了该问题。直接法则依托控制参数化、伪谱配点等离散化策略，将时间变量显式纳入优化空间，结合序列凸优化或混合整数规划框架，在兼顾终端约束的同时实现在线求解。针对复杂动态环境，启发式算法（如改进浣熊优化算法等）通过全局搜索策略突破局部极值限制，其并行计算特性显著提升多星协同场景下的决策效率。有的则基于多智能体深度强化学习（ma-drl）框架，通过“离线训练-在线部署”机制，进一步提升了低轨星座在动态拓扑下的分布式路由适应能力。

4、当前卫星轨道博弈面临的核心挑战集中在三个方面：一是任务分配与轨迹规划的割裂处理导致系统性能次优，亟需构建统一协同优化框架；二是多对多分布式任务分配需在通信不确定环境下兼顾公平效率，传统拍卖机制难以适应动态变化的优先级；三是复杂轨迹约束（例如二体动力学、燃料限制和碰撞规避等）使得传统路径规划算法在实时性和计算效率上存在局限。

技术实现思路

1、针对现有技术的不足，本发明的核心创新在于提出了一种卫星集群轨道博弈实时任务分配与快速轨迹协同优化方法，首先通过增强鲁棒性的拍卖机制实现星间任务的高效自主分配，有效应对动态优先级问题；随后，针对分配结果构建以最小化终端时间为目标的最优控制模型，采用控制参数化-精确惩罚函数方法高效求解复杂约束下的轨迹优化问题。本发明实现了任务分配与轨迹规划层的闭环耦合与实时交互，克服了传统分阶段处理的固有局限。

2、本发明提供一种卫星集群轨道博弈实时任务分配与快速轨迹协同优化方法，包括以下步骤：

3、基于多颗卫星和多个目标构建卫星集群轨道博弈的数学规划模型，建立全局目标函数；

4、基于分布式竞拍机制确定目标和卫星之间的分配关系，生成任务分配方案；

5、基于任务分配方案构建以最小化拦截时间为目标的最优控制问题，建立精确惩罚函数求解最短拦截时间；

6、在全局目标函数的约束下，基于最短拦截时间更新任务分配方案，根据更新后的任务分配方案生成最优拦截轨迹。

7、进一步的，基于多颗卫星和多个目标构建卫星集群轨道博弈的数学规划模型，建立全局目标函数的具体方法为：

8、设定多颗卫星的序号分别为，建立卫星集合，其中，为卫星总数；获取每颗卫星的载荷类型、动力学方程和最大飞行时长；

9、设定多个目标的序号分别为，建立目标集合，其中，为目标总数；获取每个目标的风险等级、所需拦截载荷类型和所需分配的卫星数量；

10、基于卫星和目标之间的分配关系，生成高层任务分配策略，其中，表示卫星和目标之间的分配关系，当卫星被分配到拦截目标时，设置，否则设置；

11、设定每颗卫星拦截对应目标的轨迹控制策略为满足卫星的动力学方程和推力约束的控制函数；

12、以满足轨迹生成策略且所有卫星拦截对应目标的风险移除代价最低为目标建立全局目标函数，如下公式所示：

13、；

14、其中，为卫星拦截目标的风险移除代价，为卫星到目标的抵达最小时间，为目标的风险等级；

15、设置全局目标函数的约束条件，包括每颗卫星拦截的目标数量、同时参与拦截同一个目标的卫星数量、载荷匹配约束和每颗卫星的最大航程。

16、进一步的，基于分布式竞拍机制确定目标和卫星之间的分配关系的具体方法为：

17、初始化代价矩阵，其中，基于简化的无约束相对运动学模型预估卫星到目标的抵达最小时间的估计值，计算卫星拦截目标的风险移除代价；如果卫星的载荷类型和目标的所需拦截载荷类型不匹配或卫星抵达目标的抵达最小时间超出卫星最大飞行时长，则设置风险移除代价为正无穷；

18、在通信时间时，设定每颗卫星对目标的状态向量，包括竞价向量和竞价最高且序号最大向量；将目标分配给竞价向量最大的卫星；

19、对于分配给卫星的已分配目标，卫星在通信时间接收所有邻居卫星的状态向量，在通信时间内迭代更新卫星在通信时间的状态向量；每次迭代时，基于加价机制在卫星对已分配目标的竞价向量上增加预设的正数，得到卫星在通信时间的竞价向量；

20、当邻居卫星对已分配目标的竞价向量不小于卫星对已分配目标的竞价向量时，将已分配目标分配给邻居卫星；根据通信时间的竞价向量和目标收益计算每个目标的净值，选取净值最大的目标分配给卫星；

21、当通信时间所有卫星的状态向量均不再发生更新时，判定为竞拍收敛；根据通信时间的竞价最高且序号最大向量生成任务分配方案，包括每颗卫星和对应的拦截目标。

22、进一步的，更新卫星在通信时间的状态向量的具体方法为：

23、针对每个目标，将卫星的竞价向量与所有邻居卫星的竞价向量进行对比，选取卫星和所有邻居卫星的竞价向量中最大的竞价向量作为卫星在通信时间的竞价向量；

24、如果卫星和所有邻居卫星的竞价向量中最大的竞价向量为邻居卫星的竞价向量，则将卫星在通信时间的竞价最高且序号最大向量的序号更新为邻居卫星的序号；

25、如果卫星和所有邻居卫星的竞价向量中最大的竞价向量为卫星的竞价向量，则将卫星在通信时间的竞价最高且序号最大向量作为通信时间的竞价最高且序号最大向量；

26、如果卫星的竞价向量与邻居卫星的竞价向量相等且最大，则对比卫星和邻居卫星的序号，选取序号最大的竞价最高且序号最大向量作为卫星通信时间的竞价最高且序号最大向量。

27、进一步的，基于任务分配方案构建以最小化拦截时间为目标的最优控制问题的具体方法为：

28、基于卫星拦截目标的总飞行时间建立目标函数和约束条件，求解最优控制律及最优拦截时间，使得目标函数极小化；所述约束条件包括卫星的状态方程、初始位置约束条件、终端位置约束条件、防暴露路径约束条件、终端速度约束条件和推力幅值约束条件。

29、进一步的，建立精确惩罚函数求解最短拦截时间的具体方法为：

30、将卫星拦截目标的总飞行时间区间划分为个子区间，将目标函数转换为有限维非线性目标函数，其中，为静态决策变量；将约束条件映射为虚拟时间域约束条件；

31、基于防暴露路径约束条件、终端位置约束条件和终端速度约束条件，建立精确惩罚函数，精确惩罚函数满足虚拟时间域约束条件；其中，为外部惩罚参数，为辅助变量；

32、通过确定辅助变量，将精确惩罚函数转换为最小化增广目标函数；

33、构建哈密顿函数，采用数值优化器对最小化增广目标函数进行迭代求解，得到最优拦截时间。

34、进一步的，基于防暴露路径约束条件、终端位置约束条件和终端速度约束条件，建立精确惩罚函数，具体方法为：

35、设定防暴露路径约束条件的违反逾值积分；

36、设定卫星的终端位置约束条件和终端速度约束条件的整体违反逾值积分；

37、将防暴露路径约束条件的违反逾值积分、终端位置约束条件和终端速度约束条件的整体违反逾值积分代入有限维非线性目标函数，得到精确惩罚函数。

38、进一步的，基于最短拦截时间更新任务分配方案，具体方法为：

39、使用最优拦截时间替换基于简化的无约束相对运动学模型预估卫星到目标的抵达最小时间的估计值，更新初始化代价矩阵；基于更新后的初始化代价矩阵，更新任务分配方案，判断更新后的任务分配方案是否发生改变；如果更新后的任务分配方案发生改变，则迭代生成任务分配方案，并基于生成的任务分配方案求解最短拦截时间，直至连续两次迭代生成的任务分配方案不发生改变；

40、如果连续两次迭代生成的任务分配方案不发生改变，则基于最后一次生成的任务分配方案生成最优拦截轨迹。

41、采用上述技术方案所产生的有益效果在于：本发明提供的一种卫星集群轨道博弈实时任务分配与快速轨迹协同优化方法，通过任务分配与轨迹规划的闭环耦合，克服了传统分阶段处理的性能次优问题，能够获得全局更优的协同策略；采用控制参数化与精确罚函数法将复杂动态优化问题转化为非线性规划问题，显著降低了求解复杂度，提高了计算效率；基于一致性协议的分布式拍卖算法无需中心节点，仅依赖局部通信，避免了单点故障，具有较强的鲁棒性。相较于现有方法，本发明在统一性、计算效率、动态环境适应能力及优化性能方面展现出显著优势和创新潜力。