卫星协同任务规划方法及系统
本发明涉及卫星任务规划,具体涉及一种卫星协同任务规划方法及系统。
背景技术:
1、随着在轨卫星数量的快速增长,如何高效协同多颗卫星完成对地观测、通信传输、应急搜救等复杂任务,已成为提升天基系统效能的关键。传统的卫星任务规划方法多采用启发式规则或单星独立规划,难以在满足星上资源约束(例如电量、存储量)的前提下,实现多星协同下的全局收益最大化。特别是在动态对抗环境中,快速响应态势变化并重新规划的能力至关重要。因此,亟需一种能够实现智能、实时、全局优化的卫星协同任务规划方法及系统。
技术实现思路
1、为解决上述现有技术中存在的部分或全部技术问题,本发明提供一种卫星协同任务规划方法及系统。
2、本发明的技术方案如下:
3、第一方面,提供了一种卫星协同任务规划方法,包括:
4、获取在轨卫星的轨道特性参数和功能,构建卫星资源库;
5、获取任务需求,根据任务需求,构建用于执行任务的卫星集群;
6、根据任务需求和卫星集群,利用预先训练的指针网络模型进行任务时序规划,生成任务执行序列,其中,所述指针网络模型的输入为根据任务需求确定的卫星集群中所有卫星的所有候选任务组成的全局任务集合,以及每个候选任务对应的用于表征任务是否满足预设约束、任务是否已经被访问过、任务执行卫星的剩余存储量、任务执行卫星的剩余电量、任务执行卫星侧摆位置的动态特征参数,所述指针网络模型的输出为任务执行序列。
7、在一些可选的实施方式中,所述根据任务需求和卫星集群,利用指针网络模型进行任务时序规划,生成任务执行序列,包括:
8、确定全局任务集合;
9、确定当前时间步下候选任务对应的动态特征参数;
10、根据全局任务集合和动态特征参数,确定当前时间步下指针网络模型的输入向量;
11、将输入向量输入指针网络模型,指针网络模型将输入向量中每个元素映射为一个矩阵;
12、指针网络模型根据当前时间步下输入向量对应的映射矩阵、当前时间步下已解码任务执行序列和当前时间步下的mask向量,计算所有节点的概率分布,获取概率分布向量,选择概率分布向量中概率值最大的节点作为输出节点;
13、逐步确定每一个时间步下的输出节点,获取任务执行序列。
14、在一些可选的实施方式中,所述指针网络模型包括编码器和解码器;
15、所述指针网络模型中的编码器将输入向量中每个元素映射为一个矩阵,所述指针网络模型中的解码器根据当前时间步下编码器输出的映射矩阵、当前时间步下解码器已解码任务执行序列和当前时间步下的mask向量,计算所有节点的概率分布,获取概率分布向量,选择概率分布向量中概率值最大的节点作为输出节点。
16、在一些可选的实施方式中,所述指针网络模型通过以下方式进行训练:
17、获取多个样本数据,样本数据包括:全局任务集合和候选任务对应的动态特征参数;
18、分别将多个样本数据输入指针网络模型,获取指针网络模型输出的任务执行序列及其对应的概率;
19、根据指针网络模型输出的任务执行序列,计算每个任务执行序列对应的收益率;
20、分别将多个样本数据输入预设的收益评估网络模型,获取收益评估网络模型输出的收益评估值,所述收益评估网络模型用于预测任务执行序列的收益;
21、计算模型输出对指针网络模型参数的梯度,使用梯度更新指针网络模型参数;
22、计算模型输出对收益评估网络模型的梯度,使用梯度更新收益评估网络模型参数;
23、进行指针网络模型参数和收益评估网络模型参数的迭代更新,直至达到预设停止条件。
24、在一些可选的实施方式中,利用以下公式计算模型输出对指针网络模型参数的梯度,使用梯度上升算法更新指针网络模型参数;
25、;
26、其中,表示模型输出对指针网络模型参数的梯度,表示指针网络模型参数,表示样本数据数量,表示指针网络模型基于样本数据输出的任务执行序列所对应的收益率,表示第p个样本数据,表示收益评估网络模型参数,表示收益评估网络模型基于样本数据输出的收益评估值,表示指针网络模型基于样本数据输出的任务执行序列,表示指针网络模型基于样本数据输出的任务执行序列的概率,表示计算关于参数的梯度。
27、在一些可选的实施方式中,利用以下公式计算模型输出对收益评估网络模型的梯度,使用梯度下降算法更新收益评估网络模型参数;
28、;
29、其中,表示模型输出对收益评估网络模型参数的梯度,表示计算关于参数的梯度。
30、在一些可选的实施方式中,利用以下公式计算任务执行序列对应的收益率:
31、;
32、其中,表示收益率,表示任务执行序列中第j个元素对应的任务,n表示任务执行序列中规划的任务数量,表示任务对应的优先级,表示全局任务集合中第i个候选任务,表示候选任务对应的优先级,m为候选任务数量,表示指示函数,指示函数定义为:
33、。
34、在一些可选的实施方式中,所述方法还包括:
35、根据生成的任务执行序列依次执行任务,在任务执行过程中,实时监测每个任务的执行结果,若执行结果满足预期要求,则继续根据生成的任务执行序列依次执行任务,若执行结果不满足预期要求,则基于当前任务执行情况,利用指针网络模型重新进行任务时序规划。
36、第二方面,还提供了一种卫星协同任务规划系统,所述系统包括:
37、卫星资源库构建单元,用于获取在轨卫星的轨道特性参数和功能,根据在轨卫星的轨道特性参数和功能,构建卫星资源库;
38、任务需求获取单元,用于获取任务需求;
39、卫星集群构建单元,用于根据任务需求,构建用于执行任务的卫星集群;
40、任务执行序列生成单元,用于根据任务需求和卫星集群,利用预先训练的指针网络模型进行任务时序规划,生成任务执行序列,其中,所述指针网络模型的输入为根据任务需求确定的卫星集群中所有卫星的所有候选任务组成的全局任务集合,以及每个候选任务对应的用于表征任务是否满足预设约束、任务是否已经被访问过、任务执行卫星的剩余存储量、任务执行卫星的剩余电量、任务执行卫星侧摆位置的动态特征参数,所述指针网络模型的输出为任务执行序列。
41、在一些可选的实施方式中,所述任务执行序列生成单元包括:
42、模型构建子单元,用于构建并训练指针网络模型;
43、任务时序规划子单元,用于根据任务需求和卫星集群,利用训练后的指针网络模型进行任务时序规划,生成任务执行序列。
44、本发明技术方案的主要优点如下:
45、本发明的卫星协同任务规划方法及系统通过根据在轨卫星情况构建用于执行任务的卫星集群,利用指针网络模型进行全局任务集合的规划处理,并通过将剩余电量、剩余存储量等动态约束以特征形式融入指针网络模型的决策中,能够实现任务分配与时序调度的联合优化,能够从根本上保证生成的任务执行序列的可行性,克服传统任务规划方式存在的局部最优问题,能够确定最优的任务执行方式,降低执行任务所需的代价,提高任务执行的收益率,提高任务执行效率,提高卫星资源的利用率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com