【技术实现步骤摘要】
本专利技术涉及卫星星座设计领域，具体涉及重访掩星星座设计方法。
技术介绍
1、掩星大气观测是指地球一侧的信源卫星发射的无线电信号经过地球大气的折射，被另一侧的观测卫星接受，对无线电信号进行反演可以得到折射切点的大气观测数据。在全球气候变换与气候治理的背景下，设计一个性能优异的掩星星座，可以对温室气体浓度实现有效的量化观测。
2、目前的掩星星座设计方法主要采用仿真分析法，即通过模拟和分析来评估星座的性能。然而，这种方法存在一些缺陷。首先，仿真分析法的效率较低。由于需要进行大量的模拟和分析，设计一个性能优异的掩星星座需要耗费大量的时间和计算资源。其次，现有的优化设计方法通常将问题处理为单目标优化问题。这意味着只考虑了一个目标，如最大化覆盖范围或最小化观测误差。然而，在掩星大气观测中，往往存在多个目标，如最大化覆盖范围、最小化观测误差和最大化观测稳定性等。将问题简化为单目标优化问题可能会导致多样性损失，无法充分考虑多个目标之间的权衡和平衡。此外，与传统的“星-地”覆盖观测相比，“星-星-地”掩星观测涉及的对象更多，观测稳定性较差。传统的重访星座设计方法无法很好地适应这种情况，无法保证在不同时间和地点进行稳定的观测。因此提出一种基于多目标优化的重访掩星星座设计方法具有较强意义。
技术实现思路
1、为解决现有掩星星座优化设计中多样性损失，以及传统重访星座设计方法不适用的问题，本专利技术提供了一种基于多目标优化的重访掩星星座设计方法，所述方法包括：
2、一种基于多目标优
3、步骤1：采集待观测的区域，并将所述区域划分栅格，得到栅格化的区域信息数据集；
4、步骤2：根据所述栅格化的区域信息数据集，确定卫星星座的决策变量的取值范围；
5、步骤3：根据所述卫星星座的决策变量的取值范围，在轨道高度取值范围内，计算回归轨道对集合和对应的回归时间；
6、步骤4：根据所述回归轨道对集合和对应的回归时间，确定优化目标和适应度函数；
7、步骤5：根据所述优化目标和适应度函数，设置优化moea\d算法的参数值，在所述决策变量的取值范围内，随机生成种群初始解；
8、步骤6：基于轨道对的重访时间与所述种群初始解，仿真得到适应度；
9、步骤7：基于moea/d算法进行优化迭代种群解，基于所述适应度更新非支配解集，所述非支配解集用于设计重访掩星星座，若优化结束条件未满足，则返回步骤6。
10、进一步，所述步骤1中，所述待观测区域是由四个坐标点围成的区域，具体为：
11、x＝{(lon1,lat1),(lon1,lat2)，(lon2,lat1),(lon2,lat2)}，
12、(lon1,lat1)表示第一个坐标点对应的经度和纬度，(lon1,lat2)表示第二个坐标点对应的经度和纬度，(lon2,lat1)表示第三个点坐标点对应的经度和纬度，(lon2,lat2)表示第四个坐标点对应的经度和纬度。
13、进一步，所述步骤2中，所述确定卫星星座的决策变量的取值范围具体为：将掩星星座取为walker构型，确定星座卫星数为定值；确定轨道倾角、轨道高度、轨道面数、星座相位、升交点赤经差值的取值范围。
14、进一步，所述步骤3中，所述轨道高度满足回归周期约束，所述回归周期约束需要满足：
15、dete＝kttt＝krtr
16、式中，tt为信源卫星的轨道周期，tr为观测卫星的轨道周期，te为地球的自转周期，de、kt、kr皆为正整数，即在地球自转de天时，信源卫星转kt圈，观测卫星转kr圈。
17、进一步，所述步骤3中，所述计算回归轨道对集合的方法为：设置最长回归天数，在该范围内搜索重访轨道对；
18、所述搜索重访轨道对的步骤为：先计算出的单个卫星回归轨道高度集合htotal，在满足高度约束的情况下，遍历de与ki入选条件是轨道高度hi满足单星覆盖观测回归天数约束，
19、
20、再对htotal中的每一个轨道高度hi，计算他的邻接轨道高度集合shi，选择范围是htotal集合中的其他轨道，轨道对的回归周期通过
21、dr＝[di,dj]≤demax
22、获得,其中，dr为轨道对的回归周期天，di为轨道高度为hi的回归天数，dj为轨道高度hj的回归天数，demax为最长回归天数。
23、进一步，所述步骤4中，所述优化目标包括：掩星事件数目、掩星事件均匀度和重访性能；
24、所述适应度函数包括：掩星事件数目的适应度函数、掩星事件均匀度的适应度函数和重访性能适应度函数；
25、掩星事件数目的适应度函数通过：
26、f1＝kn0/t
27、获得，其中，k为系数，no为仿真时间内的掩星事件的次数加和，t为仿真时间；
28、掩星事件均匀度的适应度函数通过：
29、f1＝-σgrid/μgrid-σlat/μlat
30、获得，其中，μgrid为按栅格分布的平均值，μlat为按维度带分布的平均值，σgrid为按栅格分布的标准差，σlat为按维度带分布的标准差；
31、重访性能适应度函数通过：
32、
33、获得，其中，nogrid为在仿真时间内被观测到的栅格数，tcg为单个栅格的平均重访时间。
34、进一步，所述步骤5中，所述moea\d算法的权向量通过：
35、λi＝(λi1,λi2,λi3)
36、获得，所述权向量每个分量都从集合hλ＝{0/h,1/h…h/h}中选取。
37、进一步，所述步骤5中，所述随机生成种群初始解具体为：设置参数h，相应的确定种群值n，设置领域值参数t，迭代数g，变异算子f，决策变量实数编码，随机产生初始解，解码时若有离散值，则取整或取整索引。
38、进一步，所述步骤6具体为，将轨道对的回归周期作为种群中每一个解的仿真时间，使用前向掩星模拟算法进行仿真，根据步骤4计算出解的适应度。
39、进一步，所述步骤7中，所述优化迭代种群解，更新非支配解集具体为：若未初始化则初始化当前参考点z*和精英种群ep，从邻域中选择个体交叉变异产生新个体y,y不满足约束则重新变异直到满足约束，在邻域内搜索对比更新种群，更新参考点z*和精英种群ep。
40、与现有技术相比，本专利技术具有的有益效果：
41、(1)本专利技术实现了基于多目标优化算法的掩星星座设计方法，解决了现有掩星星座优化设计中优化目标单一、多样性损失、依赖目标权重等问题。
42、(2)本专利技术实现了重访掩星星座设计，解决了传统覆盖观测回归模型在掩星观测回归轨道设计中不适用的问题。
本文档来自技高网...【技术保护点】
1.一种基于多目标优化的重访掩星星座设计方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于多目标优化的重访掩星星座设计方法，其特征在于，所述步骤1中，所述待观测区域是由四个坐标点围成的区域，具体为：
3.根据权利要求1所述的一种基于多目标优化的重访掩星星座设计方法，其特征在于，所述步骤2中，所述确定卫星星座的决策变量的取值范围具体为：将掩星星座取为Walker构型，确定星座卫星数为定值；确定轨道倾角、轨道高度、轨道面数、星座相位、升交点赤经差值的取值范围。
4.根据权利要求1所述的一种基于多目标优化的重访掩星星座设计方法，其特征在于，所述步骤3中，所述轨道高度满足回归周期约束，所述回归周期约束需要满足：
5.根据权利要求1所述的一种基于多目标优化的重访掩星星座设计方法，其特征在于，所述步骤3中，所述计算回归轨道对集合的方法为：设置最长回归天数，在该范围内搜索重访轨道对；
6.根据权利要求1所述的一种基于多目标优化的重访掩星星座设计方法，其特征在于，所述步骤4中，所述优化目标包括：掩星事件数目、掩星事件均匀
7.根据权利要求1所述的一种基于多目标优化的重访掩星星座设计方法，其特征在于，所述步骤5中，所述MOEA\D算法的权向量通过：
8.根据权利要求1所述的一种基于多目标优化的重访掩星星座设计方法，其特征在于，所述步骤5中，所述随机生成种群初始解具体为：设置参数H，相应的确定种群值N，设置领域值参数T，迭代数G，变异算子F，决策变量实数编码，随机产生初始解，解码时若有离散值，则取整或取整索引。
9.根据权利要求1所述的一种基于多目标优化的重访掩星星座设计方法，其特征在于，所述步骤6具体为，将轨道对的回归周期作为种群中每一个解的仿真时间，使用前向掩星模拟算法进行仿真，根据步骤4计算出解的适应度。
10.根据权利要求1所述的一种基于多目标优化的重访掩星星座设计方法，其特征在于，所述步骤7中，所述优化迭代种群解，更新非支配解集具体为：
...【技术特征摘要】
1.一种基于多目标优化的重访掩星星座设计方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于多目标优化的重访掩星星座设计方法，其特征在于，所述步骤1中，所述待观测区域是由四个坐标点围成的区域，具体为：
3.根据权利要求1所述的一种基于多目标优化的重访掩星星座设计方法，其特征在于，所述步骤2中，所述确定卫星星座的决策变量的取值范围具体为：将掩星星座取为walker构型，确定星座卫星数为定值；确定轨道倾角、轨道高度、轨道面数、星座相位、升交点赤经差值的取值范围。
4.根据权利要求1所述的一种基于多目标优化的重访掩星星座设计方法，其特征在于，所述步骤3中，所述轨道高度满足回归周期约束，所述回归周期约束需要满足：
5.根据权利要求1所述的一种基于多目标优化的重访掩星星座设计方法，其特征在于，所述步骤3中，所述计算回归轨道对集合的方法为：设置最长回归天数，在该范围内搜索重访轨道对；
6.根据权利要求1所述的一种基于多目标...
【专利技术属性】
技术研发人员：晁涛，李卫浩，霍炬，王松艳，杨明，杜鹤，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。