【技术实现步骤摘要】
本专利技术涉及多卫星任务规划调度的，尤其是一种基于融合合并观测的自适应遗传算法的多卫星协同任务调度规划方法。通过对所有的任务进行分类，设置相应的优先级，并在区域任务规划调度过程中，采用区域离散自适应采样的方法对区域任务能够快速分解为点任务，提升区域观测任务的完成率；进一步的，在将所有任务转换为带有权重的元任务进行处理规划时，设计了一种有效的元任务合并观测方法，并采用自适应遗传算法对构建的多卫星任务规划模型求解，有效的提升多卫星动态任务规划调度收益，算法能够生成同时满足目标函数最大又满足不同约束分析的任务观测计划方案，有效利用卫星资源，提高任务规划效率，属于任务规划调度。
技术介绍
1、随着航天技术的迅猛进步与全球空间探索的深入，卫星网络作为连接地球与宇宙的重要桥梁，其规模正以惊人的速度不断扩张。这一趋势不仅体现在卫星数量的显著增加上，更在于卫星种类的多样化以及它们所具备的观测、通信、导航等能力的全面提升。从高分辨率遥感卫星到深空探测器，从通信中继卫星到科学实验平台，各类卫星在各自领域内发挥着不可替代的作用。
2、然而，随着卫星网络的复杂化，任务需求也呈现出爆炸式增长的趋势。这些任务可能涉及地球观测、环境监测、灾害预警、资源勘探、军事侦察等多个方面，对任务规划的实时性、准确性和灵活性提出了前所未有的高要求。传统的任务规划方法，如基于规则的调度、简单的优化算法等，往往难以应对这种复杂多变的任务环境，特别是在处理多卫星协同任务规划时，其局限性更加明显。
3、多卫星协同任务规划是一个高度复杂的系统工程问题，它要求
4、传统的任务规划方法在处理多卫星系统时往往效率低下，难以满足复杂任务的需求。而自适应遗传算法为多卫星任务规划调度提供了一种有效的解决方案。遗传算法是一种基于自然选择和遗传变异的优化算法，它通过模拟生物进化过程来寻找最优解。在多卫星任务规划调度中，自适应遗传算法可以根据任务的特点和卫星资源的状况，自动调整算法参数，提高搜索效率和求解质量。它能够有效地处理复杂的约束条件，同时兼顾任务的优先级和时间窗口，实现多卫星资源的合理分配和任务的高效执行。
技术实现思路
1、为了克服上述现有技术中的缺陷，本专利技术在区域任务规划调度过程中，采用区域离散自适应采样的方法对区域任务能够快速分解为点任务，提升区域观测任务的完成率；在对所有的点任务进行处理规划时，设计了一种有效的元任务合并观测方法；在自适应遗传算法求解任务规划模型过程中，依据种群迭代次数和个体适应度设计自适应变异与交叉概率，对构建的多卫星任务规划优化目标函数进行求解，有效的提升多卫星动态任务规划化收益和算法求解效率；本专利技术能够提高卫星资源利用率以及解决多卫星任务执行时效性问题,针对不同的任务情况,选择不同的处理方法,达到合理分配卫星资源,增加单轨观测任务数量,提高响应时效性。
2、为实现上述目的，本专利技术包括以下技术方案：
3、基于融合合并观测的自适应遗传算法的多卫星协同任务动态调度规划方法，包括以下步骤
4、步骤1：任务分类阶段，依据任务属性，构建待规划任务集合；
5、步骤2：区域任务分解阶段，分析任务特性，将复杂的大区域观测任务系那个简单点任务转化；
6、步骤3：数据预处理阶段，将所有的任务转换为元任务，依据可调度卫星资源，分析计算出每个元任务的可选卫星资源以及相对应的时间窗口；
7、步骤4：任务合并观测处理阶段，依次对所有元任务进行合并观测约束检测，将符合合并条件的元任务进行合并观测处理；
8、步骤5：优化模型构建，以最大观测收益为优化目标，确立调度规划过程中的冲突消解原则，建立多卫星多任务合并观测调度规划模型；
9、步骤6：自适应遗传算法求解，对建立的调度规划模型进行参数优化求解，获得符合任务规划约束的合并观测调度组合结果；
10、优选的，所述步骤1中构建待规划任务集合包括任对任务进行分类和优先级设置，具体包括以下步骤：
11、s11，任务分类；
12、调度规划任务的输入主要包括任务信息、卫星信息两部分，依据任务属性将所有任务集合t＝{t1,t2,t3,…,tm}，分类为点任务集合tpoi＝{t1_poi,t2_poi,t3_poi,…,tm1_poi}、区域任务集合tare＝{t1_are,t2_are,t3_are,…,tm2_are}以及动态任务集合tdyn＝{t1_dyn,t2_dyn,t3_dyn,…,tm3_dyn}。其中,点任务是由目标点的经度(loni)和纬度(lati)确定的，则点任务集合中的子任务ti_poi具体位置表示为ti_poi＝(lati,loni)；区域观测任务的位置和形状是由各顶点的经纬度确定，则区域任务集合中的子任务ti_are表示为ti_are＝{(lat1,lon1),…,(lati,loni)|i＝1,2,…,n}。
13、s12，优先级设置；
14、按照动态任务的优先级高于点任务的优先级，点任务优先级高于区域任务的优先级的规则，对所有待规划任务集合中的所有任务设置相应优先级，其中同一集合中的子任务优先级相同。
15、优选的，所述步骤2中区域任务分解，具体包括以下步骤：
16、s21，读取区域任务的经纬度范围[lat1,lati]、纬度范围[lon1,loni]，分别设置区域的纬度分解离散粒度△λlat_i、纬度离散粒度△λlon_i，经纬离散粒度符合如下等比关系依据上述区域自适应离散采样方法，将任务区域进行划分成网格，每个采样点都是网格的顶点，也对应着地面的一个位置。
17、s22,筛选区域任务范围内的采样点，通过等比采样的方法对任务区域进行划分后，仍会有部分采样点不在区域内，这时需要剔除这些点，以其中一个采样点为例，进行说明：设其中一个采样点的坐标为(a,b)，若lat1≤a≤lati且lon1≤b≤loni，则设置此采样点的标志为true，反之为false，从而判断出所有在任务区域内的采样点，具体流程如图2所示。
18、s23,针对区域任务的多卫星调度规划问题，区域覆盖率是衡量规划方案优劣的一个重要指标。对于给定的卫星成像条带和区域任务中的每个采样点，成像条带对离散任务区域的采样点进行覆盖。依据采样点与成像条带的位置关系，确定离散网格是否被覆盖。如果网格的所有顶点都被覆盖，则判断该网格被成像条带覆盖；反之，则判断该网格未被覆盖，统计所有被覆盖的网格点，进而计算出任务区域被覆盖率。
19、s24，对动态任务中的区域观测任务同样进行步骤s21～23，对其进行分解。
20、优选的，所述步骤3中将所有的任务转换本文档来自技高网...
【技术保护点】
1.基于融合合并观测的自适应遗传算法的多卫星协同任务动态调度规划方法，其特征在于，所述方法包括以下步骤
2.根据权利要求1所述的基于融合合并观测的自适应遗传算法的多卫星协同任务动态调度规划方法，其特征在于，S1，任务分类阶段，依据任务属性，构建待规划任务集合，具体步骤如下；
3.根据权利要求1所述的基于融合合并观测的自适应遗传算法的多卫星协同任务动态调度规划方法，其特征在于,S2，区域任务分解阶段，分析任务特性，将复杂的大区域观测任务系那个简单点任务转化，具体包含以下步骤；
4.根据权利要求1所述的基于融合合并观测的自适应遗传算法的多卫星协同任务动态调度规划方法，其特征在于,S3,数据预处理阶段，将所有的任务转换为元任务，依据可调度卫星资源，分析计算出每个元任务的可选卫星资源以及相对应的时间窗口，具体包含以下步骤：
5.根据权利要求1所述的基于融合合并观测的自适应遗传算法的多卫星协同任务动态调度规划方法，其特征在于,S4，任务合并观测处理阶段，依次对所有元任务进行合并观测约束检测，将符合合并条件的元任务进行合并观测处理，具体包含以下
6.根据权利要求1所述的基于融合合并观测的自适应遗传算法的多卫星协同任务动态调度规划方法，其特征在于,
7.根据权利要求1所述的基于融合合并观测的自适应遗传算法的多卫星协同任务动态调度规划方法，其特征在于,
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于：所述处理器执行所述程序时实现如上述权利要求1至7中的任意一项所述的基于融合合并观测的自适应遗传算法的多卫星协同任务动态调度规划方法。
9.一种计算机可读存储介质，其上存储有计算机指令，其特征在于：该计算机指令被处理器执行时实现如权利要求1-7中任一项所述的基于融合合并观测的自适应遗传算法的多卫星协同任务动态调度规划方法。
...【技术特征摘要】
1.基于融合合并观测的自适应遗传算法的多卫星协同任务动态调度规划方法，其特征在于，所述方法包括以下步骤
2.根据权利要求1所述的基于融合合并观测的自适应遗传算法的多卫星协同任务动态调度规划方法，其特征在于，s1，任务分类阶段，依据任务属性，构建待规划任务集合，具体步骤如下；
3.根据权利要求1所述的基于融合合并观测的自适应遗传算法的多卫星协同任务动态调度规划方法，其特征在于,s2，区域任务分解阶段，分析任务特性，将复杂的大区域观测任务系那个简单点任务转化，具体包含以下步骤；
4.根据权利要求1所述的基于融合合并观测的自适应遗传算法的多卫星协同任务动态调度规划方法，其特征在于,s3,数据预处理阶段，将所有的任务转换为元任务，依据可调度卫星资源，分析计算出每个元任务的可选卫星资源以及相对应的时间窗口，具体包含以下步骤：
5.根据权利要求1所述的基于融合合并观测的自适应遗传算法的多卫星协同...
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。