启发式算法在卫星任务规划完成率预测中的应用

启发式算法在卫星任务规划完成率预测中的应用摘要：近年来，随着航天科技的进步，卫星遥感观测的需求也在增加，这就导致遥感卫星受资源限制不能完成所有观测任务，这就需要对资源和任务进行合理规划，使得综合收益最大化。

本文针对长期在轨的卫星及大区域目标，利用启发式算法对卫星的观测任务进行规划，并预测在用户规定的一定时间段内卫星对地面目标的覆盖率。

关键词：任务规划；启发式算法；任务完成率Abstract: In recent years, with the progress of space science and technology, the demand for satellite remote sensing observation isalso increasing, which leads to the limited resources of remotesensing satellites can not complete all observation tasks, which requires reasonable planning of resources and tasks to maximize the comprehensive benefits. In this paper, a heuristic algorithm is usedto plan the observation tasks of satellites and predict the coverageof satellites to ground targets in a certain period of time specifiedby users.Key words: Task planning; Heuristic algorithm; Task completionrate1卫星任务规划问题描述在卫星资源有限且观测任务众多的情况下，待观测目标之间可能存在资源冲突，包括在同一时刻同一颗卫星对多个目标可见但只能够选择一个目标进行观测、多颗卫星都对同一目标可见时选择哪颗卫星进行观测等，且不能够保证所有目标在一定时期内都能够被观测到，这就需要在卫星资源有限的情况下，综合考虑目标的优先级、收益及可见时间窗口等信息，对所有观测任务进行合理规划，合理分配卫星资源，使得综合收益最大化。

任务规划问题是指在满足卫星和待观测目标间的各种约束的条件下，给出卫星执行对地观测任务的先后顺序及观测时卫星的姿态，并且使得目标函数达到最优，目标函数包括但不限于观测区域、成像数目及能量分配等，所以其本质是一个NP-hard的约束满足问题[1]。

对于这类问题，通常有两类算法可以解决，分别为精确算法和近似算法[2]。

近似算法即启发式算法，启发式规则是用来消解这些冲突的一种方法，它的目标是找到近似解来代替最优解[3-4]，这样可以在很大程度上减少求解索要付出的代价，适合大规模的组合优化问题。

精确算法则是找出整个解的空间中的最优解[5]。

本章对大区域目标及长期任务规划问题进行分析。

大区域目标成像的重点在于，要把大区域划分为可以一次成像的单景任务的集合，并将这些单景任务分配给单星或者多星在不同时段完成观测。

2卫星任务规划问题建模2.1卫星对地面区域覆盖率计算模型来描述。

卫星的在轨状态可以卫星轨道可以用地心惯性坐标系（OXYZ）J2000.0用两种方式描述，分别为轨道根数和卫星的位置及速度。

卫星在t时刻的星下点为A，时刻的星下点为，假设卫星在t时刻到时刻这段时间内的侧视角度为，表示的是卫星视场角，覆盖的地面区域的顶点用集合表示。

获取了四个顶点的经纬度坐标，就知道了区域的坐标信息并且可以计算区域的面积。

图1 卫星对地面覆盖区域示意图R点的坐标L点的坐标2.2约束分析卫星执行各种成像动作、储存及数据传输时会受到一些限制，即要满足一些约束条件才能保证成像卫星能够完成任务。

这些约束大致可分两类，分别为任务约束和资源约束。

任务约束包括：(1) 图像分辨率精度要求(2) 时效性要求(3) 成组任务要求对于一些大区域目标，星载遥感器一次扫描不能覆盖整个区域范围，要把区域进行条带分解，完成观测的条件为这些条带全部被观测到。

(4) 任务的逻辑约束用户提出多个观测需求，可能会有例如时间上的先后或者互斥的逻辑关系。

卫星资源约束包括：(1) 卫星姿态约束对地观测卫星通常情况姿态角为零，有时卫星需要调整观测设备的指向来观测目标，而卫星可调整的角度具有一定的限制。

(2) 遥感器类型约束星载遥感器类型主要分为可见光、红外、多光谱及雷达等[6]。

(3) 遥感器能力约束认为一个星载遥感器是一个独立资源，在同一时刻只能执行一项观测任务[7]。

(4) 观测时间窗口约束卫星对目标可见是指星载遥感器扫描到的范围能够包含目标，并且有足够的成像时间，只有在这种情况下才能够执行成像任务。

如果卫星同地面目标之间存在多个可见时间窗口，要进行选择。

影响选择结果的因素有观测时间长度、观测任务间转换时间、星载存储器容量、卫星携带能量。

2.3卫星任务规划启发式算法模型本文针对光学卫星常规模式下的成像任务进行长期规划。

根据卫星成像特性，将问题进行简化，做出如下假设：假设1：所有待成像的任务都满足光照和云量要求；假设2：在规划过程中，每个遥感器在任意时刻只能执行一个任务；假设3：每颗成像卫星只搭载一个遥感器：假设4：所有成像遥感器在进行角度调整及校准时，花费的时间是一个固定的常数；假设5：不考虑立体成像的拍摄，数据采集活动彼此独立，不具备时间等逻辑约束。

假设6: 在预处理阶段已经将区域目标分解，所有的任务都是卫星可以一次就成像完全的单景任务，并且已经获得了各个任务的可见时间窗口集合，在此条件下进行长期任务规划。

算法模型如下：(1) 算法输入：观测目标集合，其中包括目标的位置、优先级和成像最早最晚时间等属性；卫星集合，任务的时间窗口集合；(2) 算法输出：区域目标的观测覆盖率P；(3) 定义：未安排的观测任务集合U，已安排的任务集TT，无法安排的观测任务集合C，已安排的任务收益和为F，已安排观测的任务列表，任务收益函数为且有，所有可观测的时间窗口集合DL，待安排的观测时间窗口集合DLW，已选用的观测时间窗口集合DLS，当前观测时间窗口列表DLN，最终观测时间窗口列表，最终选择的观测时间窗口列表。

本文采用基于目标的综合收益最大的启发式算法按照规划结果对目标的收益的贡献度来优先选取任务，在窗口选择时优先选择时间靠前的时间窗口执行任务。

这样，在规划中就综合考虑的时间窗口信息、任务优先级和目标收益。

算法流程如下：(1) 初始值，，F=0；(2) 如果，算法终止，输出F，否则跳到3；(3) ，目标u的收益为，把待安排的观测时间窗口DLW按照时间的先后顺序进行排序，选择开始时间最早的时间窗口放入当前时间窗口列表DLN；(4) 将对应的卫星的其他窗口中与有冲突的其他所有时间窗口从待安排的窗口集合DLW中删除，并把窗口对应的目标从U中删除并放入到TT 中；(5) DLW=DLW-DLN，计算DLN中所有观测窗口对应的目标的收益；(6) 按照下列顺序检查约束满足情况：所有已规划任务的时间一致性；是否满足卫星单圈最大开机时间约束；是否满足卫星存储容量约束；是否满足卫星单圈最大侧视调整次数约束；是否满足其与前后相邻任务之间的侧视时间调整约束；若以上约束全部满足，则进行下一步，否则将DLW从中删除，并跳转到(2)(7) ，，，，转(2)。

3卫星任务完成率预测算例此算例中采用单颗光学敏捷卫星进行规划，卫星及其轨道特征从卫星历史的实际轨道根数中抽取，卫星的侧视范围设置为±45°，表1给出了某光学敏捷卫星的轨道参数：表1 卫星的轨道参数半长轴a偏心率e轨道倾角i近地点角w升交点赤经真近点角72 00096.576°0°175.72°0.075°表2 区域目标顶点信息及面积区域目标顶点坐标信息利用基于规则的启发式算法对区域目标分解后的单景任务进行规划，规划周期分别设定为10天，20天和30天，生成不同规模的测试数据，利用matlab进行仿真，表3给出了算法在不同规划周期得出的覆盖率结果：表3 不同规划天数卫星对区域目标的覆盖率规划周期（天）完成的覆盖率运行时间（秒）10天31.19% 5.7620天60.56%9.8330天89.68%13.18从结果上来看，基于规则的启发式算法由于逻辑简单，所以耗时不长，仅用于预测完成率是可以满足要求的。

4结论针对长期在轨卫星，对长期规划问题提出基于规则的启发式算法，设计了启发式规则，从而实现在一段时期内卫星对地面区域目标的覆盖率的预测。

同时做出了相应的仿真证明算法的可行性。

参考文献1.蒋晓. 单成像卫星的需求分析与融合技术研究[D].湘潭大学,2016.2.经飞, 王钧, 李军等. 面向海洋观测的成像卫星任务规划方法[J]. 中国空间科学技术, 2011, 31(2).3.杨林美. 一种改进的遗传算法在非线性规划中的应用[D]. 成都理工大学, 2003.4.冯阳. 多星多站对地观测任务规划技术研究[D]. 西安电子科技大学, 2010.5.邢文训, 谢金星. 现代优化计算方法[M]. 北京: 清华大学出版社, 2005.6.陈世平. 高分辨率卫星遥感数据传输技术发展的若干问题[J]. 空间电子技术, 2003(03):5-9.7.高黎. 对地观测分布式卫星系统任务协作问题研究[D]. 国防科学技术大学,2007.。