面向敏捷卫星组网的协同规划与优化方法研究

The satellite task scheduling is a kernel component of the networking satellite system, and its performance is directly relation with the whole satellite system. The new generation of agile satellites has features of flexible action change, various operating modes, reducing risk, easy networking and so forth. But agile satellites network brings new challenges to the problem of task planning, such as more complex cooperative task execution modes, larger planning solution space and requirement of risk control. To settle the issue of uncertainty decision in agile satellites network cooperative scheduling, solution proposed is using double deck Bayesian network model for collaborative pattern mining, evaluating risks based on Bayesian network and introducing a method of risk control in the scheduling model, moreover, exploring a reinforcement learning mechanism for the learning of intelligent cooperative optimization parameters in large-scale computing. In terms of improving the intelligence of agile satellites network scheduling and performance of scheduling scheme, this study focuses on the critical issues in the scheduling. And we establish and optimize the theory and method of large-scale agile satellite network task scheduling with the abilities of automatic cooperative pattern mining and risk control, so as to improve the task scheduling performance of large-scale new generation satellites network.

卫星任务规划是卫星系统核心模块，直接影响卫星系统的工作效益。作为新一代卫星，敏捷卫星具有灵活多样动作、多种工作模式、具备风险应对能力、易于组网等特点，而敏捷卫星组网对卫星任务规划问题提出新的挑战：任务执行协同模式更为复杂、规划需考虑风险控制以及规划求解空间更大问题。本课题针对上述规划中面临的关键问题展开研究，提出采用双层贝叶斯网络模型进行协同模式挖掘，提出基于贝叶斯网络的风险评估及在规划模型中引入风险控制的方法，探索强化学习机制进行大规模求解中的智能协同优化参数学习。通过这些不确定性决策问题研究，结合现有的确定性任务规划理论和方法，以期建立和完善一套具有自动协同模式挖掘、具备风险控制能力、适用于大规模组网中任务规划的理论和方法，旨在针对新一代卫星实际大规模组网时，提高其规划系统的智能化水平和规划方案的性能。

卫星任务规划是卫星系统核心模块，直接影响卫星系统的工作效益。卫星组网协同任务规划问题已经成为当前卫星系统建设的一个重要研究问题，他既涉及到技术问题，又涉及到管理问题。本项目从几方面开展了研究工作，主要包括：研究整合了静态目标和交互式任务的业务处理过程，整合了常规任务和应急性任务的业务处理过程，设计了任务规划系统架构；依据优化内容和优化问题的需求，建立了多种任务规划模型，设计了优化目标和构建了约束条件，形成了包括协同任务规划在内的多种任务规划需求；项目完成了带有中继星、地面站等多种数传设备的任务规划模型和相应求解算法；项目研究中，将风险控制引入到任务规划建模过程中，提高了规划方式实施的稳定性；从四个方面构建了多种求解算法，包括基于规则的算法、智能优化求解算法、组合优化求解算法以及分布式并行优化求解算法；分别对常规任务、应急性任务优化，对静止目标观测和移动目标观测优化，实现多种业务处理，多种模型优化求解；将任务规划优化理论方法集成，并构建了分布式仿真系统。将任务需求处理、资源管理、任务规划业务处理、任务优化求解、仿真演示等功能集成在分布式仿真系统中，不仅实现了对理论方法进行验证评价，还能用于任务规划系统建设的方案分析以及为进一步研究提供技术保障。随着技术发展和社会需求的增强，卫星任务规划问题将会面临新的挑战性问题，未来有必要持续对各新的问题深入研究，并建立有效解决方案。