[发明专利]一种敏捷卫星的星上调度方法

说明书

本发明公开了一种敏捷卫星的星上调度方法，该方法包括步骤100，离线训练：根据输入的训练用的历史数据，对样本进行训练，以输出机器学习分类器；历史数据包括：训练场景集合,每个任务场景均由一系列元任务组成；步骤200，在线调度：根据输入的新的调度场景以及由步骤100得到的机器学习分类器，利用调度算法，获得与新的调度场景对应的调度方案，其中，新的调度场景由一系列元任务组成。本发明所提出的敏捷卫星的星上调度方法在调度方案质量和响应时间两方面都非常适合星上使用，能够为大规模问题非常迅速的提供非常高品质的调度方案。

技术领域

本发明涉及到航空航天技术领域，特别是涉及一种敏捷卫星的星上调度方法。

背景技术

多年来，在世界航空航天大国中发展自主敏捷地球观测卫星的研究越来越受到重视。越来越大的任务量以及快速响应的需要正在逐步增加对卫星自主能力的要求，以增加返回的科学数据量并减少系统维护和开发的费用。著名的此类任务包括EO1天器、FireBird和OptiSAR等。NASA的EO1能够探测和响应地球上发生的科学研究相关的事件，如火山喷发、冰盖的生长和消亡、云层探测以及地壳形变等等。Firebird能够自动在星上推导出火灾参数，如燃烧区域的位置和大小。OptiSAR是一个来自加拿大公司UrtheCasr的星座，其能够使得光学卫星拍摄无云图像，这一能力主要借助于能够捕获实时云信息的 SAR卫星。

敏捷卫星的自主性提高了地球观测卫星的能力，允许它们能够更快地获取更多的图像。这种能力的发挥主要依靠由有效的规划机制和调度算法机制。由于AEOS(AgileEarth Observation Satellite，敏捷地球观测卫星)星上调度问题是NP(Non-deterministic Polynomial，非确定性多项式)难题，所以几乎所有这些算法都是启发式和超启发式算法。而且，这些算法一半都是被设计用于地面控制中心，无法星上使用，因为这些算法大多数需要庞大的计算资源，而卫星显然不具备这种能力。最近，有一份论文研究了AEOS星上调度问题，作者提出了一个ABB(An Anytime BranchBound，实时的分支定界)星上调度算法来解决它。ABB算法包括一个分支定界过程，这是一个精确的算法。但是这种算法非常消耗计算资源，不适用于大规模的调度问题。虽然在原工作中相应时间较短，但是其场景规模很小，在大场景规模下这种精确搜索算法显然无法做到星上自主调度实时响应。

在需要接近实时响应的情况下，快速启发式算法显然更合适。这方面的挑战包括设计有用的启发式规则，以确定是否应将新任务集成到正在进行的计划中。由于星上的任务环境是高度动态的，可能会出现在地面上没有预想的情况，因此列举所有可能的规则以应付各种星上场景不切实际，因为这些规则可能是无限多的。此外，某些规则不能或者很难通过人为设计来明确说明或者表示出来。

发明内容

本发明的目的在于提供一种敏捷卫星的星上调度方法来克服或至少减轻现有技术的上述缺陷中的至少一个。

为实现上述目的，本发明提供一种敏捷卫星的星上调度方法，敏捷卫星的星上调度方法包括：

步骤100，离线训练：根据输入的训练用的历史数据，对样本进行训练，以输出机器学习分类器；所述历史数据包括：训练场景集合 S＝{sce₁,sce₂,…,sce_n},每个任务场景sce_i均由一系列元任务task_i.j组成，所述任务场景sce_i表示为：和

步骤200，在线调度：根据输入的新的调度场景sce以及由所述步骤100 得到的所述机器学习分类器，利用调度算法，获得与所述新的调度场景sce 对应的调度方案Sol；其中，所述新的调度场景sce由一系列元任务task_k组成，k＝1……m；

其中：所述步骤100具体包括：