发明名称 一种GEO卫星群的“一对多”在轨加注任务规划方法
摘要 本发明提供一种GEO卫星群的“一对多”在轨加注任务规划方法,即采用一个服务星和一个储油站对GEO卫星群加注的方式,利用加注次序X和决策变量S来表示任务规划问题,并建立相应的两层优化模型;采用遗传算法解决上层优化问题,下层优化采用随机搜索法,随机生成Q个S,选择优化指标最小的解作为最优解,其编码方式和全局优化能力非常适合路径规划问题,能够快速得到全局最优的方案。本发明具有对GEO目标群在轨加注能力强,燃料消耗少等特点。
申请公布号 CN105279586A 申请公布日期 2016.01.27
申请号 CN201510873628.7 申请日期 2015.12.02
申请人 中国人民解放军国防科学技术大学 发明人 闫野;周洋;杨跃能;黄煦
分类号 G06Q10/04(2012.01)I;G06Q10/06(2012.01)I 主分类号 G06Q10/04(2012.01)I
代理机构 北京中济纬天专利代理有限公司 11429 代理人 胡伟华
主权项 一种GEO卫星群的“一对多”在轨加注任务规划方法,其特征在于,包括以下步骤:步骤一:输入初始参数:包括n个GEO目标的轨道根数和燃料需求,服务星的轨道根数、结构质量和燃料携带能力,储油站的轨道根数;步骤二:确定加注方式:服务星通过轨道机动实现与储油站的交会对接,获得燃料的补给;与GEO目标交会对接后,为其在轨加注;服务星往返于GEO目标和储油站之间,运送燃料;步骤三:在轨加注任务规划:S3.1设计优化变量定义优化变量X=[x<sub>1</sub>,x<sub>2</sub>,…,x<sub>n</sub>],S=[s<sub>1</sub>,s<sub>2</sub>,…,s<sub>n</sub>]其中,X表示对n个GEO目标的在轨加注次序,S是由0和1组成的决策变量,0表示直接转移至下一个GEO目标,1表示回到储油站进行补给,接着转移至下一个目标;S3.2计算服务星轨道机动的速度增量,同时确定优化指标a.服务星在调整轨道面时,脉冲速度需同时改变轨道升交点赤经Ω和轨道倾角I;如果服务星要从一个GEO卫星(I<sub>1</sub>,Ω<sub>1</sub>)机动至另一个卫星(I<sub>2</sub>,Ω<sub>2</sub>),需要的速度增量为<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>&Delta;</mi><mi>v</mi><mo>=</mo><mn>2</mn><mi>v</mi><mi> </mi><mi>s</mi><mi>i</mi><mi>n</mi><mfrac><mi>&gamma;</mi><mn>2</mn></mfrac></mrow>]]></math><img file="FDA0000865425090000011.GIF" wi="273" he="118" /></maths>其中v是GEO卫星的运行速度,γ通过下式得到:cosγ=sinI<sub>1</sub>sinI<sub>2</sub>cos(Ω<sub>1</sub>‑Ω<sub>2</sub>)+cosI<sub>1</sub>cosI<sub>2</sub>轨道机动消耗的燃料质量为<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>&Delta;</mi><mi>m</mi><mo>=</mo><msub><mi>m</mi><mn>0</mn></msub><mrow><mo>(</mo><mn>1</mn><mo>-</mo><msup><mi>e</mi><mrow><mo>-</mo><mi>&Delta;</mi><mi>v</mi><mo>/</mo><msub><mi>I</mi><mrow><mi>s</mi><mi>p</mi></mrow></msub><msub><mi>g</mi><mn>0</mn></msub></mrow></msup><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000865425090000012.GIF" wi="434" he="79" /></maths>其中m<sub>0</sub>是服务星的初始质量,包括结构质量和燃料质量;I<sub>sp</sub>是发动机比冲,g<sub>0</sub>是地球引力加速度;给定的X和S,即可计算出服务星每次轨道机动的速度增量以及轨道机动的燃料消耗;b.优化指标定义为服务星从储油站获得的总燃料质量<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><msub><mi>M</mi><mrow><mi>f</mi><mi>u</mi><mi>e</mi><mi>l</mi></mrow></msub><mo>=</mo><munderover><mo>&Sigma;</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msub><mi>m</mi><mrow><mi>i</mi><mo>,</mo><mi>f</mi><mi>u</mi><mi>e</mi><mi>l</mi></mrow></msub></mrow>]]></math><img file="FDA0000865425090000013.GIF" wi="331" he="135" /></maths>其中,N是服务星在储油站得到补给的次数,m<sub>i,fuel</sub>是第i次获得的燃料质量;S3.3设计优化模型s<sub>n</sub>=1建立一个服务星和一个储油站对多个GEO目标在轨加注任务规划的两层优化模型,上层优化是对加注次序X的优化,下层优化是在给定X的情况下对决策变量S的优化,优化模型如下:上层优化:找到最优的X=[x<sub>1</sub>,x<sub>2</sub>,…,x<sub>n</sub>],使得优化指标<img file="FDA0000865425090000021.GIF" wi="558" he="143" />最小,且满足下列条件:(1)x<sub>i</sub>≤n,x<sub>i</sub>∈{1,2,…,n};(2)x<sub>i</sub>≠x<sub>j</sub>,i,j∈(1,2,…n),i≠j;下层优化:在给定的X情况下找到最优的S,且满足条件:(a)s<sub>i</sub>=0/1,i∈(1,2,…n‑1);(b);(c)m<sub>i,fuel</sub><C;S3.4利用遗传算法和随机搜索法进行优化上层优化采用遗传算法,下层优化采用随机搜索法,随机生成Q个S,选择优化指标最小的解作为最优解;S3.5输出最优方案:最优方案包括服务星对GEO目标的加注次序X、决策变量S,服务星轨道机动的速度增量和从储油站出发时携带的燃料质量。
地址 410073 湖南省长沙市开福区德雅路109号