卫星巡天扫描运控模式方法的研究.pdfVIP

第 27 卷第 6 期 2ω6 年 11 月 宇航申报 Journal of A拙。uautics Vol.27 No.6 November 2α)6 卫星巡天扫描运控模式方法的研究 刘破1 ，2 ，林宝军3 (1.中国科学院空间科学与应用研究中心，北京 100080; 2. 中国科学院研究生院，北京阳则49; 3. 中国科学院光电研究院，北京 100(80) 摘 要:巡天扫描是天文J!!革进行天体观测的基础，但是使用传统方法很难实现金夭球覆盖在，并且会遇到能 源输出瓶颈。因此，针对天文卫星巡天扫描所遇到的问题，提出了使用 P删阳遗传算法对卫星飞行任务进行智能规 划的方法。该算法引入小生境方法来保证群体多样啦，并使用暴于排序的遁J.i!ltr分配方法来克服早熟收敛。该算 法智能规划飞行任务，与仅依靠被动的分段式扫描方法相比，在扫描全天球的摹础上，很好解决了能源输出的问 题，还大大缩短了巡夭扫描的时间。从仿真结果来看，该模现是十分有效的。 关键诩:巡天扫描;飞行任务;智能运控模式 ;Pareto 遗传算法 中团分类号: V448 文献标识码: A 文，院编号: 1棚-1328(2刷)06-1365峭 o ~I 窗 天文卫星是针对某个或某些特定天体进行观测 的卫星，用来对这些天体或现象进行详细研究。 般来说，天文卫星有几种观测模式:巡天扫描观测模 式、定向连辑观测模式和特殊天区的深度扫描观测 模式。其中巡天扫描观测模式是后两种观测模式的 基础，只有在完成了巡天拍描观测的基础上，才能进 行后两种观测。 巡天扫描要求对大部分的天院进行扫描，回外 有学者提出使用被动方法进行巡天扫描[1] ，国内也 有学者提If:l分段式扫描方法。由于天文卫庭所载望 远镜的视角有限，所以很难进行全天球覆盖。同时 由于天文卫恩轨道平面与太阳之间的夹角是随地球 锦太阳的转动而改变，~轨道面与太阳的夹角太小 时，能源输出不足也是限制巡天扫描的另一因素。 可以看出，天文卫星巡天扫描问题可以描述成 一个多目标优化问题。本文提出了使用 Pareω 遗传 算法(Pareto GA) 的方法对天文卫星飞行任务进行智 能规划的方法，使得天文卫星既能在最短的时间内 完成巡天扫描，又能克服能源输出的限制。 1 多目标问题描述及有关概愈 工程中经常会遇到多准则或多设计目栋下设计 收稿日朔 :2∞5-11-29 ; 修削日期 :2∞6-03-13 基金项目:国家鼓点基础研究发展规划(973)项目 (973G2创阳76仍) 和决策的问题，即多目标优化 (MO ， Multi幽objective Optimization) 。希望多目标优化问题的各子自栋问 时达到最优通常是不可能的，因此只能在他们中间 进行折衷，使他们尽量达到最优。遗传算法通过代 表整个解集的种群进化，以内在并行方式搜索多个 非劣届，决策者可以在多个解中选择决策方案，这对 于解决 MO 问题是很有优势的[刻。 1.1 MO 问题和 P町eto GA 的有关概念 一般多 MO 问题是由若干目标函数基表示约束 条件的等式或不等式组成。 定义 1 一般 MO 问题的数学描述: minF(川口 (λ (x) /2 (X) ,… /k (X)) S ? t gj (X) 运 O ， i=I ， 2 ， … ， m ， x εο 定义 2 Pareto 最优集 对于最小 MO 问题 ， n 个目标分最/k(k = 1 , … ， n) 组成的向最/(川= (λ(川 /2 (x) ,…, 儿 (x)) ，其中 ι EU决策变盏，若儿为 Pareto 最忧 解则满足: 当且仪当，不存在决策变最 x. 仨 U ， v = /(x.) = (v …，几)支配 u = /(ι) = (u …, u.) 即不 存在札仨 U 使得下式成立: V i ε11 ，…， nf ，f}; ~ U j ^ í E 11 ,…, nf I V; U j 1366 宇航学报 第 27 卷 1.2 Pareto GA Pareto GA 的基本思想就是将多个目标值直接 映射到适应度函数中，于是在 Pareto 最优级的基础 上提出一种基于秩的适应度国数形势，先将多目标 翩数值组成一个向盘代表一个个体，假定个体均在 t 代时种群中有pjs) 个个体支配于它，则它在种群内 的秩为: Tj 口 1 +抖。然后按秩对适应度计算方法 做出一定调整[310 由于很多目标函数是有目标值的，决策者就可 以按照目标值的重要程度给一个权重系数。优化的 目标函数被表示为目标偏丢在值的最小化。目标约束 区别于一般的约束条件，它实际上是决策者预期满 足的，但微小的偏差也可以接受。这种方法依赖于 决策者对问题的把握程度，最终得到的一组 Pareto 最优解在实际问题