InSAR双星编队测绘卫星任务规划方法研究_李鹏宇.pdf

数据采集与处理测控技术2023 年第 42 卷第 7 期收稿日期:2022 06 17基金项目:陕西省自然科学基础研究计划项目(2020GY-003)引用格式:李鹏宇，崔家山，孙然 InSA 双星编队测绘卫星任务规划方法研究 J 测控技术，2023，42(7):73 79LI P Y，CUI J S，SUN esearch on Survey Mission Planning Method of InSA Dual Satellite FormationJ Measurement Control Technology，2023，42(7):73 79InSA 双星编队测绘卫星任务规划方法研究李鹏宇1，崔家山2，孙然3(1 上海电子信息职业技术学院 中德工程学院，上海201411;2 西安电子科技大学 空间科学与技术学院，陕西 西安710126;3 上海理工大学 光电信息与计算机工程学院，上海200093)摘要:针对双星编队干涉合成孔径雷达(Interferometric Synthetic Aperture adar，InSA)测绘任务的特点，考虑双星编队卫星平台的约束条件，采用多目标优化和基于优先级的遗传优化算法，实现了双星编队任务规划的各个关键步骤的设计，并对测绘任务进行了系统仿真，求取了测绘任务规划结果，最终获得了任务规划的最优解。经过与贪婪优化算法仿真结果对比分析，采用的基于优先级的遗传优化任务调度算法在双星编队卫星测绘任务优化问题求解方法方面具备明显的优势，卫星系统资源分配效能达到最优，对卫星资源的合理分配起到了关键作用。关键词:干涉合成孔径雷达;任务规划;基于优先级的多目标遗传算法;载荷约束中图分类号:V474;TP18文献标志码:A文章编号:1000 8829(2023)07 0073 07doi:10 19708/j ckjs 2022 09 307esearch on Survey Mission Planning Method of InSA Dual Satellite FormationLI Pengyu1，CUI Jiashan2，SUN an3(1 School of Sino-German Engineering，Shanghai Technical Institute of Electronics Information，Shanghai 201411，China;2 School of Aerospace Science and Technology，XiDian University，Xi an 710126 China;3 School of Optical-Electrical and Computer Engineering，University of Shanghai for Science and Technology，Shanghai 200093，China)Abstract:According to the characteristics of the dual satellite formation interferometric synthetic aperture radar(InSA)mapping task，considering the constraints of the dual satellite formation platform，multi-objective opti-mization and priority based genetic optimization algorithm are adopted to design each key step of the dual satel-lite formation task planning，and the mapping task is systematically simulated to obtain the mapping task plan-ning results，and finally the optimal solution of the task planning is obtained Through the comparison and anal-ysis with the simulation results of greedy optimization algorithm，the priority based genetic optimization taskscheduling algorithm has obvious advantages in solving the optimization problem of double satellite formationsatellite surveying and mapping tasks The efficiency of satellite system resource allocation is optimal，whichplays a key role in the reasonable allocation of satellite resourcesKey words:InSA;mission planning;priority based multi-objective genetic algorithm;loading constraints干涉合成孔径雷达(Interferometric Synthetic Aper-ture adar，InSA)对地测绘任务规划1 3 是结合卫星编队和优化技术的一种对地观测任务应用，由于卫星编队技术载荷约束的复杂性，相应地对地观测任务约束也更加复杂，任务求解难度更高，因此为了使卫星使用效能达到最优，有必要研究 InSA 编队任务规划建模和优化方法。评价卫星任务规划的优劣需要考虑目标及重要目标的覆盖率、任务规划总时间4 6 等。由37于编队卫星独特的工作特点，存在测绘基线和开关机等多种约束条件，卫星轨道为双星绕飞或者跟飞轨道模式，双星联合对地成像，所以雷达卫星对地面目标的测绘为一个个观测条带，任务规划就是从多种观测条带任务组合中选优的问题，即 NP-hard 问题7 8。关于卫星任务规划算法研究方面，主要有整数规划模型、启发式算法和遗传优化算法等。国外的 Deb等9 建立整数规划模型，以最大化任务收益为优化目标，运用优先搜索和动态规划对卫星成像调度问题求解;Li 等10 研究了卫星对区域目标的测绘调度问题，建立了约束满足模型，比较了贪婪、整数规划和遗传算法，实验证明，虽然遗传算法性能较好，但对于大规模约束问题建模比较困难。Bianchessi 等11 提出了二进制整数模型，采用基于拉格朗日松弛和梯度的启发式算法11。以上研究是以单颗卫星最大化任务收益为优化目标，在双星编队能源利用平衡方面研究比较少，对遗传优化算法只是理论上的研究和证明，没有建立完备的关于双星编队任务的规划模型。针对双星编队测绘任务的多目标多约束任务规划需求，提出了一种基于优先级的遗传优化算法，并建立模型仿真求解任务规划的最优解集。对编队测绘任务进行数据预处理，给出问题的形式化描述，分析各项约束条件，提出了满足双星编队任务规划的约束模型;以最小化测绘任务总时间和平衡双星资源调度为优化目标，提出了一种基于优先级的遗传优化算法，结合双星编队载荷特点求解问题，通过实验仿真验证算法有效性和可行性。1双星编队建模由于卫星编队在重访周期轨道的空间运行，所有测绘任务同一时刻只能选择在特定雷达波位覆盖范围内进行，不可能对所有雷达波位范围的测绘任务进行成像。为了实现对卫星资源合理使用，需要对不同卫星、不同时段和不同波位测绘任务实施优化调度，选择合适的任务条带进行成像。图 1 为主从星相对运动轨迹，假设编队为绕飞构型，一个卫星为主星，另一个星为从星，两星之间的相对运动轨迹为椭圆，投影到 XY轴轨迹为圆形。测绘模式为双星交替发射雷达波束、两星同时接收的工作方式如图 2 所示。两星间距变化为几公里至十几公里，其垂直有效基线和沿航迹基线需要满足测绘需求12 14。假定设计双星编队的雷达载荷约束描述如表 1 所示。规划元任务定义为不可分割的最小卫星测绘条带，图 3 所示的条带 1、条带 2 分别可以作为 2 个不同图 1主从星相对运动轨迹图 2双星绕飞编队 InSA 测绘表 1卫星任务规划约束序号标识描述单位1TD_SS单星单圈成像总时长s2SC_SS单轨双星最大成像次数次数3MD_SI单次成像最大时长s4MITI双星开关机最小时间间隔s5BL_MIN垂直有效基线最小值m6BL_MAX垂直有效基线最大值m7TACKBL_MIN沿航迹基线最小值m8TACKBL_MAX沿航迹基线最大值m的规划元任务。其中越南北部区域的条带分割图，由于卫星工作的特点，每次卫星航过越南北部区域的时候只有一个条带可以被选中执行，因此如何选取合适的条带组合，就是一个典型凸优化问题15 17，优化目标为选取最少的条带，卫星使用的资源最少即用最少卫星圈次进行测绘，同时能够完成区域的最大化覆盖。这个优化问题既要考虑单颗卫星平台的载荷约束条件，还要考虑如何调配组合双星开关机策略，从而达到卫星的资源使用最优，同时达到任务收益最大化。2任务规划问题建模在多目标多约束优化问题中，各目标通常相互冲突且不可同时兼顾，对其中的某一个目标进行优化就必须以牺牲其他目标作为代价，各目标约束条件的单47测控技术 2023 年第 42 卷第 7 期图 3不同的规划任务条带组成卫星任务最小单元位又往往不一致，因此很难客观地评价多目标问题解的优劣性。与单目标优化问题相比，多目标优化问题的解并不是唯一的，而是存在一个最优解集合，集合中元素称为 Pareto 最优或非劣最优。其中最优解往往有无穷多个，如何在最优解集合中求出一组分布均匀且数量充足的候选解供给决策者进行选择就显得十分重要。经典的方法很好地解决了部分单目标优化问题，然而现实世界中的许多优化问题都涉及多个目标的优化，而且这些目标并不是独立存在的，它们往往是耦合在一起且处于相互竞争的状态，它们的竞争和复杂度使优化变得十分困难18 19。一般地，多目标优化问题可以用函数 f 来定义，该函数把决策向量 X 映射到目标向量 Y，可得:Ymin=f(X)=(f1(X)，f2(X)，fn(X)Tg(X)=(g1(X)，g2(X)，gr(X)T(1)式中:X=(x1，x2，xm)由 m 个决策变量 xi构成;Y由 n 个须同时优化的目标 fi(X)构成;约束 g(X)由 r个等式和不等式构成。制定 InSA 编队卫星优化目标准则主要包含以下几个方面。双星总计目标元任务数量最大。双星总计成像重点目标元任务数量最大。双星总计需要规划圈次最小。单圈总时长满足小于等于 TD_SS。单次成像时长小于等于 MD_SI。双星开关机最小间隔大于等于 MITI。单轨双星最大成像次数小于等于 SC_SS。其中，在互相冲突的情况下第目标要高于第目标，双星编队测绘任务规划设计的数学模型为maxni=1mj=1TNijmaxni=1kq=1INiqmin(countof(circle)mj=1TNij TD_SSmax(TNij)MD_SISTij STij+1 MITIm SC_SS(2)式中:i 为卫星工作圈号;j 为单圈内成像序号;m 为圈号 i 内总计成像次数;n 为指定时间范围内卫星工作的总计圈次;TN 为元任务时长;IN 为重点区域元任务时长;countof(circle)为本次优化卫星工作的总圈次。3规划算法设计3 1算法设计流程多目标遗传算法主要步骤包括参数编码、设定初始种群、设置适应值函数、复制、选择、交叉、变异操作以及问题解码，具有全局优化、鲁棒性好、搜索效率高和本质并行性等特点。本研究运用基于优先级的遗传算法解决多目标优化问题，首先，根据轨道动力学理论计算卫星雷达载荷对地覆盖的条带区域;然后，对不同重点区域设置不同优先级别，通过多目标遗传算法生成基因和染色体，并根据条带优先级进行变异优化以求取最优解;最后，根据其他约束生成卫星成像任务调度计划。任务规划基于优先级的遗传算法如图 4 所示。图 4任务规划基于优先级的遗传算法3 2规划算法详细设计3 2 1编码卫星元任务定义为相同雷达波位覆盖的一段卫星测绘条带，图 3 中越南部分区域是被卫星测绘条带覆盖的。如图 5 所示，可以把每个元任务作为一个基础的规划单元，即一个基因，多个基因组合为一个单圈次规划的染色体，其中，黄色基因为重点测绘区域的元任务，每个染色体包含重点区域元任务的数量决定当前染色体的优先级，优先级越高的染色体被选择的概率越高。染色体定义为具有相同轨道圈次编号的卫星任务基因的组合，即一个轨道圈次内满足载荷约束要求的57InSA 双星编队测绘卫星任务规划方法研究图 5染色体编码设计卫星任务基因组合。卫星任务规划时间与任务基因数量、染色体数量成正比，因此，合理规划卫星任务基因数量以及合理规划各个染色体执行顺序可以提高卫星任务执行效能。基因属性描述如表 2 所示。表 2基因属性描述属性标识说明单位ST基因开始时刻UTC 时间，开始秒数ET基因结束时刻UTC 时间，开始秒数TT基因(元任务)执行时间sWAVETYPE波位属性(陆地、海洋、山地等)无量纲WAVEID波位序号无量纲IT重点区域执行时间sBASELINE垂直基线平均长度mTACK_LINKE航迹基线平均长度m染色体属性描述如表 3 所示。表 3染色体属性描述属性标识说明单位TT_N所有基因的任务时长sIT_N重点区域基因的任务时长sBASE_N基线满足度无量纲(0 100%)Evaluate染色体适应值无量纲3 2 2初始染色体生成对步骤 1 产生的基因数组按照优先级由高到低排序，生成第1 个优先级数组 level_list。基因优先级计算式为GeneLevel=import_weight ITN+time_weight TTN+base_weight BASE_N(3)式中:import_weight 为重点区域任务时长权值;ITN 为重点区域任务总时长;time_weight 为基因内任务总时长权值;TTN 为基因任务总时长;base_weight 为基因内基线的权值;BASE_N 为基因的基线的满足度。基于level_list 优先级数组，生成其他 9 个 newlevel_list，共计10 个优先级数据，详细算法如下。Input:level_list/初始基因优先级数组N/优先级个数output:newlevel_list/基因优先级数组1 for i=1 to 10 do2 for j=1 to 5 do3 k=random(ticks)/生成随机数 k4 m=random(ticks)/生成随机数 m5 newlevel=swap(level_listk，level_listm)/交换序号为 k，m 基因的优先级6 end for7 newlevel_listi=newlevel/生成一个新的优先级数组8 end for9 return newlevel_list/返回基因优先级数组在生成 newlevel_list 优先级数组后，按照每组优先级排列生成对应初始染色体。详细算法如下。Input:level_list/基因优先级数组N/优先级个数output:chrom_list/返回染色体数组1 for i=1 to N do2 Sort(level_listi)/所有基因优先级排序3 gene1=level_listi0/选取最高优先级的基因为第 1 个选择的元任务4 chrom_listiAdd(gene1)/第 1 个基因加入到染色体 i 中5 While(TT_N TD_SS SC_SS)/总任务时长小于单圈次时长约束并且总开机次数小于双星总开机次数6 genenext=level_listnext/寻找第 2 优先级的基因7 newlevel=swap(level_listk，level_listm)/交换序号为 k，m 基因的优先级8 CheckSuitable(MITI)/检查相邻成像任务最小时间间隔约束9 CheckSuitable(BL_MIN)/检查成像任务最小垂直有效基线约束10 CheckSuitable(BL_MAX)/检查成像任务最大垂直有效基线约束11 CheckSuitable(TACKBL_MIN)/检查成像任务最小沿航迹有效基线约束12 CheckSuitable(TACKBL_MAX)/检查成像任务最小沿航迹有效基线约束13 If(haserror()=true)/如果不满足以上约束14 go to 5;/生成下一个染色体15 else16 chrom_listiAdd(genenext)/第 1 个基因加入到染色体 i 中17 end if18 end while19 end for20 return chrom_list;返回染色体数组67测控技术 2023 年第 42 卷第 7 期3 2 3交叉交叉是把初始优先级染色体数组 chrom_list 中随机选择 2 个染色体的优先级数组，采用部分一致交叉算法(PMX)，交换 2 个优先级数组中的部分片段，生成 2 个新的优先级数组，然后根据新生成的优先级数据采用类似于第 3 2 2 节的方法生成新的染色体数组chromlist_intersect。具体步骤如下。随机选择优先级片段;交换优先级片段;子代优先级合法化;子代染色体生成。交叉优先级流程如图 6 所示。图 6交叉优先级流程3 2 4变异变异步骤首先在优先级数组矩阵 level_list 中随机选择 1 个染色体的优先级数组，随机生成 2 个位置 v1和 v2，并交换优先级数组的位置 v1 和 v2 的优先级数值，如此重复 2 次，获得 2 个子代染色体的优先级数组，并采用类似于第 3 2 2 节的方法生成染色体数组。3 2 5适值计算合并第 3 2 2 节 第 3 2 4 节中生成的染色体数组，并计算各自的适值。计算方法为evaluate=timval timweight+importval importweight(4)式中:evaluate 为对应染色体数组的适应值;timval 为染色体任务总计规划时长;timweight 为总计规划时长的权值;importval 为重点区域染色体任务的时长;im-portweight 为重点区域染色体任务时长权值。经过仿真实验可知，m_timweight 为 0 7、m_importweight 为0.3 时效果最好。3 2 6选择(轮盘赌算法)从父代染色体和子代染色体中根据适应值大小排序，最多可以取得 8 个新一代染色体。新一代染色体数目和波位数量一致，这样优化更合理。具体方法如下。首先，计算各染色体的选择概率 pk和累计概率 qk为pk=evaluatekni=1evaluateiqk=ki=1pk(5)式中:evaluatek为第 k 个染色体的适应值;第 k 个染色体的累计概率为第 1 个染色体的选择概率到第 k 个染色体的选择概率之和。这样就得到 k 个染色体的累计概率数组，然后随机生成 0，1 之间的随机数 rk，选择符合条件 qi 1 rk qi的第 i 个染色体为新一代染色体，如此重复直到选择 8 个新一代染色体。3 2 7优化结果输出重复第 3 2 3 节 第 3 2 6 节的步骤各 100 次，选择适应值最高的染色体为结果输出，即为单圈次卫星任务的规划输出结果。4仿真分析对中国陆地区域内范围包括大陆、台湾和海南岛等相关岛屿进行无差别的 InSA 卫星任务规划，通过对比贪婪式优化算法和基于优先级的遗传优化算法的规划效率来验证不同优化算法之间的差异。设计任务规划约束条件，如表 4 所示。设置单轨最大成像时长为 240 s，单轨双星最大成像 4 次，垂直有效基线范围200 800 m，沿航迹基线最大值 600 m，单次最大成像时间为 200 s。表 4仿真约束条件序号标识描述数值1TD_SS单星单轨成像总时长240s2SC_SS单轨双星最大成像次数4 次3MD_SI单次成像最大时长220s4MITI双星开关机最小时间间隔80s5BL_MIN垂直有效基线最小值200m6BL_MAX垂直有效基线最大值800m7TACKBL_MIN沿航迹基线最小值0m8TACKBL_MAX沿航迹基线最大值600如果对中国陆地区域包括周边岛屿的范围内进行无缝隙的条带覆盖，采用基于优先级的遗传优化算法，设置 AB 星的各自波位数量为 12 个，总计条带 24 个，经过规划计算，相邻开机时间、单轨开机总时长、开机次数都在约束范围内，满足仿真预设条件，如图7 所示。77InSA 双星编队测绘卫星任务规划方法研究图 7约束情况检查本研究对比了 2 种优化算法的覆盖效能。采用基于优先级的遗传优化算法的面积覆盖率，如图 8 所示。从图 8 中可以看出，总计规划时间为 266 d，面积覆盖率为 99 013%。采用基于贪婪优化算法的面积覆盖率如图 9 所示。从图 9 中可以看出，总计规划时间为399 d，面积覆盖率为 99 013%。采用贪婪优化算法比采用基于优先级的遗传优化多花费133 d，从曲线图分析可知，在覆盖率不足 80%时两种算法的效率差别不大，而剩下 20%面积覆盖的时间中两种算法相差很大，这是因为在卫星任务充足情况下对任务选取的效能是没有大的差别的，而在任务不充足的情况下，遗传优化算法优先选取高优先级别侯选解的优势就体现出来了，通过遗传优化算法可以对单圈次内的任务的筛选更合理，相比贪婪算法对任务调度重访周期更短。图 8基于优先级遗传优化算法规划效能分析5结束语详细介绍了 InSA 双星编队任务规划方法，充分图 9贪婪优化算法规划效能分析分析了双星编队规划、卫星工作方式和负载约束的特点，设计了一种基于优先级的卫星任务遗传优化算法，给出了基因和染色体在卫星任务规划中的具体实现方法，并对优化算法进行了仿真。与贪婪算法仿真结果对比表明，基于优先级的遗传算法适用于 InSA 双星编队任务规划优化，本研究采用的算法模型为双星编队和多星星座等卫星资源调度决策支持系统的设计提供了有效的参考。参考文献:1姜维，郝会成，李一军 对地观测卫星任务规划问题研究述评 J 系统工程与电子技术，2013，35(9):1878 1885JIANG W，HAO H C，LI Y J eview of task scheduling re-search for the Earth observing satellitesJ Systems Engi-neering and Electronics，2013，35(9):1878 1885(in Chi-nese)2朱明月，高凌雁，阮宁娟，等 面向应用需求的天地一体化协同规划技术J 航天返回与遥感，2021，42(6):55 6387测控技术 2023 年第 42 卷第 7 期ZHU M Y，GAO L Y，UAN N J，et al A space-ground in-tegrated collaborative planning method based on applicationrequirementJ Spacecraft ecovery emote Sensing，2021，42(6):55 63(in Chinese)3赵萍，陈志明 应用于卫星自主任务调度的改进遗传算法 J 中国空间科学技术，2016，36(6):47 54ZHAO P，CHEN Z M An adapted genetic algorithm appliedto satellite autonomous task schedulingJ Chinese SpaceScience and Technology，2016，36(6):47 54(in Chi-nese)4GHAOONI-FAD G，MOEIN-DABAI F，DELDAIH，et al Scheduling of scientific workflows using a chaos-genetic algorithmJ Procedia Computer Science，2010，1(1):1445 1454 5韩鹏，郭延宁，李传江，等 基于相对成像时刻编码遗传算法的敏捷成像卫星任务规划J 宇航学报，2021，42(11):1427 1438HAN P，GUO Y N，LI C J，et al A relative imaging timecoding-based genetic algorithm for agile imaging satellitetask planningJ Journal of Astronautics，2021，42(11):1427 1438(in Chinese)6CHEN H，ZHOU Y，DU C，et al A satellite cluster datatransmission scheduling method based on genetic algorithmwith rote learning operatorC/2016 IEEE Congress onEvolutionary Computation 2016:5076 5083 7CODEAU J F，LAPOTE G Maximizing the value of anEarth observation satellite orbitJ Journal of the Opera-tional esearch Society，2005，56(8):962 968 8DEB K，PATAP A，AGAWAL S，et al A fast and elitistmultiobjective genetic algorithm:NSGA-II J IEEE Trans-actions on Evolutionary Computation，2002，6(2):182 197 9DEB K Multi-objective optimization using evolutionary al-gorithms M Chichester:John Wiley Sons，2001 10LI L X，MA W Z，LIU X L esearch on TSGA algorithmsatellite data transmission schedulingC/2014 Interna-tional Conference on Management Science Engineering21th Annual Conference Proceedings 2014:56 61 11 BIANCHESSI N，CODEAU J F，DESOSIES J，et al Aheuristic for the multi-satellite，multi-orbit and multi-usermanagement of Earth observation satellitesJ EuropeanJournal of Operational esearch，2007，177(2):750 762 12 WANG P，PENG G，TAN Y J A model，a heuristic and adecision support system to solve the earth observing satel-lites fleet scheduling problem C/2009 International Con-ference on Computers Industrial Engineering 2009:256 261 13 HE J，UAN Q M esearch on earth observing satellitesegmenting and scheduling problem for area targetsC/International Symposium on Multispectral Image Processingand Pattern ecognition:Geospatial Information，Data Min-ing，and Applications 2005:821 827 14 皮本杰，翟淑宝 信号采集卫星系统星地资源快速调度优化方法 J 宇航学报，2016，37(3):348 356PI B J，ZHAI S B Quick optimal schedule method of on-board and ground resources for signal collection satellitesystem J Journal of Astronautics，2016，37(3):348 356(in Chinese)15 LIU S F，HODGSON M E Satellite image collection model-ing for large area hazard emergency responseJ ISPSJournal of Photogrammetry and emote Sensing，2016，118:13 21 16 高新洲 基于智能优化算法的卫星任务规划问题研究 D 哈尔滨:哈尔滨工业大学，2021GAO X Z Satellite mission planning based on intelligentoptimization algorithmsD Harbin:Harbin Institute ofTechnology，2021(in Chinese)17 许宇栋，周敬博，尹嘉昭，等 对地观测卫星任务规划策略及应用研究综述 J 无线电工程，2021，51(8):681 690XU Y D，ZHOU J B，YIN J Z，et al eview of mission plan-ning strategies and applications of earth observation satel-lites J adio Engineering，2021，51(8):681 690(inChinese)18 陈浩，李军，景宁，等 电磁探测卫星星上自主规划模型及优化算法 J 航空学报，2010，31(5):1045 1053CHEN H，LI J，JING N，et al Scheduling model and algo-rithms for autonomous electromagnetic detection satellitesJ Acta Aeronautica et Astronautica Sinica，2010，31(5):1045 1053(in Chinese)19 冯志强，何涛，朱永生，等 遥感卫星任务规划系统设计 J 航天控制，2021，39(2):17 23FENG Z Q，HE T，ZHU Y S，et al Design of mission plan-ning system for remote sensing satellite J Aerospace Con-trol，2021，39(2):17 23(in Chinese)免费在线阅读电子版期刊全方位检索测控技术文章请登录 http:/ckjs ijournals cn或扫码二维码关注测控技术公众号97InSA 双星编队测绘卫星任务规划方法研究