基于深度神經(jīng)網(wǎng)絡(luò)的多星測(cè)控調(diào)度方法

李長(zhǎng)德，徐偉，徐梁，王燕

航天恒星科技有限公司，北京 100086

1 引言

隨著各國(guó)對(duì)空間領(lǐng)域應(yīng)用的重視，空間技術(shù)迅猛發(fā)展，在軌衛(wèi)星的數(shù)量不斷增加，對(duì)測(cè)控資源的需求越來(lái)越大[1]，多星測(cè)控資源調(diào)度成為衛(wèi)星應(yīng)用領(lǐng)域的重要挑戰(zhàn)。多星測(cè)控調(diào)度(multi-satellite TT&C scheduling，MSTCS)問(wèn)題是指在多星測(cè)控需求和測(cè)控資源一定的背景下，研究如何對(duì)眾多衛(wèi)星的各類測(cè)控需求進(jìn)行管理和調(diào)度，通過(guò)合理地分配測(cè)控資源，更好地滿足衛(wèi)星的測(cè)控需求，使得衛(wèi)星發(fā)揮最大的應(yīng)用效能，并對(duì)航天頂層設(shè)計(jì)提供指導(dǎo)。MSTCS問(wèn)題是一個(gè)高復(fù)雜、強(qiáng)沖突、多關(guān)聯(lián)約束的NP問(wèn)題。傳統(tǒng)測(cè)控資源調(diào)度算法在針對(duì)大量不同種類衛(wèi)星進(jìn)行測(cè)控調(diào)度時(shí)面臨運(yùn)算時(shí)間較長(zhǎng)、效率低下、復(fù)雜度高且適應(yīng)性差等問(wèn)題。

面對(duì)MSTCS問(wèn)題的現(xiàn)狀，國(guó)內(nèi)外涌現(xiàn)出許多相關(guān)研究，如數(shù)學(xué)規(guī)劃、CSP模型、禁忌搜索及人工智能等求解方法。其中，文獻(xiàn)[2]提出CSP模型方法，文獻(xiàn)[3-4]提出約束規(guī)劃方法。這些方法可以精確的描述問(wèn)題，但是考慮的約束過(guò)多且復(fù)雜，難以求解，文獻(xiàn)[5-6]提出使用遺傳算法，文獻(xiàn)[7]提出蟻群算法解決測(cè)控調(diào)度問(wèn)題，這些禁忌搜索方法設(shè)計(jì)靈活，求解效率較高，但是領(lǐng)域知識(shí)依賴性較強(qiáng)。文獻(xiàn)[8-10]提出基于神經(jīng)網(wǎng)絡(luò)解決測(cè)控資源調(diào)度，由于網(wǎng)絡(luò)結(jié)構(gòu)較為簡(jiǎn)單，只有一層隱含層，結(jié)果精度較差。

為了解決以上問(wèn)題，本文提出了基于深度神經(jīng)網(wǎng)絡(luò)(deep neural networks,DNN)的多星測(cè)控調(diào)度方法。深度神經(jīng)網(wǎng)絡(luò)層級(jí)較多，結(jié)構(gòu)穩(wěn)定，具有強(qiáng)大的計(jì)算能力，學(xué)習(xí)能力強(qiáng)且能學(xué)到深的特征。……