[發明專利]一種基于包絡對偶算法體系的對地觀測衛星多學科優化系統

有效

• 申請號: 201410016402.0
• 申請日: 2014-01-14
• 公開（公告）號: CN103761379A
• 公開（公告）日: 2014-04-30
• 發明（設計）人: 王曉慧;徐巖
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

1.一種基于包絡對偶算法體系的對地觀測衛星多學科優化系統，其特征在于：它涉及包絡對偶算法體系的對地觀測衛星多學科優化系統的5個分層：數學模型層L1，優化模型層L2，算法計算層L3，數據層L4和應用層L5；它們之間是信息傳遞關系，依次為L1-L2-L3-L4-L5；

所述數學模型層L1由任務模塊L11，有效載荷模塊L12，電源模塊L13，發射模塊L14四個模塊組成；任務模塊L11、有效載荷模塊L12、電源模塊L13和發射模塊L14是相互并列的關系，通過衛星軌道高度和衛星相機孔徑耦合；

該任務模塊L11，其結構是由下列經驗公式構成：

DLD=T2π×2λ×π180×160]]>

T=2π(6378+H)339860]]>

λ=arccos(63786378+H×cos5)-5]]>

式中：DLD是下行鏈接持續時間，取值范圍5分鐘到15分鐘；H是軌道高度，取值范圍500公里-750公里；T是衛星運行周期，是中間變量；λ是衛星覆蓋區對應的地球中心角，是中間變量；

衛星任務要考慮衛星與地面接收站的可見性及數據傳輸能力、衛星連續執行兩次任務之間必要的調整校準時間，主要的任務需求是下行鏈接持續時間即Down-link?data?transmission；

該有效載荷模塊L12，其結構是由下列經驗公式構成：

RT=6378×7.27×T×10-5sw]]>

sw=2H×arctan[639×arctan(102000×8×D)]]]>

式中：RT是回訪時間，取值范圍90天-150天；sw即swath?width是行跡寬度，是中間變量；T是衛星運行周期，是中間變量；H是軌道高度，取值范圍500公里-750公里；D是相機孔徑，取值范圍50毫米-150毫米；

對地觀測衛星有效載荷作用是地面圖像的捕捉，所有的設計都是圍繞有效載荷性能最大化，主要考慮回訪時間即revisit?time的影響作用；

該電源模塊L13，其結構是由下列經驗公式構成：

A_sa=P_sa/181.8

Psa=Pav×(Te0.6+T-Te0.8)/(T-Te)]]>

Pav=21e(0.006MSAT)]]>

Te=T×arccos(63786378+H)]]>

式中：A_sa是太陽帆板面積，取值小于1.2平方米；P_sa是太陽能電池陣輸出功率，是中間變量；T_e是衛星地影時長，是中間變量；M_SAT是整星質量，取值小于200千克；T是衛星運行周期，是中間變量；H是軌道高度，取值范圍500公里-750公里；

太陽帆板和蓄電池室是衛星電源設計的重要元素，為衛星在太空的運行提供動力；

該發射模塊L14，其結構是由下列經驗公式構成：

M_SAT+H-720≤0

式中：M_SAT是整星質量，取值小于200千克；H是軌道高度，取值范圍500公里-750公里；

衛星發射與火箭組成的運載工具和用于地面支持的基礎結構有關，在衛星設計過程中只考慮衛星質量與軌道高度的相互關系；

所述優化模型層L2由兩個模塊組成，優化目標模塊L21和約束模塊L22；由數學模型層L1提供的經驗公式，構建衛星的優化模型；

該優化目標模塊L21是對地觀測衛星優化模型建立的關鍵模塊，整個優化系統圍繞優化目標進行；其中優化目標-對地觀測分辨率，指可以識別的最小地面距離和最小目標物的大小；

該“優化目標”R由下列經驗公式構成：

R=10×H8×D]]>

式中：H是軌道高度，取值范圍500公里-750公里；D是相機孔徑，取值范圍50毫米-150毫米；

該約束模塊L22作用是提供給優化過程限定條件；

該“限定條件”包括整星質量取值小于200千克；太陽帆板面積，取值小于1.2平方米；回訪時間，取值范圍90天-150天；下行鏈接持續時間，取值范圍5分鐘到15分鐘；

所述算法計算層L3核心是包絡對偶算法計算模塊，根據優化模型層L2提供的優化模型，利用包絡對偶算法，對對地觀測分辨率進行計算求解；

該“包絡對偶算法”，指針對大型復雜優化問題，如對地觀測衛星設計優化問題，提出的一種高效的求解方法，其含義表述如下：

優化問題典型的數學模型為：

{求目標函數f(X)的最小值，

使得f(X)滿足約束函數g_i(X)≤0,(i=1,2,...,n)}

根據該問題的數學意義，變換為如下的等價形式：

{求目標函數f(X)的最小值，

使得f(X)滿足約束函數g_max(X)≤0}

式中，g_max(X)等于g_i(X)的最大值；

基于經典的數學理論，進一步得到優化問題的數學模型：

{求對偶函數d(λ)的最大值，

對偶函數d(λ)={f(X)+λ·g_max(X)}的最小值.}

用一個光滑的包絡函數E(x)替代約束函數g_max(X)，得到包絡對偶問題數學模型：

{求對偶函數d(λ)的最大值，

對偶函數d(λ)={f(X)+λ·E(X)}的最小值.}

該f(X)是目標函數，g_max(X)是約束函數，d(λ)是對偶函數，E(x)是包絡函數，λ是對偶變量；

所述數據層L4的核心是數據分析模塊，利用收斂準則，分析算法計算層L3給出的計算結果，符合收斂準則，則此結果為最終的優化結果，反之從優化模型層L2開始重新計算；該“收斂準則”是一種數學算法定義；

所述應用層L5由軟件組成，為用戶提供一組衛星設計參數；該“衛星設計參數”，是指衛星設計制造過程中，所需的設計值。