[發明專利]一種多星應急觀測任務規劃方法、裝置和計算機設備

在審

• 申請號: 202011229034.X
• 申請日: 2020-11-06
• 公開（公告）號: CN112232594A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 陳浩;羅棕;彭雙;杜春;伍江江;熊偉;歐陽雪;鐘志農;吳曄;楊岸然;李軍;陳犖;景寧
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06N20/00
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 趙小龍

1.一種多星應急觀測任務規劃方法，其特征在于，所述方法包括：

獲取衛星任務規劃系統中待規劃的觀測任務集合；所述觀測任務集合中包含多個觀測任務的任務特征信息；

將所述任務特征信息輸入到第一機器學習模型中，得到任務可調度性決策信息；所述第一機器學習模型是通過歷史調度數據構建的訓練集訓練得到的；所述歷史調度數據中包含觀測任務的執行信息；

將所述任務特征信息和所述任務可調度性決策信息輸入到第二機器學習模型中，得到第一任務分配信息；所述第二機器學習模型是通過歷史分配數據構建的訓練集訓練得到的；所述歷史分配數據中包含觀測任務的分配信息；

將所述第一任務分配信息輸入基于隨機爬山的約束修正算法進行修正，得到第二任務分配信息，根據所述第二任務分配信息對所述觀測任務集合中的觀測任務進行衛星指派。

2.根據權利要求1所述的方法，其特征在于，所述第一機器學習模型是基于Transformer的第一預測模型；

所述將所述任務特征信息輸入到第一機器學習模型中，得到任務可調度性決策信息包括：

將所述任務特征信息輸入到基于Transformer的第一預測模型中，得到任務可調度性決策信息。

3.根據權利要求1所述的方法，其特征在于，所述第二機器學習模型是基于Transformer的第二預測模型；

所述將所述任務特征信息和所述任務可調度性決策信息輸入到第二機器學習模型中，得到第一任務分配信息包括：

將所述任務特征信息和所述任務可調度性決策信息輸入到基于Transformer的第二預測模型中，得到第一任務分配信息。

4.根據權利要求1所述的方法，其特征在于，所述獲取衛星任務規劃系統中待規劃的觀測任務集合；所述觀測任務集合中包含多個觀測任務的任務特征信息，包括：

獲取衛星任務規劃系統中待規劃的觀測任務集合；

根據待規劃觀測任務集合中每一項待規劃觀測任務，得到每一項任務對應的任務特征信息；

將所述每一項任務對應的任務特征信息組合得到所述任務特征信息。

5.根據權利要求4所述的方法，其特征在于，在獲取衛星任務規劃系統中待規劃的觀測任務集合之前，還包括：

設置多星任務規劃建模的約束條件；

根據所述約束條件確定所述任務特征信息。

6.根據權利要求4或5所述的方法，其特征在于，所述任務特征信息包括：

任務的優先級信息、任務觀測時長需求信息、任務在各衛星對應的觀測時間窗信息、任務在各衛星對應的存儲消耗信息、任務在各衛星實際對應的觀測時長信息以及相同衛星中相鄰任務時間窗的時間間隔信息。

7.根據權利要求2或3所述的方法，其特征在于，所述基于Transformer的第一預測模型或所述基于Transformer的第二預測模型包括：

多層Transformer Layer和全連接層；

其中Transformer Layer由多頭注意力機制、求和與歸一化、前饋神經網絡三種結構組成，上一層的輸出傳遞到下一層，疊加多次。