[发明专利]基于机器学习的成像卫星自主任务规划方法

权利要求书

1.一种基于机器学习的成像卫星自主任务规划方法，其特征在于：包括以下步骤：

步骤1：根据地面上注的任务预处理信息，获取到本轨的元任务信息，并将本轨元任务按照可见时间窗开始时间进行排序；

步骤2：当当前时间与排在元任务序列第一的元任务可见时间窗的开始时间有α时间间隔的提前量时，称该提前量的时间点为决策时间点，将该元任务设为当前元任务；

步骤3：提取当前元任务的特征变量，通过基于机器学习的星上自主任务决策模型判断是否执行当前元任务，如果判断为执行，则输出当前元任务的观测时间窗，在观测时间窗开始时执行当前元任务，如果不能执行，则删除当前元任务；

所述元任务的特征变量是指元任务的实时任务特征变量、实时卫星特征变量、实时场景特征变量；

所述实时任务特征变量包括任务收益、任务观测所需电量、任务观测所需存储、与当前任务冲突的任务可见时长之和、与当前任务冲突的任务收益之和；所述实时卫星特征变量包括卫星剩余电量、卫星剩余存储；所述实时场景特征变量包括剩余任务的观测所需电量之和、剩余任务的观测所需存储之和、剩余任务的收益之和；

步骤4：判断是否已经规划完本轨元任务，如果已经规划完，则结束，否则返回步骤2。

2.根据权利要求1所述的基于机器学习的成像卫星自主任务规划方法，其特征在于：步骤3中所述基于机器学习的星上自主任务决策模型的训练方法是：

步骤3.1：从历史规划方案库中提取出历史元任务的特征变量以及决策结果组成样本训练集和测试集；

步骤3.2：使用训练集通过机器学习算法在地面对自主任务决策模型进行训练；

步骤3.3：使用测试集对训练后的自主任务决策模型进行验证评价，当正确率大于所允许的阈值时，得到训练好的自主任务决策模型；

步骤3.4：将训练好的自主任务决策模型嵌入到星上。

3.根据权利要求2所述的基于机器学习的成像卫星自主任务规划方法，其特征在于：所述步骤3中执行当前元任务之后，还包括步骤3’:检查元任务序列中的后续元任务，删除掉与当前元任务冲突的元任务,并更新元任务序列，所述冲突是指由于当前元任务的执行，导致某个元任务剩余的可见时间不足以完成整个观测或导致两个元任务之间的空余时间不足以完成卫星的姿态机动。

4.根据权利要求1所述的基于机器学习的成像卫星自主任务规划方法，其特征在于：还包括步骤5：将已经执行的元任务特征变量和决策结果发送给地面，添加到历史规划方案库中，对自主任务决策模型学习训练。

5.根据权利要求1所述的基于机器学习的成像卫星自主任务规划方法，其特征在于：在步骤2之前，还包括步骤1’,当有应急任务到达时，将应急任务按照可见时间窗开始时间插入到元任务序列中。