[发明专利]一种适用于载荷凝视成像的多目标观测轨迹智能感知方法

说明书

一种适用于载荷凝视成像的多目标观测轨迹智能感知方法，首先建立航天器平台所需观测多目标点的聚类模型，然后基于得到的聚类模型建立观测轨迹感知优化模型，最后根据感知优化模型利用改进的智能蚁群算法进行求解得到最优观测轨迹。本发明方法与现有方法相比，充分考虑了载荷面阵凝视成像任务的特点，所建立的聚类模型能够在保证观测目标数量最多的前提下减少航天器平台的机动次数，另外本发明方法所得到的观测轨迹，充分考虑了时间窗口、航天器平台姿态机动能力等实际约束条件，更加符合工程实际需求。

技术领域

本发明涉及航天控制领域，特别是一种适用于载荷凝视成像的多目标观测轨迹智能感知方法。

背景技术

随着地面观测任务规模的大幅提升，传统非敏捷航天器难以满足对地观测需求。近年来敏捷航天器发展迅速，由于其具备三轴快速姿态机动能力，使得对地观测具有更高灵活性和更多选择性。为了在特定时间窗口内完成更多的点目标观测任务，如何进行合理、高效的观测轨迹感知优化已成为首要问题。一方面，直接设计更高性能的智能优化算法，来满足对地多目标点观测需求；另一方面，则对目标进行聚类，间接提高观测效率。

多目标观测轨迹感知优化是整个敏捷航天器平台观测任务的顶层决策，是完成对地多目标点观测的基础。多目标观测轨迹感知的质量直接影响观测任务的效率和完成度，进而影响观测收益。近年来，在理论研究与工程领域，多目标观测轨迹感知已引起了广泛关注。针对点目标的轨迹感知优化通常分为多目标点的聚类和观测序列决策。通过多目标点聚类模型，将能够被同时观测的目标点进行合并，减少航天器平台姿态机动的次数，为敏捷航天器观测任务的高效执行奠定基础。而观测序列决策是在多目标点聚类的基础上，通过对聚类后目标的观测时间、观测序列进行智能感知优化，最大程度完成对尽可能多目标点的观测任务。

现阶段针对敏捷航天器平台对地多目标观测轨迹感知的研究已经取得了一定的成果。但是，已有基于遗传算法、免疫算法、粒子群算法、禁忌搜索算法等智能优化算法的研究成果，主要考虑的载荷观测模式是推扫式的，尚未针对载荷凝视观测任务的特殊性开展深入的研究工作。实际上，随着面阵传感器的逐步成熟，其具有视场大、无需扫描机构等比较优势，基于载荷面阵凝视的点目标观测受到了越来越多的关注。综上所述，针对载荷凝视成像任务的特点，开展敏捷航天器平台的多目标观测轨迹智能感知方法研究，具有显著的现实意义和前瞻性。

发明内容

本发明所要解决的技术问题是：克服现有技术的不足，提供一种适用于载荷凝视成像的多目标观测轨迹智能感知方法，通过多目标点的聚类模型，建立观测轨迹的感知优化模型，并利用改进的智能蚁群算法求解得到最优观测轨迹。

本发明所采用的技术方案是：一种适用于载荷凝视成像的多目标观测轨迹智能感知方法，包括步骤如下：

(1)建立所需观测多目标点的聚类模型，聚类模型以聚类点集合c的形式进行描述，在聚类点集合c中包含了多个聚类点子集合，在每个聚类点子集合中包含了个数不等的目标点；

具体步骤如下：

步骤1.1：对参数进行初始化设置，参数包括：任务点集合V、聚类点集合c、联通点集合L，进入步骤1.2；

步骤1.2：判断任务点集合V是否为空集；若任务点集合V为空集，则完成聚类模型建立，进入步骤(2)；若任务点集合V不为空集，则令聚类点集合c为空集，将任务点集合V中的任意点k加入到聚类点集合c中，并从任务点集合V中删除点k，进入步骤1.3；

步骤1.3：搜索任务点集合V中剩余的点中与聚类点集合c中所有节点都连通的点，建立连通点集合L，进入步骤1.4；

若点k与点l满足如下公式，则判定点k与点l之间是连通的：