基于多种群混沌遗传算法的GEO目标服务任务规划

doi:10.12305/j.issn.1001-506X.2024.03.17

系统工程与电子技术 ›› 2024, Vol. 46 ›› Issue (3): 914-921.doi: 10.12305/j.issn.1001-506X.2024.03.17

基于多种群混沌遗传算法的GEO目标服务任务规划

尹帅¹, 余建慧², 宋斌³, 郭延宁¹^,*, 李传江¹, 吕跃勇¹

1. 哈尔滨工业大学航天学院, 黑龙江哈尔滨 150001
2. 北京跟踪与通信技术研究所, 北京 100094
3. 上海宇航系统工程研究所, 上海 201109

收稿日期:2022-12-08 出版日期:2024-02-29 发布日期:2024-03-08
通讯作者: 郭延宁
作者简介:尹帅(1996—), 男, 博士研究生, 主要研究方向为航天器任务规划
余建慧(1980—), 男, 副研究员, 硕士, 主要研究方向为空间操作、航天器控制
宋斌(1981—), 男, 研究员, 博士, 主要研究方向为导航、制导与控制
郭延宁(1985—), 男, 教授, 博士, 主要研究方向为深空探测制导与控制、最优控制、航天器姿态控制、执行机构控制分配
李传江(1978—), 男, 教授, 博士, 主要研究方向为航天器姿态及轨道控制、最优控制、非线性控制、多智能体系统
吕跃勇(1983—), 男, 副研究员, 博士, 主要研究方向为航天器导航制导与控制、编队飞行控制、在轨服务、人工智能
基金资助:
国家自然科学基金(62273118);中国航天科技集团有限公司青年拔尖人才支持工程

GEO target servicing mission scheduling based on multi-group chaotic genetic algorithm

Shuai YIN¹, Jianhui YU², Bin SONG³, Yanning GUO¹^,*, Chuanjiang LI¹, Yueyong LYU¹

1. School of Astronautics, Harbin Institute of Technology, Harbin 150001, China
2. Beijing Institute of Tracking and Telecommunications Technology, Beijing 100094, China
3. Shanghai Institute of Aerospace System Engineering, Shanghai 201109, China

Received:2022-12-08 Online:2024-02-29 Published:2024-03-08
Contact: Yanning GUO

摘要/Abstract

摘要：

面向地球同步轨道(geosynchronous Earth orbit, GEO)空间目标碎片清除、燃料加注等不同在轨服务需求, 研究了“固定储油站+往返航天器”相结合的航天器任务规划问题。首先, 建立了多任务混合的燃料最优双层任务规划模型, 外层为目标服务序列规划, 内层为轨道机动规划。随后, 针对该连续-离散混合变量组合优化问题, 提出了一种多种群混沌遗传算法(multi-group chaotic genetic algorithm, MGCGA), 采用混合编码表征决策变量, 引入立方混沌映射算子提高初始种群质量, 多种群及精英保留策略使得算法在求解过程中能更为显著地逼近全局最优解。最后, 参考实际GEO目标构建了典型算例, 规划结果表明所提算法具有全局收敛性好、收敛速度快的优点。

关键词: 在轨服务, 地球同步轨道目标, 多任务, 储油站, 任务规划, 多种群混沌遗传算法

Abstract:

Aiming to address diverse on-orbit service requirements, such as debris removal and fuel refueling in geosynchronous Earth orbit (GEO), the problem of spacecraft mission scheduling combining "fixed fuel station+round-trip spacecraft" is investigated. Firstly, a fuel-optimal bi-level mission scheduling model with a multi-mission hybrid is established, in which the outer layer is designed for target service sequence scheduling and the inner layer is designed orbit maneuver planning. Then, for this continuous-discrete mixed variable combinatorial optimization problem, a multi-group chaotic genetic algorithm (MGCGA) is proposed, in which the hybrid coding is employed to represent the decision variables and a cubic chaotic mapping operator is introduced to improve the quality of the initial population. Moreover, a multi-group and elite retention strategy is employed to significantly approach the optimal global solution during the solution process. Finally, a typical scenario is constructed using actual GEO target information. The scheduling results show that the proposed algorithm has the advantages of good global convergence and fast convergence.

Key words: on-orbit servicing, geosynchronous Earth orbit (GEO) target, multi-mission, fuel station, mission scheduling, multi-group chaotic genetic algorithm (MGCGA)

中图分类号:

V448.2

尹帅, 余建慧, 宋斌, 郭延宁, 李传江, 吕跃勇. 基于多种群混沌遗传算法的GEO目标服务任务规划[J]. 系统工程与电子技术, 2024, 46(3): 914-921.

Shuai YIN, Jianhui YU, Bin SONG, Yanning GUO, Chuanjiang LI, Yueyong LYU. GEO target servicing mission scheduling based on multi-group chaotic genetic algorithm[J]. Systems Engineering and Electronics, 2024, 46(3): 914-921.

图/表 12

图1

图2

图3

图4

图5

图6

图7

表1

表2

表3

图8

表4

参考文献 30

1	崔乃刚, 王平, 郭继峰, 等. 空间在轨服务技术发展综述[J]. 宇航学报, 2007, 28 (4): 805- 811.
	CUI N G , WANG P , GUO J F , et al. A review of on-orbit servicing[J]. Journal of Astronautics, 2007, 28 (4): 805- 811.
2	翟光, 张景瑞, 周志成. 静止轨道卫星在轨延寿技术研究进展[J]. 宇航学报, 2012, 33 (7): 849- 859.
	ZHAI G , ZHANG J R , ZHOU Z C . A review of on-orbit life-time extension technologies for GEO satellites[J]. Journal of Astronautics, 2012, 33 (7): 849- 859.
3	ZHANG S H , HAN C , SUN X C . New solution for rendezvous between geosynchronous satellites using low thrust[J]. Journal of Guidance, Control, and Dynamics, 2018, 41 (6): 1397- 1406. doi: 10.2514/1.G003270
4	ZHANG J , PARKS G T , LUO Y Z , et al. Multispacecraft refueling optimization considering the J2 perturbation and window constraints[J]. Journal of Guidance, Control, and Dynamics, 2014, 37 (1): 111- 122. doi: 10.2514/1.61812
5	史人赫, 宝音贺西, 龙腾, 等. 基于网格编码差分进化的在轨服务星群任务规划方法[J]. 无人系统技术, 2020, 5 (3): 24- 29.
	SHI R H , BAOYIN H X , LONG T , et al. On-orbit servicing mission planning method using grid coding based differential evolutionary[J]. Unmanned Systems Technology, 2020, 5 (3): 24- 29.
6	WEI Z , LONG T , SHI R H , et al. Scheduling optimization of multiple hybrid-propulsive spacecraft for geostationary space debris removal missions[J]. IEEE Trans.on Aerospace and Electronic Systems, 2022, 58 (3): 2304- 2326. doi: 10.1109/TAES.2021.3131294
7	LI C Z , XU B . Optimal scheduling of multiple Sun-synchronous orbit satellites refueling[J]. Advances in Space Research, 2020, 66 (2): 345- 358. doi: 10.1016/j.asr.2020.03.049
8	刘晓路, 许英杰, 贺仁杰, 等. 面向卫星的在轨服务任务规划方法[J]. 国防科技大学学报, 2020, 42 (5): 143- 150.
	LIU X L , XU Y J , HE R J , et al. Satellite-oriented on-orbit service mission planning method[J]. Journal of National University of Defense Technology, 2020, 42 (5): 143- 150.
9	SHEN H J , TSIOTRAS P . Peer-to-peer refueling for circular satellite constellations[J]. Journal of Guidance, Control, and Dynamics, 2005, 28 (6): 1220- 1230. doi: 10.2514/1.9570
10	曾斌, 王睿, 李厚朴, 等. 基于强化学习的战时保障力量调度策略研究[J]. 系统工程与电子技术, 2022, 44 (1): 199- 208.
	ZENG B , WANG R , LI H P , et al. Scheduling strategies research based on reinforcement learning for wartime support force[J]. Systems Engineering and Electronics, 2022, 44 (1): 199- 208.
11	HAN P , GUO Y N , LI C J , et al. Multiple GEO satellites on-orbit repairing mission planning using large neighborhood search-adaptive genetic algorithm[J]. Advances in Space Research, 2022, 70 (2): 286- 302. doi: 10.1016/j.asr.2022.04.034
12	高新洲, 郭延宁, 马广富, 等. 采用混合遗传算法的敏捷卫星自主观测任务规划[J]. 哈尔滨工业大学学报, 2021, 53 (12): 1- 9.
	GAO X Z , GUO Y N , MA G F , et al. Agile satellite autonomous observation mission planning using hybrid genetic algorithm[J]. Journal of Harbin Institute of Technology, 2021, 53 (12): 1- 9.
13	SARKHEYLI A , BAGHERI A , GHORBANI-VAGHEI B , et al. Using an effective tabu search in interactive resources scheduling problem for LEO satellites missions[J]. Aerospace Science and Technology, 2013, 29 (1): 287- 295. doi: 10.1016/j.ast.2013.04.001
14	SMITHERMAN D, WOODCOCK G. Space transportation infrastructure supported by propellant depots[C]//Proc. of the AIAA Space Conference & Exposition, 2011.
15	ZHU X Y , ZHANG C X , SUN R , et al. Orbit determination for fuel station in multiple SSO spacecraft refueling considering the J2 perturbation[J]. Aerospace Science and Technology, 2020, 105, 105994. doi: 10.1016/j.ast.2020.105994
16	MENG B , HUANG J B , LI Z , et al. The orbit deployment strategy of OOS system for refueling near-earth orbit satellites[J]. Acta Astronautica, 2019, 159, 486- 498. doi: 10.1016/j.actaastro.2019.02.001
17	周洋. 地球同步轨道在轨服务任务规划建模与优化研究[D]. 长沙: 国防科技大学, 2017.
	ZHOU Y. Mission planning modeling and optimization for on-orbit servicing in the geosynchronous Earth orbit[D]. Changsha: National University of Defense Technology, 2017.
18	BATTIN R H , VAUGHAN R M . An elegant Lambert algorithm[J]. Journal of Guidance, Control, and Dynamics, 1984, 7 (6): 662- 670. doi: 10.2514/3.19910
19	魏倩, 蔡远利. Lambert问题的改进算法[J]. 控制与决策, 2016, 31 (7): 1339- 1344.
	WEI Q , CAI Y L . Modified algorithm for Lambert's problem[J]. Control and Decision, 2016, 31 (7): 1339- 1344.
20	LAVAGNA M , POVOLERI A , FINZI A E . Interplanetary mission design with aero-assisted manoeuvres multi-objective evolutive optimization[J]. Acta Astronautica, 2005, 57 (2/8): 498- 509.
21	HINAGAWA H , YAMAOKA H , HANADA T . Orbit determination by genetic algorithm and application to GEO observation[J]. Advances in Space Research, 2014, 53 (3): 532- 542. doi: 10.1016/j.asr.2013.11.051
22	SUN X C , BAI S Z . Low-thrust Lambert transfer based on two-stage constant-vector thrust control method[J]. Nonlinear Dynamics, 2022, 110 (1): 313- 346. doi: 10.1007/s11071-022-07608-y
23	SHU P , YANG Z , LUO Y Z . Higher-order lambert problem solution based on differential algebra[J]. Journal of Guidance, Control, and Dynamics, 2022, 45 (10): 1913- 1926. doi: 10.2514/1.G006558
24	YANG Z , LUO Y Z , ZHANG J , et al. Homotopic perturbed Lambert algorithm for long-duration rendezvous optimization[J]. Journal of Guidance, Control, and Dynamics, 2015, 38 (11): 2215- 2223. doi: 10.2514/1.G001198
25	GOODING R H . A procedure for the solution of Lambert's orbital boundary-value problem[J]. Celestial Mechanics and Dynamical Astronomy, 1990, 48 (2): 145- 165. doi: 10.1007/BF00049511
26	HOWARDD C. 轨道力学[M]. 北京: 科学出版社, 2009.
	HOWARD D C . Orbital mechanics[M]. Beijing: Science Press, 2009.
27	汤安迪, 韩统, 徐登武, 等. 混沌多精英鲸鱼优化算法[J]. 北京航空航天大学学报, 2021, 47 (7): 1481- 1494.
	TANG A D , HAN T , XU D W , et al. Chaotic multi-leader whale optimization algorithm[J]. Journal of Beijing University of Aeronautics and Astronautics, 2021, 47 (7): 1481- 1494.
28	HE X K , YAN L J , LIU S J , et al. An adaptive multi-group slime mould algorithm for node localisation in wireless sensor networks[J]. International Journal of Sensor Networks, 2022, 40 (4): 262- 276. doi: 10.1504/IJSNET.2022.127842
29	CAO L L , BEN K R , PENG H , et al. Enhancing firefly algorithm with adaptive multi-group mechanism[J]. Applied Intelligence, 2022, 52 (9): 9795- 9815. doi: 10.1007/s10489-021-02766-9
30	PAN J S , SHAN J , CHU S C , et al. A multi-group marine predator algorithm and its application for the power system economic load dispatch[J]. Energy Science & Engineering, 2022, 10 (6): 1840- 1854.

名称	半长轴/km	偏心率	轨道倾角/(°)	升交点赤经/(°)	平近点角/(°)
储油站	42 164.169	0	0.017 6	117.227 8	4
服务航天器1	42 164.169	0	0.017 6	117.227 8	4
服务航天器2	42 164.169	0	0.017 6	117.227 8	4
服务航天器3	42 164.169	0	0.017 6	117.227 8	4
服务航天器4	42 164.169	0	0.017 6	117.227 8	4
目标1	42 164.169	0	1.923 2	48.498 5	201.506 1
目标2	42 164.169	0	1.007 3	55.634 6	48.047 4
目标3	42 164.169	0	1.366 0	64.759 4	174.224 0
目标4	42 164.169	0	1.763 1	84.555 5	182.437 9
目标5	42 164.169	0	1.007 3	55.634 6	181.137 5
目标6	42 164.169	0	1.799 4	90.460 5	171.747 0
目标7	42 164.169	0	2.396 3	284.152 6	120.629 3
目标8	42 164.169	0	0.081 4	87.368 7	83.535 1
目标9	42 164.169	0	0.062 2	14.807 0	113.247 2

名称	服务能力	干重/kg	比冲/(km/s)
服务航天器1	在轨加注/碎片清除	500	3
服务航天器2	在轨加注/碎片清除	500	3
服务航天器3	在轨加注	500	3
服务航天器4	碎片清除	500	3

名称	任务需求	需求燃料量(碎片质量)/kg
目标1	在轨加注	500
目标2	碎片清除	200
目标3	在轨加注	500
目标4	碎片清除	200
目标5	碎片清除	200
目标6	在轨加注	500
目标7	碎片清除	200
目标8	在轨加注	500
目标9	在轨加注	500

名称	任务规划方案	燃料消耗量/kg	时间/天
服务航天器1	0-8-0-4-3-0	1 082.87	14.628 8
服务航天器2	0-9-0-6-5-0	1 129.64	15.844 8
服务航天器3	0-1-0	573.35	4.916 2
服务航天器4	0-2-0-7-0	105.49	10.496 2

[1]	王涵巍, 张嘉城, 朱阅訸. 异构编队卫星近距离操作轨迹规划方法[J]. 系统工程与电子技术, 2024, 46(3): 1048-1057.
[2]	文启翟, 康志宇, 卫国宁, 贺彦博, 吴斌, 周睿逸. 子母型航天器抵近观测任务流程规划方法研究[J]. 系统工程与电子技术, 2023, 45(12): 3941-3948.
[3]	钟泽南, 权申明, 晁涛, 王松艳, 杨明. 一种空间碎片主动清除任务规划方法[J]. 系统工程与电子技术, 2023, 45(12): 3958-3966.
[4]	余婧, 雍恩米, 陈汉洋, 郝东, 张显才. 面向多无人机协同对地攻击的双层任务规划方法[J]. 系统工程与电子技术, 2022, 44(9): 2849-2857.
[5]	樊成, 王布宏, 田继伟. 基于多任务学习图卷积模型的航空网络节点分类[J]. 系统工程与电子技术, 2022, 44(7): 2341-2349.
[6]	庞维建, 李辉, 黄谦, 李朋, 马贤明. 基于本体的无人系统任务规划研究综述[J]. 系统工程与电子技术, 2022, 44(3): 908-920.
[7]	董晨, 帅逸仙, 周金鹏, 赖鹏, 程仙垒. 网络化多传感器-多武器协同防空任务规划[J]. 系统工程与电子技术, 2022, 44(12): 3738-3746.
[8]	靳鹏, 李康. 基于改进合同网协议的分布式卫星资源调度[J]. 系统工程与电子技术, 2022, 44(10): 3164-3173.
[9]	张晟宇, 孙煜坤, 朱振才, 胡海鹰. 启发式前后向链条优化组合在轨多目标观测规划算法[J]. 系统工程与电子技术, 2021, 43(5): 1262-1269.
[10]	胡春宇, 刘卫东, 于天翔, 周立尧, 冯晨. 基于无人机实时数据多波次任务规划模型分析[J]. 系统工程与电子技术, 2021, 43(3): 747-754.
[11]	严冰, 张进, 罗亚中. 面向编队卫星的空间系绳在轨服务[J]. 系统工程与电子技术, 2021, 43(3): 806-813.
[12]	谷旭平, 唐大全. 基于细菌觅食算法的多异构无人机任务规划[J]. 系统工程与电子技术, 2021, 43(11): 3312-3320.
[13]	蒋春启, 郑娜娥, 左宗, 王盛, 陈翔. 突出重点目标跟踪的分布式MIMO雷达阵元选取[J]. 系统工程与电子技术, 2021, 43(10): 2860-2868.
[14]	程恺, 陈刚, 余晓晗, 刘满, 邵天浩. 知识牵引与数据驱动的兵棋AI设计及关键技术[J]. 系统工程与电子技术, 2021, 43(10): 2911-2917.
[15]	贾高伟, 王建峰. 无人机集群任务规划方法研究综述[J]. 系统工程与电子技术, 2021, 43(1): 99-111.

基于多种群混沌遗传算法的GEO目标服务任务规划

GEO target servicing mission scheduling based on multi-group chaotic genetic algorithm

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 30

相关文章 15

编辑推荐

Metrics

本文评价