基于离散粒子群算法的多飞行器在轨服务任务分配

doi:10.3780/j.issn.1000-758X.2012.02.011

›› 2012, Vol. 32 ›› Issue (2): 68-76.doi: 10.3780/j.issn.1000-758X.2012.02.011

基于离散粒子群算法的多飞行器在轨服务任务分配

张琪新^1,2,孙富春^2,3,许斌^2,3,刘华平^2,3

(1 海军航空工程学院，烟台264001)
(2 清华大学，北京100084)
(3 智能技术与系统国家重点实验室，北京100084)

收稿日期:2011-04-28 修回日期:2012-04-25 出版日期:2012-04-25 发布日期:2012-04-25
作者简介:张琪新 1987年生，2009年毕业于海军航空工程学院控制科学与工程专业，现为海军航空工程学院控制工程系硕士研究生，在清华大学参与项目研究。研究方向为飞行器在轨服务任务分配。
基金资助:
国家自然科学基金（61004002）资助项目

MultipleSpacecraftsOn-orbitServiceTaskAllocationBasedonDPSO

ZHANG Qi-Xin^1,2, SUN Fu-Chun^2,3, XU Bin^2,3, LIU Hua-Ping^2,3

(1NavalAeronauticalandAstronauticalUniversity,Yantai264001) 
(2TsinghuaUniversity,Beijing100084)
(3StateKeyLaboratoryofIntelligentTechnologyandSystem,Beijing100084)

Received:2011-04-28 Revised:2012-04-25 Published:2012-04-25 Online:2012-04-25

摘要/Abstract

摘要： 为解决多约束条件下飞行器在轨服务任务分配问题，以在轨卫星群为研究对象，提出了一种基于离散粒子群算法的多服务飞行器的目标分配方法，综合分析目标飞行器价值、服务飞行器消耗以及能量时间消耗等3项关键指标因素，建立了在轨服务任务分配问题的数学模型。通过构建粒子与实际问题间的对应关系，设计了新的离散粒子群位置和速度更新公式求解任务分配问题。仿真结果表明：离散粒子群算法具有收敛速度快，寻优能力强等优点，能够有效地解决多约束条件下的服务飞行器协同任务分配问题。

关键词: 离散粒子群算法, 任务分配, 在轨服务, 飞行器

Abstract: Inordertosolvemulticonstrainedon-orbitservicetaskallocationforspacecraft,theprogrammingofon-orbitservicetaskallocationforon-orbitsatelliteswasstudied.Basedontheanalysisofthekeyfactorsincludingtargetsatellitevalue,servicespacecraftlossandenergy-timeconsumption,anon-orbitservicingmulti-spacecrafttaskallocationmodelwasformulated.Adiscreteparticleswarmoptimization (DPSO) algorithmwasproposedforon-orbitservicespacecraftcooperativetaskallocationproblems.Anewparticlepositionandnewupdatestrategyfortheparticlespeedweredeveloped.ThesimulationresultsshowthattheproposedDPSOalgorithmadmitsbetterconvergence,optimizationcapability,andcansolvetheon-orbitservicespacecraftcooperativetaskallocationeffectively.

Key words: Discrete particle swarm optimization, Task allocation, On-orbit service, Spacecraft

张琪新, 孙富春, 许斌, 刘华平. 基于离散粒子群算法的多飞行器在轨服务任务分配[J]. , 2012, 32(2): 68-76.

ZHANG Qi-Xin, SUN Fu-Chun, XU Bin, LIU Hua-Ping. MultipleSpacecraftsOn-orbitServiceTaskAllocationBasedonDPSO[J]. , 2012, 32(2): 68-76.

[1]	彭祺擘, 武新峰, 王北超, 李爽. 航天器构型重构技术研究进展与展望[J]. 中国空间科学技术, 2023, 43(2): 16-31.
[2]	李林峰, 解永春. 空间机器人操作：一种多任务学习视角[J]. 中国空间科学技术, 2022, 42(3): 10-24.
[3]	喻明浩, 邱泽洋. 飞行器大气再入过程中黑障缓解方法综述[J]. 中国空间科学技术, 2022, 42(2): 1-12.
[4]	牟金震, 郝晓龙, 朱文山, 李爽. 非合作目标智能感知技术研究进展与展望[J]. 中国空间科学技术, 2021, 41(6): 1-16.
[5]	杜荣华, 张兴星, 张翔, 汪玲. 面向立方星的相对位姿测量视觉传感器设计[J]. 中国空间科学技术, 2021, 41(2): 77-85.
[6]	郭瑾, 黄海明. 热解气体燃烧对炭化复合材料烧蚀热响应影响规律[J]. 中国空间科学技术, 2020, 40(6): 41-47.
[7]	蔺君, 何英姿, 黄盘兴. 基于差分进化算法的再入可达域快速计算#br#[J]. 中国空间科学技术, 2020, 40(4): 54-60.
[8]	杨博, 朱一川, 魏延明, 樊子辰. 折叠式变体飞行器轨迹优化及控制分析[J]. 中国空间科学技术, 2020, 40(3): 64-75.
[9]	杨凯威, 张杨, 梁欢, 张利嵩. 高超声速飞行器热流密度/分层温度/碳化层研究[J]. 中国空间科学技术, 2018, 38(3): 33-39.
[10]	王首喆, 刘华清, 张庆展, 靳永强, 盛英华. 挠性充液航天器超近程逼近段动力学建模与控制[J]. , 2017, 37(4): 1-9.
[11]	刘思源, 梁子璇, 任章, 李清东. 高超声速滑翔飞行器再入段制导方法综述[J]. , 2016, 36(6): 1-13.
[12]	蒙波, 徐盛, 黄剑斌, 李志, 庞羽佳, 韩旭. 对GEO卫星在轨加注的服务航天器组网方案优化[J]. , 2016, 36(6): 14-21.
[13]	王俊, 杨洋, 周毅, 柴秀丽. 一种新的烧蚀热响应算法在质量估算中的应用[J]. , 2015, 35(1): 66-74.
[14]	郝佳傲, 蒋崇文, 高振勋, 李椿萱. 有翼再入飞行器的超/高超声速气动力工程方法[J]. , 2014, 34(3): 38-45.
[15]	蒋崇文, 杨加寿, 李克难, 高振勋, 李椿萱. 类X-37B飞行器气动特性的数值研究[J]. , 2014, 34(2): 36-44.

基于离散粒子群算法的多飞行器在轨服务任务分配

MultipleSpacecraftsOn-orbitServiceTaskAllocationBasedonDPSO

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价