專利名稱：基于分解思想和粒子群融合方法的導(dǎo)航星座優(yōu)化設(shè)計(jì)平臺(tái)及方法
技術(shù)領(lǐng)域：
本發(fā)明屬于星座優(yōu)化設(shè)計(jì)領(lǐng)域，具體涉及基于分解思想和粒子群融合方法的導(dǎo)航 星座優(yōu)化設(shè)計(jì)平臺(tái)及方法。
背景技術(shù)：
目前隨著導(dǎo)航技術(shù)的迅猛發(fā)展，世界各國都爭相研究本國導(dǎo)航定位系統(tǒng)，中國也 在加緊建立自己的“北斗二代”全球定位系統(tǒng)。但隨著導(dǎo)航定位系統(tǒng)全球化覆蓋，單顆衛(wèi)星 獨(dú)立工作模式已經(jīng)無法滿足對地覆蓋要求，導(dǎo)航衛(wèi)星必須以星座組網(wǎng)的方式協(xié)同工作才能 滿足覆蓋要求，因此設(shè)計(jì)合理的導(dǎo)航星座是實(shí)現(xiàn)全球定位的關(guān)鍵。與此同時(shí)，隨著導(dǎo)航衛(wèi) 星的相繼發(fā)射應(yīng)用，星座規(guī)模越來越大，星座的構(gòu)型也隨之變得更加復(fù)雜，不僅需要同時(shí)考 慮衛(wèi)星星座的各種參數(shù)指標(biāo)，還要兼顧衛(wèi)星系統(tǒng)的各種性能和設(shè)計(jì)成本之間的相互制約關(guān) 系。為了獲得最佳的星座設(shè)計(jì)效果，必須對參數(shù)指標(biāo)、性能要求和設(shè)計(jì)成本等多維的設(shè)計(jì)目 標(biāo)進(jìn)行綜合計(jì)算。但是導(dǎo)航星座優(yōu)化設(shè)計(jì)涉及內(nèi)容過于廣泛，應(yīng)用多維目標(biāo)方法計(jì)算成本 消耗過大，同時(shí)國內(nèi)缺少一個(gè)完整的設(shè)計(jì)平臺(tái)來實(shí)現(xiàn)星座優(yōu)化設(shè)計(jì)要求。提出一個(gè)高性能 的多目標(biāo)優(yōu)化方法，并建立一個(gè)系統(tǒng)的星座優(yōu)化設(shè)計(jì)平臺(tái)，對簡化設(shè)計(jì)過程，提高計(jì)算效率 是十分重要的。導(dǎo)航星座優(yōu)化設(shè)計(jì)包括導(dǎo)航星座構(gòu)形設(shè)計(jì)和導(dǎo)航星座系統(tǒng)設(shè)計(jì)。導(dǎo)航星座構(gòu)形設(shè) 計(jì)指的是考慮多種設(shè)計(jì)準(zhǔn)則的星座空間幾何結(jié)構(gòu)和任務(wù)軌道的優(yōu)化設(shè)計(jì)，導(dǎo)航星座系統(tǒng)設(shè) 計(jì)指的是包括星座構(gòu)形參數(shù)和衛(wèi)星關(guān)鍵技術(shù)指標(biāo)的系統(tǒng)總體設(shè)計(jì)。目前，星座優(yōu)化設(shè)計(jì)的傳統(tǒng)設(shè)計(jì)方法主要是基于數(shù)值分析的方法，如線性加權(quán)法、 約束法、單純形法和復(fù)形調(diào)優(yōu)法，這些方法在實(shí)際工程和理論分析過程中占據(jù)了主要地位。 這些方法主要依賴初始點(diǎn)位置，探索未知空間的能力不強(qiáng)，容易陷入局部最優(yōu)；同時(shí)由于星 座設(shè)計(jì)中優(yōu)化變量與覆蓋性能之間的關(guān)系是模糊的，無法用具體的解析表達(dá)式來描述，一 些利用梯度信息的優(yōu)化方法難以運(yùn)用。由于遺傳計(jì)算方法具有良好的尋優(yōu)特性，近幾年來， 國內(nèi)外學(xué)者相繼推出適用于星座優(yōu)化設(shè)計(jì)的經(jīng)典進(jìn)化計(jì)算方法，如NSGA-II、SPEA2，雖然 這些方法解決了一般的優(yōu)化方法不能解決的問題，取得了很大的成績，但是也存在計(jì)算成 本消耗大、計(jì)算迭代次數(shù)過多的不足。通過上述分析，可以發(fā)現(xiàn)傳統(tǒng)的優(yōu)化方法一般都是對于低目標(biāo)維數(shù)、低復(fù)雜度的 星座設(shè)計(jì)處理比較有效，即對于目標(biāo)函數(shù)低于6，變量個(gè)數(shù)低于30的星座進(jìn)行設(shè)計(jì)，而對 于高目標(biāo)維數(shù)問題的計(jì)算具有一定的局限性，同時(shí)隨著維度的不斷提高，計(jì)算消耗和設(shè)計(jì) 成本也隨之增加，這與目前我國加快實(shí)現(xiàn)導(dǎo)航定位全球化的目標(biāo)以及國家綜合國情不相符 合。另外目前星座優(yōu)化設(shè)計(jì)的研究大多停留在方法的優(yōu)化上，沒有構(gòu)建一個(gè)完整的技術(shù)平 臺(tái)，因此提供一個(gè)公共的星座優(yōu)化平臺(tái)有助于節(jié)省研究成本，便于各種設(shè)計(jì)思想的應(yīng)用。基于分解的多目標(biāo)改進(jìn)方法就是將多目標(biāo)優(yōu)化問題轉(zhuǎn)換為單目標(biāo)優(yōu)化問題，是用 數(shù)學(xué)規(guī)劃方法求解多目標(biāo)優(yōu)化問題的基本策略，典型的轉(zhuǎn)換方法包括權(quán)重和法、柴貝徹夫
7法、邊界交集法等，近兩年研究將這種傳統(tǒng)的多目標(biāo)求解策略與進(jìn)化方法相結(jié)合構(gòu)造了一 種新穎的基于分解的多目標(biāo)進(jìn)化方法(如M0EA/D)，該方法將逼近整個(gè)Pareto前沿面的 問題分解為一定數(shù)量的單目標(biāo)優(yōu)化問題，然后用進(jìn)化方法同時(shí)求解這些單目標(biāo)優(yōu)化問題。 方法維持一個(gè)由每個(gè)子問題的當(dāng)前最優(yōu)解組成的種群，子問題之間的近鄰關(guān)系定義為子問 題權(quán)重向量之間的距離，每個(gè)子問題的優(yōu)化過程通過與其近鄰子問題之間的進(jìn)化操作來完 成。該方法已經(jīng)成功地將數(shù)學(xué)規(guī)劃中常用的分解方法引入到進(jìn)化多目標(biāo)領(lǐng)域，而且可以直 接采用進(jìn)化方法求解單目標(biāo)優(yōu)化問題時(shí)的適應(yīng)度分配和多樣性保持策略。

發(fā)明內(nèi)容
本發(fā)明的目的是為了解決傳統(tǒng)星座設(shè)計(jì)方法在高目標(biāo)維數(shù)、構(gòu)型復(fù)雜的星座優(yōu)化 設(shè)計(jì)問題中的計(jì)算缺陷，同時(shí)實(shí)現(xiàn)搭建統(tǒng)一的我國導(dǎo)航星座優(yōu)化平臺(tái)的目標(biāo)，提出基于分 解思想和粒子群融合方法的導(dǎo)航星座優(yōu)化設(shè)計(jì)平臺(tái)及方法。本發(fā)明的基于分解思想和粒子群融合方法的導(dǎo)航星座優(yōu)化設(shè)計(jì)平臺(tái)，包括人機(jī)交 互模塊、星座構(gòu)型模塊、星座性能模塊、星座成本模塊、多目標(biāo)整合模塊、聯(lián)合算法模塊、星 座綜合分析模塊、可視化模塊及報(bào)表生成模塊。人機(jī)交互模塊獲取用戶提出星座設(shè)計(jì)要求數(shù)據(jù)，并將數(shù)據(jù)發(fā)分別送給星座構(gòu)型模 塊、星座性能模塊和星座成本模塊；星座構(gòu)型模塊將從人機(jī)交互模塊得到的數(shù)據(jù)分類出構(gòu) 型設(shè)計(jì)要求，生成星座構(gòu)型模型，得到星座構(gòu)型模型函數(shù)解析式，并將生成的星座構(gòu)型模型 函數(shù)解析式發(fā)送到多目標(biāo)整合模塊中；星座性能模塊將從人機(jī)交互模塊得到的數(shù)據(jù)分類出 性能設(shè)計(jì)要求，生成星座性能模型，得到星座性能模型函數(shù)解析式的形式，并將生成的星座 性能模型函數(shù)解析式發(fā)送到多目標(biāo)整合模塊中；星座成本模塊將從人機(jī)交互模塊得到的數(shù) 據(jù)分類出成本設(shè)計(jì)要求，生成星座成本模型，得到星座成本模型函數(shù)解析式，并將生成的星 座成本模型函數(shù)解析式發(fā)送到多目標(biāo)整合模塊中；多目標(biāo)整合模塊將從星座構(gòu)型模塊、星 座性能模塊和星座成本模塊得到的模型解析式，分別將得到模型解析式以目標(biāo)函數(shù)的形式 進(jìn)行數(shù)學(xué)聯(lián)立，進(jìn)而整合成一個(gè)包含多個(gè)目標(biāo)函數(shù)的列向量，并求列向量的最優(yōu)解集，最終 生成星座優(yōu)化設(shè)計(jì)多目標(biāo)問題，并將生成的星座優(yōu)化設(shè)計(jì)多目標(biāo)問題送入聯(lián)合算法模塊; 聯(lián)合算法模塊提供不同種類的多目標(biāo)進(jìn)化方法，用戶根據(jù)具體應(yīng)用進(jìn)行選擇或者利用多種 方法進(jìn)行并行聯(lián)合處理，尋求最適合的解決方案，進(jìn)而得到最優(yōu)化解集，并將最優(yōu)化解集送 入星座綜合分析模塊；星座綜合分析模塊接收由聯(lián)合算法模塊傳送來的計(jì)算最優(yōu)解集數(shù) 據(jù)，并對最優(yōu)解集數(shù)據(jù)進(jìn)行數(shù)學(xué)統(tǒng)計(jì)分析，將不符合實(shí)際的邊緣解和不相關(guān)解剔除，再將過 濾后的解集數(shù)據(jù)送入可視化模塊；可視化模塊接收星座綜合分析模塊所得的星座最優(yōu)解集 數(shù)據(jù)，呈現(xiàn)出星座3D構(gòu)型，同時(shí)生成模擬性能測試報(bào)表數(shù)據(jù)；報(bào)告生成模塊接收由可視化 模塊傳送的報(bào)表數(shù)據(jù)，根據(jù)用戶選擇，生成相應(yīng)報(bào)表，完成仿真?；诜纸馑枷牒土Ｗ尤喝诤戏椒ǖ膶?dǎo)航星座優(yōu)化設(shè)計(jì)方法，包括步驟如下步驟一建立星座優(yōu)化設(shè)計(jì)模型；步驟二 建立星座構(gòu)型模型；根據(jù)用戶的要求，生成星座構(gòu)型模型函數(shù)解析式；步驟三星座構(gòu)型模型優(yōu)化；根據(jù)用戶所提供設(shè)計(jì)要求的特殊性，在星座構(gòu)型模型的基礎(chǔ)上增加Naddtimal顆補(bǔ)充功能衛(wèi)星，并且設(shè)置各自衛(wèi)星類型，N' =N+Naddti。nal，其中N'為衛(wèi)星總數(shù)；步驟四獲取星座性能模型函數(shù)解析式；星座性能模型函數(shù)解析式的主要性能指標(biāo)包括定位精度因子、覆蓋重?cái)?shù)、覆蓋百 分比、有效網(wǎng)格點(diǎn)占用比；步驟五獲取星座成本模型函數(shù)解析式；步驟六生成多目標(biāo)問題；步驟七尋求最適合的解決方案，進(jìn)而得到結(jié)果；步驟八對最優(yōu)解集數(shù)據(jù)進(jìn)行數(shù)學(xué)分析，將部分不相關(guān)解剔除；步驟九模擬性能測試，生成相應(yīng)報(bào)表。本發(fā)明的優(yōu)點(diǎn)在于(1)不但適用于低目標(biāo)維數(shù)、構(gòu)型簡單的星座優(yōu)化設(shè)計(jì)，在高目標(biāo)維數(shù)、構(gòu)型復(fù)雜 的星座優(yōu)化設(shè)計(jì)中同樣具有優(yōu)勢；(2)進(jìn)行導(dǎo)航星座優(yōu)化時(shí)，只需提供星座指標(biāo)限制要求，便可建立導(dǎo)航星座設(shè)計(jì)模 型；(3)在使用多方法聯(lián)合計(jì)算時(shí)，同樣具有快速的處理能力；(4)可以對星座設(shè)計(jì)進(jìn)行性能及成本等方面評估，便于用戶判斷星座設(shè)計(jì)的優(yōu) 劣；(5)利用基于分解思想和粒子群融合方法進(jìn)行導(dǎo)航星座優(yōu)化設(shè)計(jì)，具有開創(chuàng)性。(6)本平臺(tái)對于導(dǎo)航星座模型設(shè)計(jì)具有可擴(kuò)展性、可設(shè)計(jì)性。


圖1是本發(fā)明平臺(tái)結(jié)構(gòu)示意圖2是本發(fā)明的方法流程圖3是本發(fā)明步驟七的方法流程圖中
1.人機(jī)交互模塊 2.星座構(gòu)型模塊3.星座性能模塊 4.星座成本模塊
5.多目標(biāo)整合模塊6.聯(lián)合算法模塊7.星座綜合分析模塊δ1.可視化模塊
9.報(bào)告生成模塊
具體實(shí)施例方式下面將結(jié)合附圖和實(shí)施例對本發(fā)明作進(jìn)一步的詳細(xì)說明。本發(fā)明是一種基于分解思想和粒子群融合方法的導(dǎo)航星座優(yōu)化設(shè)計(jì)平臺(tái)，該平臺(tái) 的結(jié)構(gòu)如圖1所示，包括人機(jī)交互模塊1、星座構(gòu)型模塊2、星座性能模塊3、星座成本模塊 4、多目標(biāo)整合模塊5、聯(lián)合算法模塊6、星座綜合分析模塊7、可視化模塊8和報(bào)告生成模塊 9。人機(jī)交互模塊1分別與星座構(gòu)型模塊2、星座性能模塊3和星座成本模塊4分別連 接，并向星座構(gòu)型模塊2、星座性能模塊3和星座成本模塊4發(fā)送數(shù)據(jù)；人機(jī)交互模塊1是 平臺(tái)終端接口，可以同時(shí)獲取用戶提出星座設(shè)計(jì)要求數(shù)據(jù)，并將數(shù)據(jù)發(fā)分別送給星座構(gòu)型 模塊2、星座性能模塊3和星座成本模塊4。
星座構(gòu)型模塊2、星座性能模塊3和星座成本模塊4與多目標(biāo)整合模塊5連接，并 分別向多目標(biāo)整合模塊5發(fā)送數(shù)據(jù)；星座構(gòu)型模塊2將從人機(jī)交互模塊1得到的數(shù)據(jù)分類出構(gòu)型設(shè)計(jì)要求，并進(jìn)行星 座構(gòu)型模型的生成。星座構(gòu)型模型包括星座基本構(gòu)型(基本構(gòu)型又包括單一構(gòu)型和組合構(gòu) 型)和補(bǔ)充衛(wèi)星兩個(gè)部分，生成星座構(gòu)型模型函數(shù)解析式，并將生成的星座構(gòu)型模型函數(shù) 解析式發(fā)送到多目標(biāo)整合模塊5中。星座性能模塊3將從人機(jī)交互模塊1得到的數(shù)據(jù)分類出性能設(shè)計(jì)要求，并進(jìn)行星 座性能模型的生成。星座性能模型包括定位精度因子、覆蓋重?cái)?shù)、覆蓋百分比、有效網(wǎng)格點(diǎn) 占用比四部分，生成星座性能模型函數(shù)解析式的形式，并將生成的星座性能模型函數(shù)解析 式發(fā)送到多目標(biāo)整合模塊5中。星座成本模塊4將從人機(jī)交互模塊1得到的數(shù)據(jù)分類出成本設(shè)計(jì)要求，并進(jìn)行星 座成本模型的生成，生成星座成本模型函數(shù)解析式，并將生成的星座成本模型函數(shù)解析式 發(fā)送到多目標(biāo)整合模塊5中。多目標(biāo)整合模塊5與聯(lián)合算法模塊6連接，并向聯(lián)合算法模塊6發(fā)送數(shù)據(jù)；多目標(biāo) 整合模塊5將從星座構(gòu)型模塊2、星座性能模塊3和星座成本模塊4得到的模型解析式，分 別將得到模型解析式以目標(biāo)函數(shù)的形式進(jìn)行數(shù)學(xué)聯(lián)立，進(jìn)而整合成一個(gè)包含多個(gè)目標(biāo)函數(shù) 的列向量，并求列向量的最優(yōu)解集，最終生成星座優(yōu)化設(shè)計(jì)多目標(biāo)問題，并將生成的星座優(yōu) 化設(shè)計(jì)多目標(biāo)問題送入聯(lián)合算法模塊6。聯(lián)合算法模塊6與星座綜合分析模塊7連接，并向星座綜合分析模塊7發(fā)送數(shù)據(jù)； 聯(lián)合算法模塊6提供不同種類的多目標(biāo)進(jìn)化方法，用戶可以根據(jù)具體應(yīng)用進(jìn)行選擇，同時(shí) 也可以利用多種方法進(jìn)行并行聯(lián)合處理，以尋求最適合的解決方案，進(jìn)而得到最優(yōu)化解集， 并將最優(yōu)化解集送入星座綜合分析模塊7。星座綜合分析模塊7與可視化模塊8連接，并向可視化模塊8發(fā)送數(shù)據(jù)。星座綜 合分析模塊7接收由聯(lián)合算法模塊6傳送來的計(jì)算最優(yōu)解集數(shù)據(jù)，并對最優(yōu)解集數(shù)據(jù)進(jìn)行 數(shù)學(xué)統(tǒng)計(jì)分析，將不符合實(shí)際的邊緣解和不相關(guān)解剔除，再過濾后的解集數(shù)據(jù)送入可視化 模塊8?？梢暬K8與報(bào)告生成模塊9連接，并向報(bào)告生成模塊9發(fā)送數(shù)據(jù)；可視化模塊 8接收星座綜合分析模塊7所得的星座最優(yōu)解集數(shù)據(jù)，將其數(shù)據(jù)送入接口相連接衛(wèi)星工具 箱STK軟件中，呈現(xiàn)出星座3D構(gòu)型，同時(shí)運(yùn)用其強(qiáng)大的分析能力，生成模擬性能測試報(bào)表數(shù) 據(jù)。報(bào)告生成模塊9接收由可視化模塊8傳送的報(bào)表數(shù)據(jù)，根據(jù)用戶選擇，生成相應(yīng)報(bào) 表，完成仿真。本發(fā)明的一種基于分解思想和粒子群融合方法的導(dǎo)航星座優(yōu)化設(shè)計(jì)方法，如圖2 所示，包括步驟如下步驟一建立星座優(yōu)化設(shè)計(jì)模型在用戶提供星座設(shè)計(jì)優(yōu)化要求數(shù)據(jù)的前提下，導(dǎo)航星座優(yōu)化平臺(tái)生成星座優(yōu)化設(shè) 計(jì)多目標(biāo)問題，即在有復(fù)雜約束條件的多目標(biāo)星座優(yōu)化問題建立，其數(shù)學(xué)基本描述如下min F(x) = Lf1 (x), f2 (χ), ...，fm(x)]Tgi (χ) ^ 0, i = 1,2,…，ρ
10
hj (χ) = 0，j = 1，2，…，q式中，X= (X1, ···, Xi,…，Xn),其中Xi, i e (1，2，…，η)為未知變量，η為變量 個(gè)數(shù)，m為目標(biāo)函數(shù)個(gè)數(shù)，fm(x)為第m個(gè)目標(biāo)函數(shù)，gi(x) <0為約束不等式，ρ為約束不等 式個(gè)數(shù)=0為約束等式，q為約束等式個(gè)數(shù)。目標(biāo)函數(shù)F(X)定義了 m個(gè)由決策空間 向目標(biāo)空間的映射函數(shù)；而gi (Xhhj(X)為約束條件，它限制了決策向量的取值范圍。在星 座設(shè)計(jì)中，χ的分量Xl，x2，…，Xn分別對應(yīng)基礎(chǔ)星座衛(wèi)星數(shù)目N，軌道面P、半長軸a、偏心率 e、軌道高度h、軌道傾角α、升交點(diǎn)赤經(jīng)Ω、升交點(diǎn)角距U、近地點(diǎn)幅角ω、平近點(diǎn)角β、補(bǔ) 充功能衛(wèi)星數(shù)目為N
addtional°步驟二 建立星座構(gòu)型模型星座構(gòu)型模型的建立是為下一步星座構(gòu)型的優(yōu)化做基礎(chǔ)，根據(jù)用戶的要求，生成 星座構(gòu)型模型函數(shù)解析式，星座構(gòu)型模塊中已經(jīng)提供了幾個(gè)導(dǎo)航星座設(shè)計(jì)中常用的經(jīng)典星 座構(gòu)型(如Walker星座和玫瑰星座)，同時(shí)加入了現(xiàn)今流行的組合構(gòu)型(GE0+IGE0，同步軌 道衛(wèi)星與準(zhǔn)同步軌道衛(wèi)星)。對于實(shí)際應(yīng)用來說，用戶也可以自行選擇基本構(gòu)型的設(shè)置。步驟三星座構(gòu)型模型優(yōu)化根據(jù)用戶所提供設(shè)計(jì)要求的特殊性，在星座構(gòu)型模型的基礎(chǔ)上增加η顆補(bǔ)充功能 衛(wèi)星，并且設(shè)置各自衛(wèi)星類型。N' =N+Naddti。nal，其中 N'為衛(wèi)星總數(shù)。步驟四獲取星座性能模型函數(shù)解析式本發(fā)明中影響導(dǎo)航星座整體性能的幾個(gè)主要性能指標(biāo)，包括定位精度因子、覆蓋 重?cái)?shù)、覆蓋百分比、有效網(wǎng)格點(diǎn)占用比。i.定位精度因子⑶OPmax(w，j) = max (⑶OP (w，j，t))；
%
^m^iGDOP^J))
GDOPl (w, j)=」-< σ ο
%其中⑶0P(w，j, t)是地球表面經(jīng)度為j，緯度為w的點(diǎn)在t時(shí)刻的⑶OP值， ⑶OPmax(W，j)是地球表面經(jīng)度為j，緯度為W的點(diǎn)在整個(gè)觀測時(shí)間內(nèi)的⑶OP值最大值，
7+)則表示在所選取的地球表面區(qū)域Θ中，每個(gè)緯圈釣上所有點(diǎn)中最大GDOP值的 平均值， 為網(wǎng)絡(luò)中的總緯圈數(shù)，fflX^LOJ)即為所要求的定位精度因子目標(biāo)，σ為用戶 要求的GDOZfveOJ)值的最大值；ii.覆蓋重?cái)?shù)TVr=HimTVcovO;^/)其中N。。v(j，w, t)是地球表面經(jīng)度為j，緯度為w的點(diǎn)在t時(shí)刻的覆蓋重?cái)?shù)，乂 是地球表面經(jīng)度為j，緯度為w的點(diǎn)在整個(gè)觀測時(shí)間內(nèi)的覆蓋重?cái)?shù)最小值，ξ為用戶要求的 乂1Γ值的最小值；iii.覆蓋百分比
Γ Π O(COSjE β = arccos -\-E
I R + h
Il
權(quán)利要求
基于分解思想和粒子群融合方法的導(dǎo)航星座優(yōu)化設(shè)計(jì)平臺(tái)，其特征在于，包括人機(jī)交互模塊、星座構(gòu)型模塊、星座性能模塊、星座成本模塊、多目標(biāo)整合模塊、聯(lián)合算法模塊、星座綜合分析模塊、可視化模塊和報(bào)告生成模塊；人機(jī)交互模塊獲取用戶提出星座設(shè)計(jì)要求數(shù)據(jù)，并將數(shù)據(jù)發(fā)分別送給星座構(gòu)型模塊、星座性能模塊和星座成本模塊；星座構(gòu)型模塊將從人機(jī)交互模塊得到的數(shù)據(jù)分類出構(gòu)型設(shè)計(jì)要求，生成星座構(gòu)型模型，得到星座構(gòu)型模型函數(shù)解析式，并將生成的星座構(gòu)型模型函數(shù)解析式發(fā)送到多目標(biāo)整合模塊中；星座性能模塊將從人機(jī)交互模塊得到的數(shù)據(jù)分類出性能設(shè)計(jì)要求，生成星座性能模型，得到星座性能模型函數(shù)解析式的形式，并將生成的星座性能模型函數(shù)解析式發(fā)送到多目標(biāo)整合模塊中；星座成本模塊將從人機(jī)交互模塊得到的數(shù)據(jù)分類出成本設(shè)計(jì)要求，生成星座成本模型，得到星座成本模型函數(shù)解析式，并將生成的星座成本模型函數(shù)解析式發(fā)送到多目標(biāo)整合模塊中；多目標(biāo)整合模塊將從星座構(gòu)型模塊、星座性能模塊和星座成本模塊得到的模型解析式，分別將得到模型解析式以目標(biāo)函數(shù)的形式進(jìn)行數(shù)學(xué)聯(lián)立，進(jìn)而整合成一個(gè)包含多個(gè)目標(biāo)函數(shù)的列向量，并求列向量的最優(yōu)解集，最終生成星座優(yōu)化設(shè)計(jì)多目標(biāo)問題，并將生成的星座優(yōu)化設(shè)計(jì)多目標(biāo)問題送入聯(lián)合算法模塊；聯(lián)合算法模塊提供不同種類的多目標(biāo)進(jìn)化方法，用戶根據(jù)具體應(yīng)用進(jìn)行選擇或者利用多種方法進(jìn)行并行聯(lián)合處理，尋求最適合的解決方案，進(jìn)而得到最優(yōu)化解集，并將最優(yōu)化解集送入星座綜合分析模塊；星座綜合分析模塊接收由聯(lián)合算法模塊傳送來的計(jì)算最優(yōu)解集數(shù)據(jù)，并對最優(yōu)解集數(shù)據(jù)進(jìn)行數(shù)學(xué)統(tǒng)計(jì)分析，將不符合實(shí)際的邊緣解和不相關(guān)解剔除，再將過濾后的解集數(shù)據(jù)送入可視化模塊；可視化模塊接收星座綜合分析模塊所得的星座最優(yōu)解集數(shù)據(jù)，呈現(xiàn)出星座3D構(gòu)型，同時(shí)生成模擬性能測試報(bào)表數(shù)據(jù)；報(bào)告生成模塊接收由可視化模塊傳送的報(bào)表數(shù)據(jù)，根據(jù)用戶選擇，生成相應(yīng)報(bào)表，完成仿真。
2.根據(jù)權(quán)利要求1所述的基于分解思想和粒子群融合方法的導(dǎo)航星座優(yōu)化設(shè)計(jì)平臺(tái)， 其特征在于，所述的星座構(gòu)型模型包括星座基本構(gòu)型和補(bǔ)充衛(wèi)星兩個(gè)部分，星座基本構(gòu)型 包括單一構(gòu)型和組合構(gòu)型。
3.根據(jù)權(quán)利要求1所述的基于分解思想和粒子群融合方法的導(dǎo)航星座優(yōu)化設(shè)計(jì)平臺(tái)， 其特征在于，所述的星座性能模型包括定位精度因子、覆蓋重?cái)?shù)、覆蓋百分比、有效網(wǎng)格點(diǎn) 占用比。
4.根據(jù)權(quán)利要求1所述的基于分解思想和粒子群融合方法的導(dǎo)航星座優(yōu)化設(shè)計(jì)平臺(tái)， 其特征在于，所述的可視化模塊將最優(yōu)解集數(shù)據(jù)送入接口相連接衛(wèi)星工具箱STK軟件中， 呈現(xiàn)出星座3D構(gòu)型，生成模擬性能測試報(bào)表數(shù)據(jù)。
5.基于分解思想和粒子群融合方法的導(dǎo)航星座優(yōu)化設(shè)計(jì)方法，其特征在于，包括步驟 如下步驟一建立星座優(yōu)化設(shè)計(jì)模型在用戶提供星座設(shè)計(jì)優(yōu)化要求數(shù)據(jù)的前提下，生成星座優(yōu)化設(shè)計(jì)多目標(biāo)問題，即在有 復(fù)雜約束條件的多目標(biāo)星座優(yōu)化問題建立，其數(shù)學(xué)基本描述如下minFOO = Lf1 (x), f2 (χ),…，fm(x)]Tgi (χ) ^ 0, i = 1,2,…，ρhj (χ) = 0，j = 1,2,…，q式中，X=(Xl，-,Xi,…，xn)，其中Xi為未知變量，i e (1，2，…，n)，n為變量個(gè)數(shù)，m為目標(biāo)函數(shù)個(gè)數(shù)，fffl(x)為第m個(gè)目標(biāo)函數(shù)，gi (χ) < 0為約束不等式，ρ為約束不等式個(gè) 數(shù)，hj(x) = 0為約束等式，q為約束等式個(gè)數(shù)，目標(biāo)函數(shù)F(X)定義了 m個(gè)由決策空間向目 標(biāo)空間的映射函數(shù)，而&00，為約束條件，用于限制決策向量的取值范圍；χ的分量 X1, x2，…，Xn分別對應(yīng)基礎(chǔ)星座衛(wèi)星數(shù)目N，軌道面P、半長軸a、偏心率e、軌道高度h、軌道 傾角α、升交點(diǎn)赤經(jīng)Ω、升交點(diǎn)角距u、近地點(diǎn)幅角ω、平近點(diǎn)角β、補(bǔ)充功能衛(wèi)星數(shù)目為Naddtional 步驟二 建立星座構(gòu)型模型根據(jù)用戶的要求，生成星座構(gòu)型模型函數(shù)解析式；步驟三星座構(gòu)型模型優(yōu)化根據(jù)用戶所提供設(shè)計(jì)要求的特殊性，在星座構(gòu)型模型的基礎(chǔ)上增加Naddtimal顆補(bǔ)充功 能衛(wèi)星，并且設(shè)置各自衛(wèi)星類型，N' =N+Naddti。nal，其中N'為衛(wèi)星總數(shù)；步驟四獲取星座性能模型函數(shù)解析式星座性能模型函數(shù)解析式的性能指標(biāo)包括定位精度因子、覆蓋重?cái)?shù)、覆蓋百分比和有 效網(wǎng)格點(diǎn)占用比；i.定位精度因子⑶OPmax (w, j) = max (⑶OP (w，j，t))；%Ym^iGDOP^.j))G^OPeave —, j)=」-< σ%其中⑶OP (w, j，t)是地球表面經(jīng)度為j，緯度為W的點(diǎn)在t時(shí)刻的⑶OP值，⑶OPmax (w, j)是地球表面經(jīng)度為j，緯度為w的點(diǎn)在整個(gè)觀測時(shí)間內(nèi)的⑶OP值最大值，GDOZfveOJ) 則表示在所選取的地球表面區(qū)域θ中，每個(gè)緯圈釣.上所有點(diǎn)中最大GDOP值的平均值， 為網(wǎng)絡(luò)中的總緯圈數(shù)，GDOZfveOJ)即為所要求的定位精度因子目標(biāo)，σ為用戶要求的 GDQZfveOJ)值的最大值；ii.覆蓋重?cái)?shù)其中N。。v(j，w, t)是地球表面經(jīng)度為j，緯度為w的點(diǎn)在t時(shí)刻的覆蓋重?cái)?shù)，TV。是地 球表面經(jīng)度為j，緯度為w的點(diǎn)在整個(gè)觀測時(shí)間內(nèi)的覆蓋重?cái)?shù)最小值，ι為用戶要求的 值的最小值；iii.覆蓋百分比AΩ{RcosEs] - arccos - - L·t R + h JA = 4πΚ2 sin2 ^ 2AβA = ~= sin2 已 χ 100% > εA9j^earth厶其中β表示衛(wèi)星覆蓋角，R表示地球半徑，h表示衛(wèi)星距離地面的高度，E表示最小觀 測角，As表示衛(wèi)星覆蓋區(qū)域面積，Aearth表示地球表面積，A表示衛(wèi)星覆蓋區(qū)域占全球面積的 百分比，ε為用戶要求的A值的最小值；3iv.有效網(wǎng)格點(diǎn)占用比rel = Pr ob(GDOPm (Λ, φ)< μ)>^μ(ΞΚ§Pr ob(GDOPm (Λ, φ)<μ)= GDOP-、喻μ χ 100%^GDOPm(Xv)其中rel表示有效網(wǎng)格點(diǎn)占用比最小值，妁=為地球表面經(jīng)度為 λ，緯度為P點(diǎn)的GDOP值不大于μ的有效網(wǎng)格點(diǎn)的面積總和占所有網(wǎng)格點(diǎn)面積總和的百分 比，k為用戶限定的GDOP值的最小值，R為實(shí)數(shù)集合； 步驟五獲取星座成本模型函數(shù)解析式Min {CIC0} 一 N · [ (Cpower, D+Cpayload, D+Cbus D+Claunch) + Φ (N) (Cpower，T+Cpayload，T+Cbus，τ)] +M^rV+C1+C1 +C1 ) +) (C1+C1i^addtional LW power,D v^ payload，D v^ bus,D v^ launch^ ^ ^i>addtional^ ^v^ power,T v^ payload，x+C bus,T)]其中φ (N) = NB，Φ (Naddtional) = NaddtionalBD , ln(100%/^)D-Y--In 2其中Cp。wct,d，Cpayload,d, Cbus,d，Claimch分別為星座基礎(chǔ)構(gòu)型衛(wèi)星的電源、有效載荷及除去電 源后平臺(tái)的運(yùn)行成本和發(fā)射費(fèi)用，Cpower,T, Cpayload,T, Cbus,τ分別為星座基礎(chǔ)構(gòu)型衛(wèi)星的電源、 有效載荷及平臺(tái)搭建成本；Φ (N)是考慮了學(xué)習(xí)曲線的星座規(guī)模成本乘子；相應(yīng)的C' power, D，C' payl。ad,D，C' bus,D，C' laun。h分別為補(bǔ)充衛(wèi)星的電源、有效載荷及除去電源后平臺(tái)的運(yùn)行 成本和發(fā)射費(fèi)用；C' power,T,C' payload,T,C'別為補(bǔ)充衛(wèi)星的電源、有效載荷及平臺(tái)搭建成本，Naddtimal顆補(bǔ)充功能衛(wèi)星，N是基礎(chǔ)星座衛(wèi)星數(shù)目，Φ (N)為考慮學(xué)習(xí)曲線后制造N 顆衛(wèi)星成本，S是學(xué)習(xí)曲線的百分比斜率； 步驟六生成多目標(biāo)問題mmF(x) = [N\\lGDOP^(wJ\NZΛΙ!relMin{Clco)i其中N'為衛(wèi)星總數(shù)，GDOZfveOJ)則表示在所選取的地球表面區(qū)域θ中，每個(gè)緯圈 奶上所有點(diǎn)中最大⑶OP值的平均值，MO地球表面經(jīng)度為j，緯度為w的點(diǎn)在t時(shí) 刻的最小覆蓋重?cái)?shù)，A表示衛(wèi)星覆蓋區(qū)域占全球面積的百分比，rel表示GiX^mQ,㈣在地 球表面經(jīng)度為λ，緯度為識(shí)點(diǎn)的⑶OP值不大于μ的有效網(wǎng)格點(diǎn)占所有網(wǎng)格點(diǎn)的百分比， Min{CIC0}為導(dǎo)航星座最低成本；步驟七尋求最適合的解決方案，進(jìn)而得到結(jié)果將生成多目標(biāo)問題送入聯(lián)合算法模塊，運(yùn)用基于分解思想和粒子群融合方法對多目標(biāo) 問題進(jìn)行計(jì)算，下面具體計(jì)算步驟如下 (1)初始化變量1)記最優(yōu)解集為ΕΡ，且處=0;2)計(jì)算與第i個(gè)權(quán)重矢量最近的T個(gè)權(quán)重索引集，其中索引集記為B(i)= U1,…， iT}，記Xi為均勻分布的N個(gè)權(quán)重矢量中的第i個(gè)權(quán)重值，i e [1，N]，f,···,妒是Xi的丁 個(gè)最近的權(quán)重值，N為基于分解思想和粒子群融合方法中考慮的子問題的數(shù)目，T為距離每 單個(gè)的權(quán)重矢量最近的權(quán)重矢量的數(shù)量；3)隨機(jī)產(chǎn)生初始種群記為χ1，…，Xn，并令每個(gè)種群對應(yīng)目標(biāo)的解值為Fi= F00，其中 i e [1，N]；4)記循環(huán)次數(shù)t = 0，預(yù)先設(shè)定循環(huán)次數(shù)為tp ；(2)粒子群方法找出單目標(biāo)函數(shù)最優(yōu)解利用粒子群方法解出上一步分解出的每個(gè)目標(biāo)函數(shù)Α (χ)的暫時(shí)最優(yōu)解Zi，初始化最 優(yōu)解集ζ = (Z1,…，zm)τ ；(3)更新EP解集1)從權(quán)重矢量B(i)中隨機(jī)選擇兩個(gè)指標(biāo)，分別記為k，l，使用遺傳算子從Xk和χ1中產(chǎn) 生新解1 ；2)改進(jìn)根據(jù)遺傳后所得新解y的優(yōu)劣對新解y進(jìn)行修改，若fi(y)Uk)并且fjy) Sfi(X1)JJy' =Y5^fi (y) ^max(fi (xk), ^ (χ1)), ^ (xk) ^fi (χ1)則 y' =xk;若 4(7)彡111狀(4 0^，4(11))，且4(11)彡40^貝1]/ =X1 ；y'為改進(jìn)后的解；3)更新ζ:對任意j= 1，…，m，若Zj<fj(y')，則賦值Zj = f」.(y ‘ )，\為任意一 最優(yōu)解；4)更新相鄰問題解對je B⑴，若gte(y' Aj, ζ) ( gte(xJ| Aj, ζ)，則任意初始 種群xj = y' , F(xJ) =F(y')；其中定義參考點(diǎn)為Zi的第j個(gè)子問題的目標(biāo)函數(shù)值為=|}唭中人J為均勻分布的權(quán)重矢量組中一個(gè)權(quán)重矢量；5)更新最優(yōu)解集EP:從EP中刪除被改進(jìn)后目標(biāo)函數(shù)值F(y')支配的矢量；如果EP 中沒有支配改進(jìn)后目標(biāo)函數(shù)值F(y')的矢量，則將改進(jìn)后目標(biāo)函數(shù)值F(y')加入EP ；6)循環(huán)次數(shù)t= t+Ι ；(4)停止條件判斷如果滿足預(yù)先設(shè)定循環(huán)次數(shù)即當(dāng)t = tp時(shí)，則停止循環(huán)，轉(zhuǎn)入步驟(5)；否則轉(zhuǎn)入步驟⑶；(5)輸出最優(yōu)解集結(jié)束計(jì)算后，將計(jì)算所得的最優(yōu)解集以矩陣的形式輸出；步驟八對最優(yōu)解集數(shù)據(jù)進(jìn)行數(shù)學(xué)分析，將部分不相關(guān)解剔除根據(jù)用戶提出的目標(biāo)函數(shù)值范圍，將解集的不相關(guān)邊緣解剔除，然后再剔除已被現(xiàn)有 衛(wèi)星占用的衛(wèi)星軌道；在剩下的解集中，選取具有回歸特性的軌道高度，即運(yùn)行在D天里繞 地球N圈，將最后的解集送入可視化模塊；步驟九模擬性能測試，生成相應(yīng)報(bào)表根據(jù)接收到的最優(yōu)解集中的各單個(gè)解，模擬生成相應(yīng)星座，將模擬性能測試報(bào)表數(shù)據(jù) 送入報(bào)表生成模塊，生成相應(yīng)列表，最終呈現(xiàn)給用戶，結(jié)束操作。
6.根據(jù)權(quán)利要求5所述的基于分解思想和粒子群融合方法的導(dǎo)航星座優(yōu)化設(shè)計(jì)方法， 其特征在于，所述的步驟五中當(dāng)單元數(shù)小于10時(shí)S取95%，單元數(shù)在10 15間時(shí)S取 90 %，單元數(shù)在15 50時(shí)S取85 %，單元數(shù)超過50時(shí)S取80 %。
7.根據(jù)權(quán)利要求5所述的基于分解思想和粒子群融合方法的導(dǎo)航星座優(yōu)化設(shè)計(jì)方法， 其特征在于，所述的步驟八中，D的取值范圍為2 10，N的取值范圍為4 20。
8.根據(jù)權(quán)利要求5所述的基于分解思想和粒子群融合方法的導(dǎo)航星座優(yōu)化設(shè)計(jì)方法， 其特征在于，所述的步驟九中，可視化模塊將接收到的最優(yōu)解集中的各單個(gè)解，分別送入衛(wèi) 星工具箱STK軟件中，模擬生成相應(yīng)星座，運(yùn)用STK軟件覆蓋分析模塊對該星座功能，生成模擬性能測試報(bào)表數(shù)據(jù)，并將所得數(shù)據(jù)送入報(bào)表生成模塊。
全文摘要
本發(fā)明公開了一種基于分解思想和粒子群融合方法的導(dǎo)航星座優(yōu)化設(shè)計(jì)平臺(tái)及方法，平臺(tái)包括人機(jī)交互模塊、星座構(gòu)型模塊、星座性能模塊、星座成本模塊、多目標(biāo)整合模塊、聯(lián)合算法模塊、星座性能分析模塊、可視化模塊及報(bào)表生成模塊。本發(fā)明平臺(tái)首先由用戶提出導(dǎo)航星座設(shè)計(jì)方案；然后用戶設(shè)置性能指標(biāo)，利用基于分解思想和粒子群融合的多目標(biāo)改進(jìn)方法或多方法聯(lián)合計(jì)算處理；最后分析和顯示處理結(jié)果。本發(fā)明分析各種星座設(shè)計(jì)的特點(diǎn)，解決傳統(tǒng)方法的不足，在虛擬仿真的情況下對星座進(jìn)行優(yōu)化，同時(shí)開創(chuàng)性地將基于分解多目標(biāo)改進(jìn)方法運(yùn)用到導(dǎo)航星座優(yōu)化設(shè)計(jì)中，不僅簡化設(shè)計(jì)過程，還避免計(jì)算時(shí)間過長和易陷入局部最優(yōu)的問題，另外該平臺(tái)具有可擴(kuò)展性。
文檔編號(hào)G06F17/50GK101976290SQ20101052940
公開日2011年2月16日 申請日期2010年11月1日 優(yōu)先權(quán)日2010年11月1日
發(fā)明者劉欣, 李曉白, 路輝, 陳曉 申請人:北京航空航天大學(xué)