一种基于DQN的多卫星多目标观测任务规划和重新规划方法
Xiaoyu Xing1,2, Shuyi Wang1,2, Wenjing Liu1,2
1Beijing Institute of Control Engineering, Beijing 100094, China.
Sensors (Basel, Switzerland)
|April 28, 2025
概括
本研究介绍了一种新的任务规划方法,用于使用深度Q学习网络 (DQN) 和矩阵排序的卫星星座. 它可以在卫星故障时快速,自适应性地分配任务和重新规划,而无需重新训练人工智能模型.
科学领域:
- 人工智能的人工智能
- 航空航天工程 航空航天工程
- 运营研究 运营研究
背景情况:
- 卫星成像星座需要强大的任务规划来处理复杂的多目标观测任务.
- 新出现的卫星故障需要适应性规划能力,以保持运营效率和任务成功.
- 当前的方法通常需要在系统故障发生时对AI模型进行广泛的再培训.
研究的目的:
- 开发适应性任务规划方法,用于以地球为导向的合作观测任务.
- 为了应对在成像星座中出现的卫星故障的挑战.
- 为了实现实时的最佳任务分配和重新规划,而无需重新训练模型.
主要方法:
- 集成深度Q学习网络 (DQN) 进行序列生成和矩阵排序,以实现最佳的任务分配.
- 制定一个任务场景模型,包括任务限制和优化目标.
- 对卫星突然故障和紧急任务插入的重新规划方法的开发.
主要成果:
- 提出的方法证明了快速的任务规划速度.
- 在合作观测场景中实现高任务完成率.
- 在应急情况下展现立即任务重新规划能力.
结论:
- 集成的DQN和矩阵排序方法为卫星任务规划提供了高效和适应性的解决方案.
- 该方法有效地处理新出现的卫星故障,确保任务连续性.
- 这种方法为卫星星座实时,弹性任务分配提供了显著的进步.
更多相关视频
14:14Targeting Neuronal Fiber Tracts for Deep Brain Stimulation Therapy Using Interactive, Patient-Specific Models
Published on: August 12, 2018
8.8K
07:49Automated Deployment of an Internet Protocol Telephony Service on Unmanned Aerial Vehicles Using Network Functions Virtualization
Published on: November 26, 2019
7.9K
