区域覆盖增强的低轨遥感星座优化设计

李敬祺; 师鹏

doi:10.13700/j.bh.1001-5965.2022.0878

区域覆盖增强的低轨遥感星座优化设计

doi: 10.13700/j.bh.1001-5965.2022.0878

李敬祺,
师鹏^,

北京航空航天大学宇航学院，北京 100191

详细信息

通讯作者:
E-mail：shipeng@buaa.edu.cn

中图分类号: V412.4
计量
- 文章访问数: 253
- HTML全文浏览量: 98
- PDF下载量: 2
- 被引次数: 0
出版历程
- 收稿日期: 2022-11-03
- 录用日期: 2023-01-14
- 网络出版日期: 2023-02-07
- 整期出版日期: 2024-12-31

Optimization of LEO remote sensing constellation with enhanced regional coverage

LI Jingqi,
SHI Peng^,

School of Astronautics，Beihang University，Beijing 100191，China

More Information

Corresponding author: E-mail：shipeng@buaa.edu.cn

摘要

摘要:
针对遥感卫星星座设计过程中性能-成本的权衡问题和区域覆盖-全球目标覆盖性能权衡问题，提出了一套优化设计方法。对于建设成本和性能间的矛盾，采用多目标优化算法，对成本和性能指标同时进行寻优。优化结果揭示了随着成本增加，性能指标的提升趋势和不同性能指标间可能存在的冲突关系，为星座建设提供依据。为了在增强特定区域的覆盖性能的同时满足全球覆盖性能的一定约束，使用了一种更加灵活的星座模型，并基于非支配排序遗传算法-II(NSGA-II)算法提出适用于此模型的求解方法。结果表明：所提方法在同等的星座规模或成本限制下可达到更好的性能。
- 卫星星座 /
- 遥感卫星 /
- 星座优化设计 /
- 多目标优化 /
- 遗传算法
Abstract:
An ideal design approach is suggested for the trade-offs between performance and cost as well as between regional coverage and worldwide target coverage in the design of a constellation of remote sensing satellites. For the contradiction between construction cost and performance, a multi-objective optimization algorithm is used to optimize the cost and performance at the same time. The optimization results represent the increasing trend of performance and the possible conflicts between different performance indicators as the cost increases. A solution method based on the non-dominated sorting gonetic algorithims-II(NSGA-II) algorithm is suggested for this more flexible constellation model, which is used to meet specific limitations of the global coverage performance and improve the coverage performance of a particular area. The results show that after applying the new constellation model and algorithm, better performance can be achieved under the same constellation size or cost constraints.
- satellite constellation /
- remote sensing satellites /
- constellation optimization design /
- multi-objective optimization /
- genetic algorithm

HTML全文

图 1 一个包含3个轨道面的1+4N星座

Figure 1. A 1+4N constellation with 3 orbital planes

下载: 全尺寸图片幻灯片

图 2 单轨道面上的卫星分布

Figure 2. Satellite distribution on a single orbit

下载: 全尺寸图片幻灯片

图 3 NSGA-II流程图

Figure 3. Flowchart of NSGA-II

下载: 全尺寸图片幻灯片

图 4 轨道平面数统计

Figure 4. Statistics of orbital planes

下载: 全尺寸图片幻灯片

图 5 个体的数据结构

Figure 5. Data structure of an individual

下载: 全尺寸图片幻灯片

图 6 剪切-粘贴交叉算子

Figure 6. Cut-splice crossover operator

下载: 全尺寸图片幻灯片

图 7 交叉操作

Figure 7. Crossover operation

下载: 全尺寸图片幻灯片

图 8 目标区域设置

Figure 8. Target area setting

下载: 全尺寸图片幻灯片

图 9 全球覆盖网格划分

Figure 9. Grid points for global coverage

下载: 全尺寸图片幻灯片

图 10 成本-平均重访时间对比

Figure 10. Cost-ART comparison

下载: 全尺寸图片幻灯片

图 11 成本-最大重访时间对比

Figure 11. Cost-MRT comparison

下载: 全尺寸图片幻灯片

图 12 Walker-δ星座优化设计结果

Figure 12. Optimized design results for the Walker-δ constellation

下载: 全尺寸图片幻灯片

图 13 1+4N星座优化设计结果

Figure 13. Optimized design results for the 1+4N constellation

下载: 全尺寸图片幻灯片

图 14 Walker-δ星座全球平均重访时间

Figure 14. Global ART of Walker-δ constellation

下载: 全尺寸图片幻灯片

图 15 1+4N星座全球平均重访时间

Figure 15. Global ART of 1+4N constellation

下载: 全尺寸图片幻灯片

图 16 较大范围目标区域设置

Figure 16. Larger target area setting

下载: 全尺寸图片幻灯片

图 17 较大范围目标区域Walker-δ星座优化设计结果

Figure 17. Optimized design results of Walker-δ constellation for larger area

下载: 全尺寸图片幻灯片

图 18 较大范围目标区域1+4N星座优化设计结果

Figure 18. Optimized design results for the 1+4N constellation for larger area

下载: 全尺寸图片幻灯片

表 1 使用标识符描述变量数的变化（N_max=6）

Table 1. Variable number of variables represented by bool flags (N_max=6)

轨道面编号	i/(°)	Ω/(°)	θ₀/(°)	n_sat	B
1	91.86	303.8	63.50	2	TRUE
2	89.11	163.7	279.0	2	FALSE
3	89.42	50.17	339.2	2	TRUE
4	53.28	337.5	40.43	2	TRUE
5	95.18	174.2	208.3	2	FALSE
6	38.55	290.1	22.09	1	FALSE

下载: 导出CSV

表 2 目标区域边界

Table 2. Target area boundary

编号	纬度/(°)	经度/(°)
1	28	122
2	28	127
3	32	127
4	32	122

下载: 导出CSV

表 3 区域目标网格点信息

Table 3. Area target grid points information

编号	纬度/(°)	经度/(°)	编号	纬度/(°)	经度/(°)
1	28.24	122.8	11	30.09	125.0
2	28.24	123.9	12	30.09	126.1
3	28.24	125.0	13	31.02	122.8
4	28.24	126.1	14	31.02	123.9
5	29.16	122.8	15	31.02	125.0
6	29.16	123.9	16	31.02	126.1
7	29.16	125.0	17	31.94	122.8
8	29.16	126.1	18	31.94	123.9
9	30.09	122.8	19	31.94	125.0
10	30.09	123.9	20	31.94	126.1

下载: 导出CSV

表 4 变量取值范围

Table 4. Variable value range

数值	i/(°)	Ω/(°)	θ₀/(°)	n_sat
最大值	0	0	0	1
最小值	110	360	360	8

下载: 导出CSV

表 5 目标区域重访时间

Table 5. Revisit time of target area

星座模型	卫星个数	成本指标	MRT/h	ART/h
Walker-δ	21	42.28	1.4201	0.8913
1+4N	23	42.24	1.0247	0.3571

下载: 导出CSV

表 6 全球平均重访时间

Table 6. Global average revisit time

纬度范围	Walker-δ星座	1+4N星座
[−90°, −80°)	0.08	0.38
[−80°, −70°)	0.22	0.49
[−70°, −60°)	0.43	0.93
[−60°, −50°)	0.56	1.19
[−50°, −40°)	0.71	1.10
[−40°, −30°)	0.83	0.48
[−30°, −20°)	0.93	0.45
[−20°, −10°)	1.00	0.62
[−10°, 0°)	1.03	0.67
[0°, 10°)	1.03	0.67
[10°, 20°)	0.99	0.61
[20°, 30°)	0.92	0.43
[30°, 40°)	0.82	0.54
[40°, 50°)	0.70	1.12
[50°, 60°)	0.55	1.20
[60°, 70°)	0.41	0.88
[70°, 80°)	0.21	0.47
[80°, 90°]	0.07	0.38

下载: 导出CSV

表 7 较大范围目标区域边界

Table 7. Larger target area boundary

编号	纬度/(°)	经度/(°)
1	0	150
2	60	150
3	60	−150
4	0	−150

下载: 导出CSV

表 8 优化设计结果

Table 8. Results of optimization

星座模型	卫星个数	成本指标	MRT/h	ART/h
Walker-δ	36	65.16	3.1826	0.4907
1+4N	36	65.16	1.2725	0.4376

下载: 导出CSV

参考文献(17)

[1]	CRISP N H, ROBERTS P C E, LIVADIOTTI S, et al. The benefits of very low earth orbit for earth observation missions[J]. Progress in Aerospace Sciences, 2020, 117: 100619. doi: 10.1016/j.paerosci.2020.100619
[2]	孙伟伟, 杨刚, 陈超, 等. 中国地球观测遥感卫星发展现状及文献分析[J]. 遥感学报, 2020, 24(5): 479-510. doi: 10.11834/jrs.20209464 SUN W W, YANG G, CHEN C, et al. Development status and literature analysis of China’s earth observation remote sensing satellites[J]. National Remote Sensing Bulletin, 2020, 24(5): 479-510 (in Chinese). doi: 10.11834/jrs.20209464
[3]	陈全, 杨磊, 郭剑鸣, 等. 低轨巨型星座网络: 组网技术与研究现状[J]. 通信学报, 2022, 43(5): 177-189. CHEN Q, YANG L, GUO J M, et al. LEO mega-constellation network: Networking technologies and state of the art[J]. Journal on Communications, 2022, 43(5): 177-189 (in Chinese).
[4]	王许煜, 胡敏, 赵玉龙, 等. 中轨道Walker导航星座在轨备份方案优化设计[J]. 中国空间科学技术, 2021, 41(1): 91-99. WANG X Y, HU M, ZHAO Y L, et al. Optimization of in-orbit backup scheme for medium orbit Walker navigation constellation[J]. Chinese Space Science and Technology, 2021, 41(1): 91-99 (in Chinese).
[5]	王瑞, 马兴瑞, 李明. 采用遗传算法进行区域覆盖卫星星座优化设计[J]. 宇航学报, 2002, 23(3): 24-28. WANG R, MA X R, LI M. Optimization of regional coverage satellite constellations by genetic algorithm[J]. Journal of Astronautics, 2002, 23(3): 24-28 (in Chinese).
[6]	HAN Y, WANG L, FU W J, et al. LEO navigation augmentation constellation design with the multi-objective optimization approaches[J]. Chinese Journal of Aeronautics, 2021, 34(4): 265-278. doi: 10.1016/j.cja.2020.09.005
[7]	ZHENG C, ZHAO B, GUO D X. A local high-capacity LEO satellite constellation design based on an improved NSGA-II algorithm[M]. Cham: Springer International Publishing, 2021: 391-403.
[8]	YAN D W, LIU C, YOU P, et al. Multi-objective optimization design of extended Walker constellation for global coverage services[C]// 2016 2nd IEEE International Conference on Computer and Communications. Piscataway: IEEE Press, 2016: 1309-1313.
[9]	MEZIANE-TANI I, MÉTRIS G, LION G, et al. Optimization of small satellite constellation design for continuous mutual regional coverage with multi-objective genetic algorithm[J]. International Journal of Computational Intelligence Systems, 2016, 9(4): 627. doi: 10.1080/18756891.2016.1204112
[10]	HITOMI N, SELVA D. Constellation optimization using an evolutionary algorithm with a variable-length chromosome[C]// 2018 IEEE Aerospace Conference. Piscataway: IEEE Press, 2018: 1-12.
[11]	王浩, 张占月, 张海涛, 等. 多等级区域侦察弹性星座设计方法[J]. 中国空间科学技术, 2021, 41(4): 85-94. WANG H, ZHANG Z Y, ZHANG H T, et al. Design method of multi-level regional reconnaissance elastic constellation[J]. Chinese Space Science and Technology, 2021, 41(4): 85-94 (in Chinese).
[12]	李怀建, 韦彦伯, 杜小菁. 基于遗传算法的低轨导航星座构形优化设计[J]. 弹箭与制导学报, 2021, 41(4): 74-78. LI H J, WEI Y B, DU X Q. LEO Navigation constellation configuration optimization based on genetic algorithm[J]. Journal of Projectiles, Rockets, Missiles and Guidance, 2021, 41(4): 74-78 (in Chinese).
[13]	沈欣, 刘钰霖, 李仕学, 等. 一种基于改进PSO算法的高时间分辨率遥感卫星星座优化设计方法[J]. 武汉大学学报(信息科学版), 2018, 43(12): 1986-1993. SHEN X, LIU Y L, LI S X, et al. An optimization design method for high temporal resolution remote sensing satellite constellation based on improved PSO algorithm[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12): 1986-1993 (in Chinese).
[14]	DEB K, PRATAP A, AGARWAL S, et al. A fast and elitist multiobjective genetic algorithm: NSGA-II[J]. IEEE Transactions on Evolutionary Computation, 2002, 6(2): 182-197. doi: 10.1109/4235.996017
[15]	路艳雪, 赵超凡, 吴晓锋, 等. 基于改进的NSGA-Ⅱ多目标优化方法研究[J]. 计算机应用研究, 2018, 35(6): 1733-1737. LU Y X, ZHAO C F, WU X F, et al. Multi-objective optimization method research based on improved NSGA-Ⅱ[J]. Application Research of Computers, 2018, 35(6): 1733-1737 (in Chinese).
[16]	戴光明, 王茂才. 多目标优化算法及在卫星星座设计中的应用[M]. 武汉: 中国地质大学出版社, 2009. DAI G M, WANG M C. Multi-objective optimization algorithm and its application in satellite constellation design[M]. Wuhan: China University of Geosciences Press, 2009 (in Chinese).
[17]	GOLDBERG D E, KORB B, DEB K. Messy genetic algorithms: Motivation, analysis, and first results[J]. Complex Systems, 1989, 3(3): 493-530.