科研之友
微信
新浪微博
Facebook
分享链接
摘要
星上自主任务规划能够提高对地观测卫星应对星上任务、资源变化等动态不确定因素的快速响应能力，是卫星任务规划领域的一个重要研究热点。考虑到星上计算资源有限这一特点，现有研究主要采用启发式搜索算法对卫星星上自主任务规划问题进行求解，优化性还有待提升。基于观测任务序贯决策框架，利用卷积神经网络并行计算和注意力机制更易获取到高价值信息的优势，提出了一种基于卷积注意力神经网络的观测任务序贯算法，并设计了与之匹配的输入特征表示方法，实现对观测任务的实时决策。最后将提出算法和两种深度学习算法、两种启发式搜索算法进行了实验比较。实验结果表明，提出方法的平均响应时间不到已有深度学习算法的1/2,收益误差远低于启发式搜索算法，证实了所提方法的可行性和有效性。
- 单位
