敏捷卫星是新一代对地观测卫星,具有先进的姿态机动能力。卫星技术的不断进步和发射成本的下降,促进了敏捷对地观测卫星(AEOS)的发展。为了高效利用日益增多的在轨AEOS,以满足所有复杂的操作约束同时最大化整体观测利润为目标的AEOS调度问题(AEOSSP)在过去20年中受到了广泛关注。本文旨在总结当前AEOSSP的研究,确定主要成果并强调未来的潜在研究方向。为此,首先描述了带操作约束的AEOSSP的一般定义,然后介绍了它的三种典型变体,包括不同的观测利润定义、多目标函数和自治模型。然后,我们根据四种不同的解决方法(即精确方法、启发式方法、元启发式方法和机器学习)对 1997 年至 2019 年的文献进行了详细的回顾。最后,我们讨论了一些值得未来研究的课题。
本文调查了使用深度强化学习(DRL)训练的政策的弹性,以解决敏捷的地球观察卫星调度问题(AEOSSP),重点是操作过程中反应轮(RW)断层的影响。尽管基于DRL的策略旨在处理动态和不可预见的场景,但在断层条件下的弹性并未得到很好的理解。本研究评估了各种断层场景下此类政策的适应性,从而确定了性能和安全性降解的阈值。调度问题被提出为可观察到的马尔可夫决策(POMDP),并使用在无故障环境中训练的策略解决。然后在各种故障场景中测试该策略,包括单独的RW故障,功率限制,摩擦增加,编码器测量错误以及电池容量。结果探索了界限,随着RW越来越多的断层,发生重大的性能和安全性降解。功率限制,摩擦和电池容量故障会随着故障严重程度的增加而导致逐渐下降的性能下降,并具有明显的安全阈值。但是,由于基于扭矩的态度控制机制,编码器断层的性能影响最小。