Levinson等多载荷敏捷卫星规划：约束优化与闭环观测

文献与适用边界

对应文献：Levinson, R.; Nag, S.; Ravindra, V. Agile Satellite Planning for Multi-Payload Observations for Earth Science. arXiv, 2021.

该文是多载荷敏捷卫星规划研究，与同平台光学/SAR主题最接近。其载荷未必限定为光学和SAR，但“同一卫星多仪器共享平台资源”的问题结构可直接迁移。

算法思路

多载荷规划不仅要决定观测目标和时间，还要决定使用哪个仪器。闭环任务中，前一次观测或外部预测会改变后续观测价值，因此计划需要动态更新。

变量定义

任务集合 $I$，载荷集合 $M$，候选窗口 $W_{im}$。选择变量：

$$x_{iwm}=1$$

表示任务 $i$ 在窗口 $w$ 使用载荷 $m$ 执行。平台姿态状态为 (a(t))，资源状态为 (r(t))。

目标函数推导

多载荷任务收益可写为：

$$\max \sum_{i,w,m} V_i(m,t_w,\xi_t)x_{iwm}$$

其中 $\xi_t$ 表示当前科学状态或预测信息。若前序观测改变任务价值，则：

$$V_i(t+1)=f(V_i(t),obs_t,pred_t)$$

对光学/SAR：

$$V_i(OPT)=p_i(1-\hat{C}_i)q_{sun}q_{view}$$ $$V_i(SAR)=p_iq_{\theta}q_{mode}$$

若二者形成互补：

$$V_i(OPT,SAR)=V_i(OPT)+V_i(SAR)+V_i^{fusion}$$

约束推导

载荷选择约束：

$$\sum_{w,m}x_{iwm}\le 1$$

若任务要求多载荷联合：

$$\sum_{w}x_{iw,OPT}\ge z_i,\quad \sum_w x_{iw,SAR}\ge z_i$$

平台姿态转移：

$$s_j\ge s_i+d_i+\tau(a_i,a_j)$$

仪器互斥：

$$\sum_{i,w:m\in M_c}x_{iwm}(t)\le 1$$

其中 $M_c$ 是互斥载荷集合。

算法流程

1. 根据任务需求和平台轨道生成多载荷候选窗口。
2. 计算每个“任务-载荷-窗口”的价值。
3. 用启发式或约束优化构造初始计划。
4. 接收新观测或预测信息，更新任务价值。
5. 在局部范围内重规划，保持计划可执行。

对同平台光学/SAR的意义

该框架最适合直接扩展为光学/SAR同平台调度。需要补充的是SAR特有的峰值功率、热控、数据量和入射角约束，以及光学云量不确定性。核心价值在于把“载荷选择”放入调度决策，而不是事先固定某个任务只能由某类载荷执行。

论文截图（算法流程、步骤与效果）

截图来自对应论文 PDF 页面，并已通过 PicGo 上传。用于快速定位原文中的算法流程、关键步骤或实验效果；若截图为相关替代文献，已在说明中标注。

截图 1：模型页：多载荷观测规划的变量、仪器和窗口描述

来源：R77_Agile_Satellite_Planning_for_Multi-Payload_Observations.pdf，PDF 第 2 页。

截图 2：实验/效果页：启发式搜索/DFS性能对比

来源：R77_Agile_Satellite_Planning_for_Multi-Payload_Observations.pdf，PDF 第 8 页。