《中国人工智能学会通讯》——9.22 资源卫星智能管控模式

9.22 资源卫星智能管控模式

历经“十五”、“十一五”和“十二五”的钻研和探索,本团队成功地研制了具有自主知识产权的、适合我国国情和未来卫星发展要求的资源卫星任务规划系统通用平台。该平台实现了从系统设计系统管控系统应用的资源卫星闭环管理过程。在项目的研制过程中,项目组不断地追求资源卫星任务规划系统研究的“顶天立地”(如图 1 所示)。“顶天”就是时刻瞄准资源卫星系统顶层规划决策研究,最大程度地做好我国资源卫星系统的宏观谋划和总体优化;“立地”就是辅助各类卫星应用部门规范提出任务需求,支持卫星管控部门提高资源卫星应用任务规划的管理水平,最大限度地发挥我国资源卫星系统的社会经济效益。

卫星日常运行管控

卫星运行管控是资源卫星任务规划系统一种非常重要的应用模式,已广泛应用到中国资源卫星应用中心等卫星管控部门,取得了非常满意的应用效果。按照所处理任务类型和性质,卫星系统管控包括常规模式、订单模式、快反模式和应急模式四种运行模式(如图 2 所示),资源卫星任务规划系统充分考虑了不同运行模式的特点,设计了相应的业务流程。

在常规模式下,资源卫星任务规划系统根据任务单信息执行并完成任务后形成相关报告,及时向公共平台反馈任务完成情况。订单模式是根据用户需求进行生产的运行模式。快反模式适用于对数据时效性要求较高的用户。地面处理系统在某些分系统处于维护和故障状态时进入应急模式。应急模式主要目标是能够在某些分系统处于维护和故障状态下保证其他分系统继续工作,从而尽可能降低不利影响。

卫星系统顶层设计

卫星系统顶层设计是资源卫星任务规划系统的第二种应用模式,已经广泛地应用到航天东方红卫星有限公司等卫星研制部门,应用效果得到用户部门的肯定。卫星系统顶层设计应用模式的流程如图3 所示,该模式主要用以支持卫星系统顶层设计决策和发展战略研究,以做好我国卫星系统的宏观规划和总体优化。卫星系统顶层设计应用模式的主要目的是分析评估卫星系统的应用能力,在满足未来应用需求的基础上,确定合理的资源卫星配置方案,以节省系统的建设与运行费用。

用户需求辅助分析

用户需求辅助分析是资源卫星任务规划系统的第三种应用模式。在这种应用模式下,系统重点分析研究了包括农作物资源遥感监测、灾害综合评估、城乡规划监测管理等 18 类典型应用需求,用户可通过标准化的任务需求模板,向资源卫星任务规划系统提交多种类型的规范化任务需求。在资源卫星任务规划系统的支持下,可快速计算资源卫星与地面目标的观测机会。针对受理的规范化任务,按照不同类型卫星的能力指标,分析任务需求与资源卫星之间的对应关系,支持任务需求与资源能力智能化匹配。最后,用户也可通过资源卫星任务规划系统预测自己提交的任务需求。

时间: 2024-09-17 03:54:26

《中国人工智能学会通讯》——9.22 资源卫星智能管控模式的相关文章

《中国人工智能学会通讯》——9.21 基于任务规划的资源卫星智能管控模式

9.21 基于任务规划的资源卫星智能管控模式 我国目前已建成包括高分.遥感.环境减灾.测绘和试验等多系列资源卫星系统,在轨运行的卫星 20 多颗.随着成像卫星的发展,成像卫星任务规划问题也逐渐引起重视.目前,国内外已经开展了很多成像卫星任务规划问题的研究.下面主要从单星任务规划和多星任务规划两个方面对资源卫星任务规划问题的国内外研究现状进行综述. 单星任务规划 (1) 面向点目标的单星任务规划.Bensanaet al [1-2] 将 SPOT 5 卫星日常任务规划问题抽象为整数规划模型.Wol

中国人工智能学会通讯——机器人组件技术在智能制造系统中的应用

摘要:随着工业4.0时代的到来,如何将传统工厂改造成为个性化.网络化.柔性生产的智能制造系统成为了当前的研究热点.本文从智能制造系统和智能机器人系统的相似性出发,构建了基于机器人组件技术的智能制造系统,对智能制造系统中各个生产单元进行组件化技术封装,实现了生产组件之间的信息互联和即插即用,通过个性化订单要求对各生产组件在线任务规划,达到柔性生产的目标.此外用多异构机器人模拟各工位生产单位搭建了一个可以根据用户订单生产的小型智能制造实验平台,实验结果验证了本研究构建系统的可行性. 关键词:机器人组

中国人工智能学会通讯——大数据与认知智能

今天的主题是机器学习和人工智能.首先讲机器学习,刚刚铁岩给了很好的介绍.如果用从处理数据集x和目标y的角度对机器学习进行简单分类,可以大致归纳为以下三点:第一,对于Supervised Learning,学习的核心是从x到y的映射.如果目标y是离散的,它就是分类问题,例如人脸识别就是一个机器学习的分类问题:如果这个y是连续变量,那就是回归问题,比如对雾霾的预测就利用了回归的方法.第二,对于Unsupervised Learning,只有一个x,没有y.第三,增强学习处于监督学习和非监督学习之间.

中国人工智能学会通讯——打造云上视觉智能生态 1.4 视觉智能实例:城市之眼

1.4 视觉智能实例:城市之眼 视觉之眼,是城市的眼睛.我们要处理的是城市的摄像头,不管是交通.安防.城管,还是个人的,这些摄像头的数据,我们思考怎样把它的价值挖掘出来.里面涉及到的技术仍然是视觉数据的检测.识别.系统.搜索.挖掘等. 这个例子是交通视频的分析,对车辆的检测.车辆的跟踪.车辆的属性,就是将路面上发生的事情了解个底朝天.过去做交通优化时有两个信息源,第一个是地感线圈:但线圈数据不知道这个车的属性.车类型.车多长,这个车到哪里去了,这个信息不全.第二个数据,是GPS的数据,但一般只有

《中国人工智能学会通讯》——5.25 受神经线路连接模式的启发

5.25 受神经线路连接模式的启发 单个神经元能完成的功能非常简单,而复杂的任务往往由很多神经元组成的神经网络来完成.视觉系统可以看作一个深层递归神经网络.首先,它是由多个皮层组成的层级结构,沿着层级通路(腹侧通路)由低到高各个皮层编码的特征逐渐由简单变复杂.然后,视觉系统中存在多种类型的连接,包括低层到高层的前馈连接.层内神经元相互之间的递归连接,以及高层神经元到低层神经元的反馈连接[13] .计算机视觉中常用的卷积神经网络(CNN)往往是纯前馈的.受大脑中广泛存在的递归连接的启发,文献 [5

中国人工智能学会通讯——智创未来 未来已来

2016 年带着我们难忘的记忆,就这样翻篇了.由我们学会发起.全国多个组织积极参与的.纪念全球人工智能 60 年的一个个系列活动历历在目,在我们身边发生的种种无人驾驶的比赛和试验活动还在让我们激动不已,AlphaGo 战胜人类围棋冠军李世石的震荡被 Master 的新战绩推向又一个新高潮,时间就这样把我们带入了新的一年--2017 年. 对 2017 年的人工智能,我们会有什么期待呢? 深度学习会火 无人驾驶会火 机器人产业会火 机器同传会火 人机博弈会火 交互认知会火 不确定性人工智能会火 智

中国人工智能学会通讯——Master虽优势较多 但仍有缺陷

近日,Master 在各大围棋网站横扫顶尖职业棋手,随后,谷歌 DeepMind 创始人德米什 • 哈萨比斯在 Twitter 上发布消息,证实了 Master 是 AlphaGo 的升级版.众所周知,围棋困难的地方在于它的估值函数非常不平滑,差一个子盘面就可能天翻地覆:同时状态空间大,也没有全局的结构.这两点加起来,迫使目前计算机只能用穷举法,并且因此进展缓慢.但人能下得好,能在几百个选择中知道哪几个位置值得考虑,说明它的估值函数是有规律的.这些规律远远不是几条简单公式所能概括,但所需的信息量

中国人工智能学会通讯——人工智能发展的思考

2016 年是充满了纪念意义的特殊的一年:80 年前的 1936 年,"人工智能之父"图灵提出了"可计算机器"的概念,为人工智能乃至现代信息科技奠定了基础:70年前的 1946 年,世界上第一台电子计算机ENIAC 在美国滨州诞生:60 年前的 1956年"人工智能"的概念首次被提出:50 年前的 1966 年,第一次颁发"图灵奖",到目前为止已经有 64 位获奖者:10 年前的2006 年,深度学习概念开始为大家所熟悉,并流

中国人工智能学会通讯——机器学习里的贝叶斯基本理论、模型和算法

非常感 谢周老师给这个机会让我跟大家分享一下.我今天想和大家分享的是,在深度学习或者大数据环境下我们怎么去看待相对来说比较传统的一类方法--贝叶斯方法.它是在机器学习和人工智能里比较经典的方法. 类似的报告我之前在CCF ADL讲过,包括去年暑假周老师做学术主任在广州有过一次报告,大家如果想看相关的工作,我们写了一篇文章,正好我今天讲的大部分思想在这个文章里面有一个更系统的讲述,大家可以下去找这篇文章读. 这次分享主要包括三个部分: 第一部分:基本理论.模型和算法 贝叶斯方法基础 正则化贝叶斯推