本發(fā)明涉及衛(wèi)星載荷艙布局，尤其涉及一種基于熱管約束下衛(wèi)星有效載荷艙組件布局方法及系統(tǒng)。

背景技術(shù)：

1、衛(wèi)星有效載荷艙布局的合理化顯著影響了電子元器件的工作性能。隨著對(duì)衛(wèi)星功能要求的不斷增加，越來(lái)越多的元器件需要安裝在有限的載荷艙空間，會(huì)導(dǎo)致嚴(yán)重的積熱問(wèn)題。熱管約束下組件布局優(yōu)化(hdlo，heat?pipe-constrained?device?layoutoptimization)便是通過(guò)合理化衛(wèi)星載荷艙空間利用率來(lái)最大化釋放電子元器件工作性能與最小化積熱情況。

2、然而，因?yàn)閔dlo不僅考慮了傳統(tǒng)的載荷艙布局約束，還考慮了由熱管引起的熱解能力約束和組件與熱管重疊約束，因此熱管的存在引入了額外的優(yōu)化復(fù)雜性，導(dǎo)致無(wú)法得到合適的布局方法。

3、因此，現(xiàn)有技術(shù)還有待于改進(jìn)和發(fā)展。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的主要目的在于提供一種基于熱管約束下衛(wèi)星有效載荷艙組件布局方法、系統(tǒng)、終端及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，旨在解決現(xiàn)有技術(shù)中hdlo不僅考慮了傳統(tǒng)的載荷艙布局約束，還考慮了由熱管引起的熱解能力約束和組件與熱管重疊約束，因此熱管的存在引入了額外的優(yōu)化復(fù)雜性，導(dǎo)致無(wú)法得到合適的布局方法的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于熱管約束下衛(wèi)星有效載荷艙組件布局方法，所述基于熱管約束下衛(wèi)星有效載荷艙組件布局方法包括如下步驟：

3、獲取目標(biāo)元器件信息，根據(jù)所述目標(biāo)元器件信息構(gòu)建元器件初始布局方案，并生成多個(gè)目標(biāo)約束條件；

4、根據(jù)所述初始布局方案和多個(gè)目標(biāo)約束條件，將熱管約束下衛(wèi)星有效載荷艙組件布局問(wèn)題轉(zhuǎn)化為多目標(biāo)算法模型；

5、根據(jù)第一階段優(yōu)化算法，對(duì)所述多目標(biāo)算法模型進(jìn)行演化，并在每次演化過(guò)程中判斷當(dāng)前所有的布局方案是否為可行方案，當(dāng)當(dāng)前所有的布局方案均為不可行方案時(shí)，根據(jù)第二階段優(yōu)化算法，選取預(yù)設(shè)數(shù)量的布局方案并進(jìn)行修飾，根據(jù)修飾結(jié)果再次進(jìn)行演化；

6、當(dāng)演化達(dá)到終止條件時(shí)，將最后一次演化得到的多個(gè)布局方案中性能最好的方案作為目標(biāo)方案，并輸出。

7、可選地，所述獲取目標(biāo)元器件信息，根據(jù)所述目標(biāo)元器件信息構(gòu)建元器件初始布局方案，并生成多個(gè)目標(biāo)約束條件，具體包括：

8、獲取目標(biāo)元器件信息，其中，所述目標(biāo)元器件信息包括每個(gè)元器件的編號(hào)及位置信息；

9、根據(jù)每個(gè)元器件的編號(hào)及位置信息，構(gòu)建所述元器件初始布局方案；

10、根據(jù)所述元器件初始布局方案，生成多個(gè)目標(biāo)約束條件，其中多個(gè)目標(biāo)約束條件包括非重疊約束、元件熱管重疊約束、靜態(tài)穩(wěn)定性約束和散熱能力約束。

11、可選地，所述根據(jù)所述初始布局方案和多個(gè)目標(biāo)約束條件，將熱管約束下衛(wèi)星有效載荷艙組件布局問(wèn)題轉(zhuǎn)化為多目標(biāo)算法模型，具體包括：

12、根據(jù)所述初始布局方案和多個(gè)目標(biāo)約束條件，生成所述初始布局方案對(duì)應(yīng)的總體違約值、擁擠距離和熱性能的目標(biāo)函數(shù)；

13、根據(jù)所述總體違約值、所述擁擠距離和所述熱性能的目標(biāo)函數(shù)，以多個(gè)目標(biāo)約束條件為約束，將熱管約束下衛(wèi)星有效載荷艙組件布局問(wèn)題轉(zhuǎn)化為多目標(biāo)算法模型。

14、可選地，所述根據(jù)第一階段優(yōu)化算法，對(duì)所述多目標(biāo)算法模型進(jìn)行演化，并在每次演化過(guò)程中判斷當(dāng)前所有的布局方案是否為可行方案，當(dāng)當(dāng)前所有的布局方案均為不可行方案時(shí)，根據(jù)第二階段優(yōu)化算法，選取當(dāng)前的一個(gè)布局方案并進(jìn)行修飾，根據(jù)修飾結(jié)果再次進(jìn)行演化，具體包括：

15、根據(jù)第一階段優(yōu)化算法，設(shè)置初始布局方案?jìng)€(gè)數(shù)、終止條件和預(yù)設(shè)數(shù)量；

16、初始化種群，設(shè)置輔助變量，計(jì)算當(dāng)前的多個(gè)目標(biāo)約束條件和熱性能的目標(biāo)函數(shù)，并根據(jù)當(dāng)前的多個(gè)目標(biāo)約束條件計(jì)算第一參數(shù)，其中，種群中包含初始布局方案?jìng)€(gè)數(shù)個(gè)布局方案；

17、根據(jù)種群大小、輔助變量、當(dāng)前的多個(gè)目標(biāo)約束條件、熱性能的目標(biāo)函數(shù)和第一參數(shù)進(jìn)行演化，并在每次演化中，判斷所有的布局方案是否為可行方案，當(dāng)當(dāng)前所有的布局方案均為不可行方案時(shí)，根據(jù)第二階段優(yōu)化算法，選取預(yù)設(shè)數(shù)量的布局方案并進(jìn)行修飾，生成新的種群；

18、重復(fù)演化過(guò)程，直到輔助變量的值達(dá)到終止條件。

19、可選地，所述根據(jù)種群大小、輔助變量、當(dāng)前的多個(gè)目標(biāo)約束條件、熱性能的目標(biāo)函數(shù)和第一參數(shù)進(jìn)行演化，并在每次演化中，判斷所有的布局方案是否為可行方案，當(dāng)當(dāng)前所有的布局方案均為不可行方案時(shí)，根據(jù)第二階段優(yōu)化算法，選取預(yù)設(shè)數(shù)量的布局方案并進(jìn)行修飾，生成新的種群，具體包括：

20、根據(jù)變異策略和二項(xiàng)式交叉重組，對(duì)種群處理，生成子種群，其中，子種群包括初始布局方案?jìng)€(gè)數(shù)個(gè)布局方案；

21、計(jì)算子種群中每個(gè)布局方案的多個(gè)目標(biāo)約束條件和熱性能的目標(biāo)函數(shù)，并更新輔助變量，得到第一更新輔助變量；

22、合并種群和子種群，得到合并種群，并計(jì)算合并種群中每個(gè)布局方案的總體違約值、擁擠距離和熱性能的目標(biāo)函數(shù)；

23、根據(jù)剪枝技術(shù)和非支配排序方法，從合并種群中選取初始布局方案?jìng)€(gè)數(shù)個(gè)布局方案，作為當(dāng)前種群；

24、獲取當(dāng)前種群中每個(gè)布局方案的總體違約值，根據(jù)每個(gè)布局方案的總體違約值，判斷當(dāng)前種群的布局方案是否為可行方案，當(dāng)當(dāng)前所有的布局方案均為不可行方案時(shí)，根據(jù)第二階段優(yōu)化算法，選取預(yù)設(shè)數(shù)量的布局方案并進(jìn)行修飾，生成新的種群。

25、可選地，所述根據(jù)剪枝技術(shù)和非支配排序方法，從合并種群中選取初始布局方案?jìng)€(gè)數(shù)個(gè)布局方案，作為當(dāng)前種群，具體包括：

26、根據(jù)剪枝技術(shù)對(duì)合并種群進(jìn)行初步剪枝，得到剪枝種群；

27、采用非支配排序方法，根據(jù)剪枝種群中每個(gè)布局方案的多個(gè)目標(biāo)約束條件，對(duì)任意兩個(gè)布局方案進(jìn)行比較，從而選取初始布局方案?jìng)€(gè)數(shù)個(gè)布局方案，作為當(dāng)前種群。

28、可選地，所述根據(jù)第二階段優(yōu)化算法，選取預(yù)設(shè)數(shù)量的布局方案并進(jìn)行修飾，生成新的種群，具體包括：

29、在選取的預(yù)設(shè)數(shù)量個(gè)布局方案中選取其中一個(gè)布局方案，計(jì)算對(duì)應(yīng)的增量，同時(shí)對(duì)第一更新輔助變量進(jìn)行更新；

30、根據(jù)選取的布局方案的增量，對(duì)選取的布局方案進(jìn)行更新，得到更新布局方案；

31、計(jì)算更新布局方案的多個(gè)目標(biāo)約束條件和熱性能的目標(biāo)函數(shù)，判斷是否滿(mǎn)足約束要求；

32、當(dāng)滿(mǎn)足時(shí)，判斷更新布局方案的總體違約值是否優(yōu)于其對(duì)應(yīng)的布局方案，當(dāng)優(yōu)于時(shí)，則用更新布局方案替換當(dāng)前種群中對(duì)應(yīng)的布局方案；

33、重復(fù)在選取的預(yù)設(shè)數(shù)量個(gè)布局方案中選取其他的布局方案，并采用第二階段優(yōu)化算法進(jìn)行計(jì)算，直到選取的預(yù)設(shè)數(shù)量個(gè)布局方案全部處理完，得到新的種群。

34、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種基于熱管約束下衛(wèi)星有效載荷艙組件布局系統(tǒng)，其中，所述基于熱管約束下衛(wèi)星有效載荷艙組件布局系統(tǒng)包括：

35、約束模塊，用于獲取目標(biāo)元器件信息，根據(jù)所述目標(biāo)元器件信息構(gòu)建元器件初始布局方案，并生成多個(gè)目標(biāo)約束條件；

36、模型構(gòu)建模塊，用于根據(jù)所述初始布局方案和多個(gè)目標(biāo)約束條件，將熱管約束下衛(wèi)星有效載荷艙組件布局問(wèn)題轉(zhuǎn)化為多目標(biāo)算法模型；

37、演化模塊，用于根據(jù)第一階段優(yōu)化算法，對(duì)所述多目標(biāo)算法模型進(jìn)行演化，并在每次演化過(guò)程中判斷當(dāng)前所有的布局方案是否為可行方案，當(dāng)當(dāng)前所有的布局方案均為不可行方案時(shí)，根據(jù)第二階段優(yōu)化算法，選取預(yù)設(shè)數(shù)量的布局方案并進(jìn)行修飾，根據(jù)修飾結(jié)果再次進(jìn)行演化；

38、目標(biāo)輸出模塊，用于當(dāng)演化達(dá)到終止條件時(shí)，將最后一次演化得到的多個(gè)布局方案中性能最好的方案作為目標(biāo)方案，并輸出。

39、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種終端，其中，所述終端包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的基于熱管約束下衛(wèi)星有效載荷艙組件布局程序，所述基于熱管約束下衛(wèi)星有效載荷艙組件布局程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述的基于熱管約束下衛(wèi)星有效載荷艙組件布局方法的步驟。

40、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有基于熱管約束下衛(wèi)星有效載荷艙組件布局程序，所述基于熱管約束下衛(wèi)星有效載荷艙組件布局程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述的基于熱管約束下衛(wèi)星有效載荷艙組件布局方法的步驟。

41、本發(fā)明中，獲取目標(biāo)元器件信息，根據(jù)所述目標(biāo)元器件信息構(gòu)建元器件初始布局方案，并生成多個(gè)目標(biāo)約束條件；根據(jù)所述初始布局方案和多個(gè)目標(biāo)約束條件，將熱管約束下衛(wèi)星有效載荷艙組件布局問(wèn)題轉(zhuǎn)化為多目標(biāo)算法模型；根據(jù)第一階段優(yōu)化算法，對(duì)所述多目標(biāo)算法模型進(jìn)行演化，并在每次演化過(guò)程中判斷當(dāng)前所有的布局方案是否為可行方案，當(dāng)當(dāng)前所有的布局方案均為不可行方案時(shí)，根據(jù)第二階段優(yōu)化算法，選取預(yù)設(shè)數(shù)量的布局方案并進(jìn)行修飾，根據(jù)修飾結(jié)果再次進(jìn)行演化；當(dāng)演化達(dá)到終止條件時(shí)，將最后一次演化得到的多個(gè)布局方案中性能最好的方案作為目標(biāo)方案，并輸出。本發(fā)明通過(guò)多目標(biāo)算法模型，將熱管約束下衛(wèi)星有效載荷艙組件布局問(wèn)題進(jìn)行了合理轉(zhuǎn)化，并且通過(guò)第一階段優(yōu)化算法根據(jù)約束違規(guī)情況尋找可行區(qū)域，并為了防止約束處理的貪婪效果，引入了第二階段優(yōu)化算法，從而可以得到準(zhǔn)確有效的布局方法。