基于数据预测匹配的LEO卫星寿命优化方法

本发明公开了一种基于数据预测匹配的LEO卫星寿命优化方法。首先，为了衡量LEO卫星寿命的优化效果和地面业务处理的能力，利用指标计算LEO卫星的平均寿命与累计处理业务的能量的乘积，用于衡量不同算法在优化LEO卫星寿命和处理业务能力方面的效果。其次利用卷积神经网络‑长短期记忆网络（CNN‑LSTM）算法预测LEO卫星轨道内的太阳辐射能量。此外，通过STK软件仿真得到LEO卫星的星下轨迹，并根据星下轨迹建立LEO卫星业务需求能看模型，然后利用LSTM‑RF算法预测LEO卫星的业务需求能量。最后，基于李雅普诺夫理论将LEO卫星的能量管理问题从随机优化问题转化为每个时隙的确定优化问题，并利用改进型自适应模型预测控制（AMPC）算法进行求解，获取LEO卫星各个时隙的能量管理决策。仿真实验结果表明，本发明相对于MPC算法、Game Theory算法和Greedy Algorithm算法的效果分别提升了10.79%、25.22%和58.16%，能够显著提升LEO卫星的寿命和业务处理能力，显著降低其运营成本。