航天测控通信系统的任务可靠性分配要求在给定的系统任务可靠性指标下,结合所执行的航天测控通信任务(单任务或者多任务),根据参与任务的各地面站、测量船、中继卫星、控制中心、路由等测控通信资源的时空关联、逻辑结构等动态约束关系,将系统总体的任务可靠性指标分配到各测控通信资源。航天测控通信系统的任务可靠性分配是一个约束种类繁多,涉及因素较多且关系复杂的组合优化问题。对航天测控通信系统的任务可靠性分配问题模型及求解算法进行研究,可以支持航天测控通信系统总体的可靠性设计,对各子系统提出可靠性要求,科学合理地制定航天测控与通信方案,确保航天飞行任务的顺利完成。论文的主要研究工作和创新点包括:(1)建立了航天测控通信系统的任务可靠性分配模型论文介绍了航天测控通信系统的组成、层次结构和特点,分析了可靠性分配的基本原则和流程,建立了航天测控通信系统的可靠性指标体系,明确了任务可靠性分配的指标。基于XML文件,从航天测控通信资源和任务两个组成部分对任务可靠性分配问题进行了规范化描述,最后,在分析航天测控通信系统任务可靠性分配影响因素和约束条件的基础上,给出了任务可靠性的描述模型,构建了任务可靠性分配模型,可为航天测控通信系统任务可靠性分配的求解提供模型基础。(2)提出了航天测控通信系统任务可靠性分配的启发式算法在对基本启发式算法的基本原理和相关设计改进分析的基础上,根据航天测控通信系统任务可靠性分配的特点,提出了基于权重信息的航天测控通信系统任务可靠性分配的启发式算法,能有效解决串、并联、备份等各种结构的多阶段任务可靠性分配问题,使分配后的系统预计任务可靠度达到目标值。为了改善启发式算法的局部搜索性能和迭代速度,提高任务可靠性分配的效率,设计了迭代方向和速度控制规则,通过算例分析,表明算法具有良好的收敛性,同时对比不同任务结构算法分配结果的误差和同一设备参与不同任务时可靠性指标变化情况,说明启发式算法具有分配误差小,适用于各种不同任务结构问题求解。(3)设计了系统任务可靠性分配的粒子群优化算法针对大规模场景下任务可靠性分配问题,在对现有粒子群优化算法分析、总结的基础上,提出了航天测控通信系统任务可靠性分配的粒子群优化算法。对标准粒子群优化算法的惯性权重系数进行了自适应调整,初始时使惯性权重系数尽可能大,便于更迅速、更容易搜索全局解,而后期使惯性权重系数尽可能小,以便搜索到更好的局部解,从而有效的减少寻优过程的计算量,节约了搜索时间。为了避免算法陷入局部极值,设计了自适应粒子群算法,根据迭代过程中粒子的特征对速度方向和尺度进行自适应调整,提高了算法的搜索效率。通过算例与启发式算法比较分析表明,自适应粒子群算法能在某些测控通信资源的平均故障间隔时间(MTBF)分配不过高的条件下,使任务分配后的可靠度预计值更为接近系统要求的任务可靠性值,算法的运行时间也更优于启发式算法。(4)提出了基于径向基神经网络的任务可靠性分配的优化方法粒子群等智能优化算法在航天测控通信系统任务可靠性分配过程中,需要进行大量的预计计算,影响了分配效率。论文提出了基于径向基神经网络(RBFNN)的任务可靠性分配模型。RBFNN是一种元模型方法,能够代替原始系统模型进行运算,有较好的拟合效果。针对RBFNN参数学习过程出现的易早熟现象,设计了一种自适应混合学习算法,通过训练样本相关性矩阵的主成分分析,确定了网络隐含层初始节点数;借鉴粒子群优化算法中个体的速度矢量作为进化信息,动态调节进化的参数,提高了寻优能力。同时,利用梯度信息衰减因子改进了迭代过程中网络参数的梯度信息计算方式,避免了学习过程早熟的不足,加快了迭代收敛速度。根据航天测控通信系统输入-输出数据,基于自适应混合学习算法进行参数训练,并给出了具体实现步骤。算例表明,分配后的系统预计值与目标值差距小,同时,运行时间比粒子群算法有较大提高。