Идентификация руководящих требований. Анализ миссии, страница 15

Моделирование миссии должно включать параметры, которые непосредственно затрагивают полезность, такие как геометрия орбиты, движение или изменение цели или фона, системное планирование и другие ключевые вопросы, показанные на рис. 3-3. Проблема чрезмерной детализации лучше решается путем создания числовых моделей, полученных из более детальных моделирований полезной нагрузки или других компонентов системы. Например, мы можем вычислять способность спутника FireSat обнаружить лесной пожар моделированием чувствительности датчика, атмосферных характеристик, диапазона пожара, и условий фона в наблюдаемой области. Детальное моделирование полезной нагрузки должно включать эти параметры. После «прогона» имитатора полезной нагрузки много раз мы можем, например, свести в таблицу результаты вероятности обнаружения пожара, основанные на геометрии наблюдения и времени дня. Имитатор миссии использует эту таблицу, чтобы оценить различные сценарии и алгоритмы планирования. Таким образом, имитатор миссии может вычислять геометрию миссии и время дня и использовать таблицу результатов, чтобы определить эффективность полезной нагрузки. С этим методом мы можем сильно уменьшить повторные вычисления в каждом «прогоне» имитатора миссии, запустить большее количество моделирований и исследовать большее количество вариантов миссии. Имитатор миссии должен быть собранием результатов более детальных моделирований наряду с уникальными параметрами миссии, такими как относительная геометрия между спутниками в группировке, изменения наземных целей или фона, планирование системы или связь по линии «вниз». Создание подмоделей также делает более легким моделирование полезности. Мы начинаем с простых моделей для индивидуальных компонентов и разрабатываем более реалистические таблицы, поскольку мы создаем и «прогоняем» более детальные модели полезного груза или компонентов.

Рис. 3-3. Компоненты типичного имитатора полезности миссии

Табл. 3-8 показывает типичную последовательность для моделирования полезности миссии, включая четкое разделение на входные и выходные данные. Это разделение позволяет нам проводить различные статистические исследования на отдельном наборе данных или комбинировать выходные данные от многих прогонов различными способами. В группировке спутников планирование это часто ключевой вопрос полезности миссии. Полезность группировки в значительной степени зависит от способности системы соответствующим образом планировать использование ресурса среди спутников. В конце отдельного прогона моделирования система должна собрать и вычислить статистику для этого сценария, выдать соответствующие выходные графики или данные, и вычислить частные меры эффективности, такие как процент лесных пожаров, обнаруженных в этом прогоне.

Следующий шаг заключается в прогоне большего количества моделирований, использующих новые начальные времена или, иначе, изменение условий для сценариев. Изменение начальных времен изменяет относительное время и геометрию между спутниками и событиями, которые они наблюдают, таким образом усредняя результаты, обусловленные этими характеристиками. Сбор статистики по многократным прогонам называется моделированием Монте-Карло. Например, мы могли бы усреднить процент лесных пожаров, обнаруженных при различных прогонах с различным выбором времени, но по тому же сценарию, для оценки полной вероятности обнаружения лесных пожаров - нашей окончательной меры эффективности. Имитатор системы должен накопить выходную статистику и начертить выходные графики по запускам Монте-Карло.

Таблица 3-8

Типичный поток последовательности повременного моделирования полезности миссии.