An autonomous multi-sensor satellite system based on multi-agent blackboard model

• Autorzy: He L. , Li G. , Xing L. , Chen Y.

Identyfikatory

DOI

10.17531/ein.2017.3.16

Warianty tytułu

PL

Autonomiczny wieloczujnikowy system satelitarny oparty na wieloagentowym modelu tablicowym

• Języki publikacji: EN

Abstrakty

EN

Traditional Earth observation satellite cannot work well in terms of emergencies, environmental uncertainties and scientific events discovery. Therefore, it is of significance to study the new generation of autonomous Earth observation satellite. In order to develop an autonomous satellite system with distributed and coordinated functions, this paper proposes an autonomous satellite system based on distributed multi-agent blackboard model. Multiple agents including functions of pre-processing, planning, scheduling and execution are designed. Agents share information and communicate through a blackboard which stores the task sequence, the action sequence and the satellite status. An adaptive rule-based heuristic scheduling algorithm and a forward search planning algorithm are proposed. The simulation experiments and computational results prove that the system can deal with scientific events discovery, satellite faults, cloud obscuration and emergencies without human intervention, which can greatly enhance the efficiency and reliability of Earth observation satellites. The validity of the proposed model and algorithm is proved.

PL

Tradycyjne satelity obserwacji Ziemi nie nadają się do pracy w sytuacjach kryzysowych, warunkach niepewności środowiskowej oraz w okolicznościach związanych z odkryciami naukowymi. Dlatego też istotne znaczenie ma badanie nowej generacji autonomicznych satelitów obserwacji Ziemi. W celu opracowania autonomicznego systemu satelitarnego o rozproszonych i skoordynowanych funkcjach, w niniejszej pracy zastosowano rozproszony wieloagentowy model tablicowy. Zaprojektowano agenty, w tym funkcje wstępnego przetwarzania, planowania, harmonogramowania i wykonania. Agenty te wymieniają między sobą informacje i komunikują się za pośrednictwem tablicy (ang. blackboard), na której przechowywane są informacje dotyczące sekwencji zadań i działań oraz stanu satelity. Zaproponowano adaptacyjny, regułowy, heurystyczny algorytm harmonogramowania oraz algorytm planowania metodą wyszukiwania w przód. Przeprowadzone eksperymenty symulacyjne oraz wyniki obliczeń dowodzą, że omawiany system sprawdza się w przypadkach odkryć naukowych, awarii satelitarnych, zachmurzenia oraz w sytuacjach kryzysowych nie wymagając interwencji człowieka, co może znacznie zwiększać wydajność i niezawodność satelitów obserwacji Ziemi. W pracy wykazano trafność proponowanego modelu i algorytmów.

Słowa kluczowe

EN

autonomous satellite; blackboard model; multi-agent; adaptive scheduling; planning

PL

satelita autonomiczny; model tablicowy; wieloagentowy; harmonogramowanie adaptacyjne; planowanie

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2017
• Tom: Vol. 19, no. 3
• Strony: 447--458
• Opis fizyczny: Bibliogr. 25 poz., rys., tab.

Twórcy

autor

He L.

• College of information System and Management national University of Defense Technology no.47 Yanwachi Street, Changsha, China, 410073

autor

Li G.

• College of information System and Management national University of Defense Technology no.47 Yanwachi Street, Changsha, China, 410073

autor

Xing L.

• College of information System and Management national University of Defense Technology no.47 Yanwachi Street, Changsha, China, 410073

autor

Chen Y.

• College of information System and Management national University of Defense Technology no.47 Yanwachi Street, Changsha, China, 410073

Bibliografia

• 1. Armstrong M. Joint reliability importance of elements. IEEE Transactions on Reliability 1995; 44(3): 408-412, https://doi. org/10.1109/24.406574.
• 2. Birnbaum Z. On the importance of different components in a multicomponent system. In P. Krishnaiah (Ed.), Multivariate Analysus-II. New York: Academic Press 1969.
• 3. Borgonovo E, Apostolakis G. A new importance measure for risk-informed decision making. Reliability Engineering and System Safety 2001; 72: 193-212, https://doi.org/10.1016/S0951-8320(00)00108-3.
• 4. Caskurlu B, Mkrtchyan V, Perekh O, Subramani K. On Pratial Vertex Cover and Budgeted Maximum Coverage Problems in Bipartite Graphs. Theoretical Computer Science: 8th IFIP TC 1/WG 2.2 International Conference, TCS 2014, Rome, Italy: Springer 2014; 13-25.
• 5. Curtis D E, Pemmaraju S V, Polgreen P. Budgeted Maximum Coverage with Overlapping Costs: Monitoring the Emerging Infections Network. 2010 Proceedings of the Twelfth Workshop on Algorithm Engineering and Experiments (ALENEX). Society for Industrial and Applied Mathematics 2010.
• 6. Du D, Ko K, Hu X. Design and analysis of appromaxition algorithms. Springer Optimization and Its Applications 2012, https://doi. org/10.1007/978-1-4614-1701-9.
• 7. Ericson II C A. Hazard Analysis technique for System Safety. New Jersey: John Wiley & Sons 2015.
• 8. Espitrity J, Coit D, Prakash U. Component criticalty importance measures for the power industry. Electric Power Systems Research 2007; 407-420, https://doi.org/10.1016/j.epsr.2006.04.003.
• 9. GLPK (GNU Linear Programming Kit) From: www.gnu.org/software/glpk.
• 10. Gupta S, Bachttacharya J, Barabady J, Kumar U. Cost-effective importance measure: A new approach for resource prioritization in a production plant. International Journal of Quality & Realibility Management 2013; 30 (4): 379-386, https://doi.org/10.1108/02656711311308376.
• 11. Khuller S, Moss A, Naor J. The budgeted maximum coverage problem. Information Processing Letters 1999; 70 (1): 39-45, https://doi. org/10.1016/S0020-0190(99)00031-9.
• 12. Kuo W, Zhu X. Importance measures in reliability, risk and optimization. Chichester: John Whiley & Sons 2012, https://doi. org/10.1002/9781118314593.
• 14. Rauzy A. A Benchmark of Boolean Formulae. From http://iml.univmrs.fr/~arauzy/aralia/ benchmark.htm.
• 15. Revelle C S. A bibliography for some fundamental problem categories in discrete location science. European Journal of Operational Research, 2008; 184 (3): 817-848, https://doi.org/10.1016/j.ejor.2006.12.044.
• 16. Van der Borst M, Schoonakker H. An overview of PSA importance measures. Reliability Engineering and System Safety, 2001 72 (3): 241245, https://doi.org/10.1016/S0951-8320(01)00007-2.
• 17. van Heuven van Staereling I, de Keijzer B, Schafer G. The Ground-Set-Cost Budgeted Maximum Coverage Problem. 41st International Symposium on Mathematical Foundations of Computer Science (MFCS 2016). Dagstuhl Research Online Publication Server, 2016.
• 18. Vaurio J. Ideas and developments in importance measures and fault-tree techiques for reliability and risk analysis. Reliability Engineering and System Safety, 2010; 95: 99-107, https://doi.org/10.1016/j.ress.2009.08.006.
• 19. Vesely W, Davis T, Denning R, Saltos N. Measures of risk importance and their applications. Columbus: Battelle Columbus Labs, OH (USA), 1983, https://doi.org/10.2172/5786790.
• 20. Wu S. Joint importance of multistate system. Computers & Industrial Engineering, 2005; 49: 63-67, https://doi.org/10.1016/j. cie.2005.02.001.
• 21. Wu S, Coolen F. A cost-based importance measure for system components: An extension of the Birnbaum importance. European Journal of Operational Research, 2013; 189-195, https://doi.org/10.1016/j.ejor.2012.09.034.
• 22. Zafiropoulos E P, Dialynas N. E. Methodology for the optima komponent selection of electronic devices under reliability and cost constraints. Quality and Reliability Engineering International, 2007; 23 (8): 885-897, https://doi.org/10.1002/qre.850.
• 23. Zaitseva E, Levashenko V, Kostolny J. Application of logical differential calculus and binary decision diagram in importance analysis. Eksploatacja i Niezawodnosc - Maintenance and Reliability 2015; 17 (3): 379-388, https://doi.org/10.17531/ein.2015.3.8.
• 24. Zio E. Risk importance measures. In H. Pham (Ed.), Safety importance measures and its applications. London: Springer, 2011; 151-196, https://doi.org/10.1007/978-0-85729-470-8_6.
• 25. Zio E, Podofilini L. Accouniting for components interactions In the differentia importance measure. Reliability Engineering and System Safety, 2006; 91: 1163-1174, https://doi.org/10.1016/j.ress.2005.11.044.
• 26. Zio E, Podofilini L. The use of importance measures for the optimization of multi-state systems. Eksploatacja i Niezawodnosc – Maintenance and Reliability 2006; 2: 33-36.

Uwagi

PL

Błędna numeracja w bibliografii.