当前位置：首页 > news >正文

STK12与Python联合仿真（三）：分析星座覆盖性能

news 来源：原创 2024/4/29 11:40:00

分析星座覆盖性能

打开STK，连接到工程
创建种子星 (STK)
创建种子星 (Python)
生成星座
Python 创建覆盖网格
绑定卫星的传感器
建立星座
定义多重网格
计算与绘图
结语

打开STK，连接到工程

jupyter：

导入相关的包

from agi.stk12.stkdesktop import STKDesktop
from agi.stk12.stkobjects import *
from agi.stk12.stkutil import *
from agi.stk12.vgt import *
import os

链接STK

STK_PID = 5600  # 根据自己刚刚得到的PID
stk = STKDesktop.AttachToApplication(pid=int(STK_PID))
# stk = STKDesktop.StartApplication(visible=True) #using optional visible argument
root = stk.Root
print(type(root))

scenario = root.CurrentScenario # 链接当前场景

创建种子星 (STK)

这里我在STK手动建立了高度600km，倾角75° 的种子卫星，并携带了对地观测角80°的传感器
然后建立Wakler星座
在这里插入图片描述
设置36个轨道面，每个轨道面10个星

结果如下：

创建种子星 (Python)

# 创建星座 —— 种子卫星
sat_seed = scenario.Children.New(AgESTKObjectType.eSatellite,'COL') # 种子卫星

# 种子卫星属性
sat_seed.SetPropagatorType(2) #  J4 摄动
keplerian = sat_seed.Propagator.InitialState.Representation.ConvertTo(1)  # eOrbitStateClassical, Use the Classical Element interface
keplerian.SizeShapeType = 0  # eSizeShapeAltitude, Changes from Ecc/Inc to Perigee/Apogee Altitude
keplerian.LocationType = 5  # eLocationTrueAnomaly, Makes sure True Anomaly is being used
keplerian.Orientation.AscNodeType = 0  # eAscNodeLAN, Use LAN instead of RAAN for data entry

# Assign the perigee and apogee altitude values:
keplerian.SizeShape.PerigeeAltitude = 600      # km 近地点 高度
keplerian.SizeShape.ApogeeAltitude = 600       # km 远地点 高度

# Assign the other desired orbital parameters:
keplerian.Orientation.Inclination = 75         # deg 倾角 
keplerian.Orientation.ArgOfPerigee = 0        # deg 近地点幅角度
keplerian.Orientation.AscNode.Value = 0       # deg
keplerian.Location.Value =  0              # deg 平近点角

# Apply the changes made to the satellite's state and propagate:
sat_seed.Propagator.InitialState.Representation.Assign(keplerian)
sat_seed.Propagator.Propagate()

添加传感器，命名Cam

# 添加传感器
sensor = sat_seed.Children.New(AgESTKObjectType.eSensor,'Cam')

# 传感器属性
sensor.CommonTasks.SetPatternSimpleConic(40,1) # 半张角40°，角分辨率1°
LOS = sensor.AccessConstraints.AddConstraint(34) # Range 类型
# 对照 https://help.agi.com/stkdevkit/Content/DocX/STKObjects~Enumerations~AgEAccessConstraints_EN.html 
LOS = LOS.QueryInterface(STKObjects.IAgAccessCnstrMinMax)  # 如果报错没有QueryInterface方法就把这一段注释
LOS.EnableMax = True
LOS.Max = 1100

这里解释一下约束
首先https://help.agi.com/stkdevkit/Content/DocX/STKObjects_EnumerationsAgEAccessConstraints_EN.html 这里解释sensor.AccessConstraints.AddConstraint(34)是IAgAccessCnstrMinMax的Range 类型
因此要接入STKObjects.IAgAccessCnstrMinMax，然后LOS.EnableMax对应的是图中的可选框，是否激活
LOS.Max = 1100表示设定的值
比如LOS.EnableMin = True
LOS.Min = 10

在这里插入图片描述

生成星座

生成星座只需要一个命令，

root.ExecuteCommand(‘Walker */Satellite/COL Type Delta NumPlanes 16 NumSatsPerPlane 10 InterPlanePhaseIncrement 1 ColorByPlane Yes’);

在‘Walker */Satellite/COL Type Delta NumPlanes 16 NumSatsPerPlane 10 InterPlanePhaseIncrement 1 ColorByPlane Yes’ 这里面中，COL是种子卫星的平面，往后的参数依次是轨道平面数、每轨道卫星数、轨道相位因子，对应STK如下
在这里插入图片描述
（这里为了演示能快一点就减少了卫星数量）

Python 创建覆盖网格

covdef = scenario.Children.New(AgESTKObjectType.eCoverageDefinition,'testCov') # 创建Coverage definition

这里对应STK的
在这里插入图片描述
设置 Converage Defination的属性

covdef.Grid.BoundsType = 6 # VAR1
'''
1 Global
2 Latitude Bounds
3 Latitude Line
4 Longitude Line
5 Custom Boundary
6 LatLon Region
'''
covdef.Grid.Resolution.LatLon = 6   # VAR2
covdef.PointDefinition.Altitude = 10 # 10 km  # VAR3

# 如果选择eBoundsLatLonRegion可以定义网格的覆盖区域
# covdef.Grid.BoundsType = ‘eBoundsLatLonRegion’;
# covdef.Grid.Bounds.MinLongitude = -120;
# covdef.Grid.Bounds.MaxLongitude = 120;
# covdef.Grid.Bounds.MinLatitude = -30;
# covdef.Grid.Bounds.MaxLatitude = 30;

这里分别对应
在这里插入图片描述

绑定卫星的传感器

要读取所有可用的对象，放入all_list
由于我们只需要卫星的传感器，即放入sensor_list 里面
卫星传感器在列表中是交替列出的，因此只要间隔取样就可以了

all_list = covdef.AssetList.AvailableAssets
sensor_list = []
for e in range(len(all_list)):
    if e%2 == 0:
        pass
    else:
        sensor_list.append(all_list[e])

将所有传感器塞入

for j in sensor_list:
    covdef.AssetList.Add(j)

建立星座

sate_constellation = scenario.Children.New(AgESTKObjectType.eConstellation,'COL')

for obj in tqdm(all_list):
    sate_constellation.Objects.Add(obj)

定义多重网格

有时候我们需要分析不同高度的覆盖性能，但是手动添加太过繁琐，一下例程演示0-300km，采样间隔10km的网格创建。
并把不同网格放在一个列表里

covdef_lits = []
for i in range(0,310,10):
    _string = 'CovDef' + str(i)
    covdef = scenario.Children.New(AgESTKObjectType.eCoverageDefinition, _string)
    covdef.Grid.BoundsType = 6
    covdef.Grid.Resolution.LatLon = 6
    covdef.PointDefinition.Altitude = i 
    for j in sensor_list:
        covdef.AssetList.Add(j)
    covdef_lits.append(covdef)

计算与绘图

方法	变量值	描述
eFmAccessConstraint	0	Access Constraint Figure of Merit.
eFmAccessDuration	1	Access Duration Figure of Merit.
eFmAccessSeparation	2	Access Separation Figure of Merit.
eFmCoverageTime	3	Coverage Time Figure of Merit.
eFmDilutionOfPrecision	4	Dilution of Precision Figure of Merit.
eFmNAssetCoverage	5	N Asset Coverage Figure of Merit.
eFmNavigationAccuracy	6	Navigation Accuracy Figure of Merit.
eFmNumberOfAccesses	7	Number of Accesses Figure of Merit.
eFmNumberOfGaps	8	Number of Gaps Figure of Merit.
eFmResponseTime	9	Response Time Figure of Merit.
eFmRevisitTime	10	Revisit Time Figure of Merit.
eFmSimpleCoverage	11	Simple Coverage Figure of Merit.
eFmTimeAverageGap	12	Time Average Gap Figure of Merit.
eFmSystemResponseTime	13	System Response Time Figure of Merit.
eFmAgeOfData	14	Age of Data Figure of Merit.
eFmScalarCalculation	15	Scalar Calculation Figure of Merit.
eFmSystemAgeOfData	16	System Age Of Data Figure of Merit.

figmerit1.SetDefinitionType(1)  # eFmAccessDuration 
covdef_tmp.ComputeAccesses();

pov = covdef_tmp.DataProviders.Item('Coverage by Latitude').Exec() # Coverage By Latitude

这里对照Reoprt Style 的属性
在这里插入图片描述

data_array = pov.DataSets.ToArray() # 转换为数组

在这里插入图片描述
对比STK数据

完成绘图

import numpy as np
from matplotlib import pyplot as plt
data_array = np.array(data_array)
x = []
y = []
for ele in data_array:
    x.append(ele[0])
    y.append(ele[1])
    pass

plt.plot(x,y)