⚡ electrical engineering

Analysis and Design of Spare Strategy for Large-Scale Satellite Constellation Using Direct Insertion under (r,q) Policy

本文提出了一种基于马尔可夫链的框架，用于在(r,q)策略下采用直接插入法分析和优化大规模卫星星座的成本效益备件管理策略。

原作者： Seungyeop Han, Zachary Grieser, Shoji Yoshikawa, Takumi Noro, Takumi Suda, Koki Ho

发布于 2026-05-21

📖 1 分钟阅读☕ 轻松阅读

原作者： Seungyeop Han, Zachary Grieser, Shoji Yoshikawa, Takumi Noro, Takumi Suda, Koki Ho

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，成千上万颗卫星组成庞大的舰队环绕地球运行，它们协同工作，如同一张巨大且高科技的网，提供互联网或通信服务。就像任何机器一样，这些卫星有时也会发生故障。当其中一颗发生故障时，整个网络就会变得略微脆弱。为了保持这张网的强度，公司需要制定一项计划，确保拥有“备用”卫星随时准备介入，立即填补空缺。

本文旨在设计管理这些备用卫星的最有效方法。作者团队来自佐治亚理工学院和三菱电机，他们构建了一个数学“水晶球”，用于精确预测应保留多少备用卫星，以及何时订购新卫星，从而在确保网络安全的同时节省成本。

以下是他们方法的简要解析，辅以简单的类比：

1. 两种补货方式：“出租车”与“公交车”

本文比较了将备用卫星送入轨道的两种途径：

间接策略（公交车）： 你将装满备用卫星的巨大火箭送入“停泊轨道”（等待车道）。它们在那里等待，直到地球引力自然将它们漂移至正确位置，从而加入主舰队。这种方式单颗卫星成本较低，但耗时很长，因为“公交车”行驶缓慢。
直接策略（出租车）： 这是本文的重点。你使用较小的火箭将备用卫星直接飞抵发生故障卫星的确切位置。这就像叫出租车而不是等待公交车。它速度更快，能立即完成任务，但单次行程成本更高。

2. “加油站”法则：(r, q) 策略

为了管理备用卫星，作者使用了一种经典的库存规则，称为**(r, q) 策略**。不妨将其想象成加油站或咖啡店：

再订货点 (r)： 想象你经营一家咖啡店。你决定，当咖啡豆库存降至10 袋时，必须订购更多。你不会等到用完才行动，而是提前采取行动。
订货量 (q)： 当你达到 10 袋的临界点时，你并非只订购一袋，而是订购一大批，例如5 袋，使库存恢复到舒适水平。

在卫星领域，“库存”是指轨道上待命的备用卫星数量。当备用卫星数量降至特定水平（ $r$ ）时，便发射新的一批（ $q$ ）以补充“油箱”。

3. “水晶球”：马尔可夫链

这个问题最困难的部分在于，卫星故障是随机的（就像雨天汽车引擎故障），而火箭发射所需的时间也各不相同（就像交通延误）。

作者使用了一种名为马尔可夫链的数学工具。想象一个掷骰子行棋的棋盘游戏：

骰子： 一个骰子代表“今天是否有卫星故障？”，另一个骰子代表“新火箭今天是否抵达？”。
棋盘： 棋盘上的方格代表你当前拥有的备用卫星数量。
水晶球： 数学计算并非只玩一次游戏，而是计算玩这个游戏数百万次的平均结果。它能精确预测你多久会耗尽备用卫星，以及在长期内将花费多少资金。

这使得他们无需实际等待 20 年观察结果，就能预见未来。

4. 目标：完美的平衡

作者构建了一个计算机模型，以寻找“恰到好处”的解决方案。

如果订购的备用卫星太少，网络将面临故障风险（对业务不利）。
如果订购太多，则会浪费数百万美元来建造和发射不需要的卫星。

他们利用现实世界中的“巨型星座”（庞大的卫星网络）进行模拟，以找出 $r$ 和 $q$ 的最佳数值。

5. 他们的发现

速度与成本： “直接策略”（出租车）速度极快。尽管单次发射成本更高，但数学计算表明，针对这种特定配置，它实际上是运行整个操作最经济的方式，因为它能保持网络顺畅运行，避免了昂贵的停机时间。
“满载卡车”技巧： 他们发现，即使你只需要几颗卫星，购买整枚火箭发射（整辆卡车）通常也比只支付几个座位的费用（拼车）更便宜，因为整辆卡车的折扣幅度非常大。
超快计算： 他们的新方法速度极快。传统的计算机模拟需要数小时才能预测这些卫星的未来，而他们的“马尔可夫链”方法在不到一毫秒内即可完成。这意味着工程师在冲泡一杯咖啡的时间内，就能测试数千种不同的方案。

总结

简而言之，这篇论文为卫星公司提供了一个全新的、超快速的计算器。它帮助他们精确计算应在轨道上保留多少备用卫星，以及何时发射它们，从而确保既不浪费资金，也不让顾客失去服务。他们证明，对于大型卫星网络而言，将备用卫星直接送往故障点是一项制胜策略。

技术摘要：基于 (𝑟, 𝑞) 策略的大规模卫星星座直接插入备用策略分析与设计

问题陈述
大规模低地球轨道（LEO）卫星星座需要稳健的备用管理策略，以在卫星故障期间维持性能。虽然轨上维修往往因成本过高而不可行，但随着发射成本下降和规模化生产带来的效率提升，发射替换卫星正变得日益具有成本效益。存在两种主要的补充策略：间接策略（将备用卫星批量送入停泊轨道，随后通过漂移转移）和直接策略（立即插入星座轨道面）。本文聚焦于直接备用策略，旨在解决针对直接插入的 $(r, q)$ 库存策略（再订货点 $r$ ，订货量 $q$ ）进行建模、评估和优化的严谨且高效的分析框架需求。与以往依赖计算密集型模拟的研究不同，本研究旨在提供一种适用于设计优化的快速、准确的解析方法。

方法论
作者提出了一种基于离散时间马尔可夫链的框架，用于建模卫星故障和运载火箭（LV）提前期的随机动态。该方法按以下步骤进行：

系统建模：
- 状态定义： 单个轨道面内的卫星数量（运行卫星加备用卫星）被建模为状态 $X_k \in \{0, 1, \dots, N_{sat}\}$ 。
- 故障动态： 卫星故障遵循速率为 $\lambda_{sat}$ 的泊松过程。构建转移矩阵 $P_f$ 以模拟状态减少，假设故障的运行卫星立即由备用卫星替换，且备用卫星本身不会发生故障。
- 提前期动态： 地面补货提前期被建模为移位指数分布（ $T \sim \text{Exp}(\mu_{lv}) + \tau_{lv}$ ），其中 $\tau_{lv}$ 为常数处理延迟。
- 策略逻辑： 执行 $(r, q)$ 策略：若库存水平降至或低于 $r$ ，则下达 $q$ 个备用卫星的订单。
解析推导：
核心贡献是通过将补货周期分解为两个不同阶段，推导出整个补货周期内的稳态分布（ $\pi_{rc}$ ）：
- 订货间隔期（IO 期）： 从补货到达至库存水平触及再订货点 $r$ 的时间。作者利用投影矩阵（ $C_r^+$ ）隔离 $r$ 以上的状态，推导出期望状态分布 $\pi_{io}$ 和持续时间 $k_{io}$ 。
- 提前期（LT 期）： 从下达订单到新备用卫星到达的时间。利用提前期概率密度和故障矩阵 $P_f$ 推导出期望分布 $\pi_{lt}$ 和持续时间 $k_{lt}$ 。
- 周期聚合： 整体稳态分布 $\pi_{rc}$ 计算为 $\pi_{io}$ 和 $\pi_{lt}$ 的加权线性组合，并以其各自的期望持续时间为基准进行归一化。
优化框架：
利用推导出的 $\pi_{rc}$ ，作者构建了一个优化问题，以最小化总期望运营成本（ $C_{total}$ ），该成本定义为制造成本、持有成本和发射成本之和。该问题受以下约束：
- 弹性约束： 期望缺货量（ $S$ ）不得超过用户定义的阈值 $\epsilon$ 。
- 有效载荷约束： 订单总质量（ $q \times m_{sat}$ ）不得超过运载火箭的有效载荷能力。
- 决策变量： 订货量 $q$ 和再订货点 $r$ 的整数值。

主要贡献

直接策略分析： 本文提供了专门针对直接备用补充策略的详细解析模型，扩展了以往侧重于间接策略的研究。
非迭代解法： 与可能需要迭代过程的间接策略分析不同，此处提出的直接策略分析是非迭代的。它通过矩阵运算求解稳态分布，显著降低了计算复杂度。
成本与弹性指标： 该框架明确量化了运营成本（制造、持有、发射）与系统弹性（期望缺货量）之间的权衡，支持数据驱动的设计决策。
验证： 该解析模型在 100 个具有不同参数（故障率、提前期、订单规模）的测试案例中与蒙特卡洛模拟进行了验证。

结果

准确性与效率： 数值验证表明，与 20 年蒙特卡洛模拟（平均 1,000 次运行）相比，该解析方法的最大相对误差小于 1%。解析方法在一毫秒内即可计算出结果，而模拟则需要数小时，证实了其作为优化内环的适用性。
优化发现：
- 在基准场景（故障率 $\lambda_{sat} = 0.05$ ，缺货阈值 $\epsilon = 0.25$ ）下，发现最优策略为 $q=2$ 和 $r=39$ 。
- 拼车与全包合同： 分析显示，即使存在拼车机会，预留整枚运载火箭通常也是最优的，这是由于假设的特定成本结构所致（按单位定价需支付 20% 的溢价）。仅在极低故障率 regime（ $\lambda_{sat} \in [0.001, 0.008]$ ）下，拼车才具有成本效益。
- 敏感性： 随着卫星故障率的增加，为维持所需的弹性水平，最优再订货点 $r$ 会增加（例如从 39 增至 42），同时总成本相应上升。

意义与主张
本文主张，所提出的基于马尔可夫链的框架为大规模星座备用管理策略的分析与设计提供了一种快速且准确的工具。其主要意义在于通过提供一种计算高效的替代方案（替代依赖大量模拟的方法），实现了设计优化。作者指出，直接策略的优化结果可作为对比研究中的参照，用于与间接策略进行比较。此外，该框架被展示为可扩展至其他星座配置（例如异构智能体）和替代补充策略，尽管当前工作严格聚焦于 $(r, q)$ 策略下的直接策略。