人工智能在航天器控制中的應(yīng)用*

劉付成

(1.上海航天控制技術(shù)研究所·上?！?01109;2.上海市空間智能控制技術(shù)重點(diǎn)實(shí)驗(yàn)室·上海·201109)

0 引 言

傳統(tǒng)航天器是在地面站支持下運(yùn)行的,存在自主性、時(shí)效性差等問(wèn)題,隨著人工智能技術(shù)的迅速發(fā)展,將人工智能技術(shù)應(yīng)用到航天器運(yùn)行中,可為航天器自主運(yùn)行、減少對(duì)地面站的依賴提供重要解決方案。本文詳細(xì)分析了人工智能與航天工業(yè)結(jié)合的必要性,通過(guò)對(duì)國(guó)內(nèi)外發(fā)展現(xiàn)狀的調(diào)研對(duì)比分析國(guó)內(nèi)外差距,進(jìn)而針對(duì)目前傳統(tǒng)航天器發(fā)展面臨的難題,提出了人工智能在航天器中應(yīng)用的建議,為航天器智能化發(fā)展奠定基礎(chǔ)。

1 人工智能對(duì)航天器的提升作用

自1956年麥卡錫 (John McCarthy)在達(dá)特茅斯研究會(huì)上第一次提出了人工智能這一概念以來(lái),人工智能的發(fā)展經(jīng)歷了2次繁榮期、2次低谷期、復(fù)蘇期,2010年至今迎來(lái)了大規(guī)模發(fā)展的增長(zhǎng)爆發(fā)期。人工智能正在向各個(gè)行業(yè)滲透,影響和改變著我們生活的方方面面[1]。

隨著各國(guó)對(duì)空間探索和利用的不斷深入,航天任務(wù)和航天器本身的日益復(fù)雜,將會(huì)使航天器的發(fā)展遇到越來(lái)越多的瓶頸:

1)深空探測(cè)中星表巡視器對(duì)未知環(huán)境的探索需地面給出控制指令,星地指令延時(shí)40min,無(wú)法及時(shí)給出控制指令,導(dǎo)致星表探測(cè)范圍有限,自主性和時(shí)效性差,因此需要星表巡視器具備地貌智能識(shí)別、自主規(guī)劃探索路徑的能力。

2)對(duì)地觀測(cè)分辨率越高,數(shù)據(jù)量越大,同時(shí)對(duì)于有效信息提取的難度也隨之增大,單純依靠人工和地面軟件對(duì)圖像信息進(jìn)行判讀難以滿足大量數(shù)據(jù)快速解讀的要求;同時(shí)目前采用星地窗口注入指令的方式,人工規(guī)劃周期1天到數(shù)天不等,時(shí)效性差,導(dǎo)致對(duì)突發(fā)事件響應(yīng)慢,因此需要遙感衛(wèi)星具備圖像在線智能自主識(shí)別、智能決策與任務(wù)規(guī)劃的能力。

3)空間目標(biāo)識(shí)別為在軌操控提供目標(biāo)信息,目前采用基于單一特征的傳統(tǒng)圖像處理方式,但在復(fù)雜空間環(huán)境下受陽(yáng)光直射及其他裝置光反射影響,會(huì)形成大量雜散光干擾,使得識(shí)別準(zhǔn)確率受到影響,甚至?xí)?dǎo)致操控任務(wù)失敗,因此目標(biāo)智能感知與匹配識(shí)別需求迫切。

4)運(yùn)載火箭伺服機(jī)構(gòu)因軟管破裂、液壓鎖卡滯、主閥芯卡死等原因易造成損傷故障和卡死故障,導(dǎo)致其控制效率下降或產(chǎn)生不可控制的擾動(dòng)力矩,傳統(tǒng)的控制方法控制策略簡(jiǎn)單,難以適應(yīng)伺服故障下的姿態(tài)穩(wěn)定問(wèn)題;發(fā)動(dòng)機(jī)因渦輪泵故障、推力室故障、管路系統(tǒng)故障等原因易造成其推力下降或損失明顯,目前地面離線軌道設(shè)計(jì)無(wú)法實(shí)時(shí)在線調(diào)整飛行軌跡,導(dǎo)致飛行任務(wù)部分失敗或全部失敗,因此自主故障診斷及重規(guī)劃需求迫切。

面向以上需求,將人工智能引入到航天器系統(tǒng)中,將使航天器具備深空探測(cè)自主規(guī)劃及智能勘探能力、星上海量數(shù)據(jù)在線智能處理能力、復(fù)雜目標(biāo)在軌智能操控能力、智能自主集群協(xié)同控制能力、針對(duì)系統(tǒng)不確定性進(jìn)行綜合判斷與智能決策能力等。因此,人工智能與航天結(jié)合的時(shí)代已經(jīng)到來(lái)。

AIAA(American Institute of Aeronautics and Astronautics,美國(guó)航空航天學(xué)會(huì))下屬的空間操作與支持技術(shù)委員會(huì) (SOSTC)對(duì)航天器的自主性及智能性水平進(jìn)行了調(diào)研分析,智能化水平按層次分為L(zhǎng)evel 1～Level 6這6個(gè)等級(jí)。Level 1:手動(dòng)操作;Level 2:自動(dòng)化;Level 3:有人地面智能推理;Level 4:無(wú)人地面智能推理;Level 5:在軌智能推理;Level 6:自主思考航天器[2]。目前國(guó)內(nèi)航天器的智能化水平主要處于Level 2～3,后續(xù)通過(guò)引入人工智能推動(dòng)航天器的智能化水平向Level 5～6發(fā)展。

2 國(guó)內(nèi)外發(fā)展現(xiàn)狀及趨勢(shì)

2.1 國(guó)外發(fā)展現(xiàn)狀

美國(guó)高度重視人工智能相關(guān)技術(shù)的研發(fā)與應(yīng)用,2016年10月,美國(guó)OSTP(Office for Information Technology Policy,白宮科技政策辦公室)下屬的NSTC(National Science and Technology Council,國(guó)家科學(xué)技術(shù)委員會(huì))發(fā)布了2份關(guān)于人工智能發(fā)展的重要報(bào)告—— 《為人工智能的未來(lái)做好準(zhǔn)備》和 《國(guó)家人工智能研究與發(fā)展戰(zhàn)略計(jì)劃》。2018年3月,美國(guó)CSIS(Center for Strategic and International Studies,國(guó)際戰(zhàn)略研究所)發(fā)布了 《美國(guó)機(jī)器智能國(guó)家戰(zhàn)略報(bào)告》,同年5月白宮主辦了人工智能峰會(huì),美國(guó)將增加人工智能在各領(lǐng)域的投入,包括對(duì)航天器智能控制的探索,確保美國(guó)在人工智能領(lǐng)域的世界領(lǐng)先地位。

2.1.1 國(guó)外衛(wèi)星智能技術(shù)發(fā)展

美國(guó)最早在1998年深空一號(hào) (DS-1)計(jì)劃中對(duì)深空航天器任務(wù)自主規(guī)劃、故障診斷修復(fù)進(jìn)行驗(yàn)證,DS-1中應(yīng)用的自主遠(yuǎn)程Agent是第一個(gè)采用人工智能實(shí)現(xiàn)無(wú)人監(jiān)控條件下的航天器在軌控制系統(tǒng)[3](圖1)。美國(guó)火星探測(cè)漫游車 (MER)和好奇號(hào)火星車?yán)密囕d自主軟件對(duì)自主障礙規(guī)避決策和控制進(jìn)行驗(yàn)證,火星車將測(cè)得數(shù)據(jù)傳回地面,地面操作人員生成任務(wù)層面指令發(fā)送給火星車,火星車根據(jù)該指令自主生成觀測(cè)任務(wù)規(guī)劃[4-7]。

圖1 遠(yuǎn)程Agent系統(tǒng)框架

美國(guó)在地球觀測(cè)1號(hào) (EO-1)和技術(shù)衛(wèi)星-21(TechSat-21)中應(yīng)用自動(dòng)科學(xué)航天器軟件(ASE),對(duì)遙感圖像在線判讀、觀測(cè)任務(wù)自主規(guī)劃進(jìn)行驗(yàn)證,能夠在線完成遙感圖像識(shí)別處理,并根據(jù)觀測(cè)到的事件對(duì)任務(wù)進(jìn)行重規(guī)劃,從而在下一個(gè)觀測(cè)周期中自動(dòng)瞄準(zhǔn)感興趣的觀測(cè)目標(biāo)。TechSat-21中的ASE相較于EO-1增加了星群管理軟件。ASE是NASA(National Aeronautics and Space Administration,美國(guó)國(guó)家航空航天局)研制的航天ASPEN(Automated Scheduling and Planning Environment,任務(wù)規(guī)劃調(diào)度平臺(tái))的在線實(shí)時(shí)版本。ASPEN根據(jù)航天器運(yùn)行約束、飛行規(guī)則、科學(xué)試驗(yàn)?zāi)繕?biāo)、運(yùn)行程序等,利用迭代修復(fù)算法實(shí)現(xiàn)連續(xù)規(guī)劃,自動(dòng)生成低層次的航天器控制動(dòng)作序列[8](圖2)。

圖2 ASPEN軟件界面

美國(guó)在軌操控任務(wù)從最初軌道快車 (Orbit Express)的ORU(Orbital Replacement Unit,在軌可更換單元)更換發(fā)展為機(jī)器人在軌燃料加注任務(wù) (RRM)的在軌燃料加注,直到2016年啟動(dòng)的RSGS(Robotic Servicing of Geosynchronous Satellites,地球同步軌道衛(wèi)星機(jī)器人服務(wù))項(xiàng)目,其任務(wù)是高軌廢棄衛(wèi)星的重新利用,在軌操控任務(wù)全面升級(jí)。RSGS項(xiàng)目中自主服務(wù)航天器(RSV)平臺(tái)首先完成了對(duì)客戶衛(wèi)星的近距離詳查,對(duì)太陽(yáng)電池陣、天線展開(kāi)故障等機(jī)械異常進(jìn)行修正,然后利用攜帶的FREND-MK2機(jī)械臂抓捕客戶衛(wèi)星形成組合體,并進(jìn)行軌道機(jī)動(dòng),最后為客戶衛(wèi)星安裝升級(jí)包,提供新功能[9](圖3)。

圖3 RSGS操控任務(wù)過(guò)程

美國(guó)ANTS(Autonomic Nano Technology Swarm,自主納技術(shù)集群)計(jì)劃包括:土星自主環(huán)形天線陣任務(wù) (SARA)、月球自主探測(cè)任務(wù)(ALI)、小行星帶勘探任務(wù) (PAM),其中ANTS/PAM計(jì)劃任務(wù)是利用集群智能技術(shù)探索和勘探小行星帶的小行星 (圖4)。ANTS/PAM計(jì)劃包括1000顆皮星,采用分級(jí)管理方法,按照功能分為員工 (Worker)、管理員 (Ruler)、信使(Messenger)三種類型,通過(guò)協(xié)同工作和共享信息完成集群探測(cè)任務(wù)[10]。

圖4 ANTS計(jì)劃示意圖

2.1.2 國(guó)外運(yùn)載智能技術(shù)發(fā)展

NASA從20世紀(jì)60年代應(yīng)用了簡(jiǎn)單的狀態(tài)監(jiān)測(cè);70年代應(yīng)用了基于算法的診斷 (阿波羅號(hào));80年代應(yīng)用了基于知識(shí)的智能診斷 (航天飛機(jī));到90年代之后進(jìn)入自動(dòng)化、自主化的診斷與健康管理過(guò)程[11-12];到21世紀(jì)在線軌跡規(guī)劃得到了應(yīng)用,如SpaceX火箭在返回段采用了基于凸優(yōu)化的在線軌跡規(guī)劃方法,正在研制的美國(guó)SLS重型運(yùn)載火箭在故障下通過(guò)自主規(guī)劃進(jìn)入一個(gè)安全軌道等待救援 (圖5)。

圖5 運(yùn)載智能發(fā)展歷程

SpaceX運(yùn)載火箭 (圖6)對(duì)飛行過(guò)程中動(dòng)力系統(tǒng)實(shí)時(shí)健康狀態(tài)檢測(cè)、飛行任務(wù)重規(guī)劃進(jìn)行驗(yàn)證。采用牽制釋放技術(shù),通過(guò)地面及箭上故障檢測(cè)系統(tǒng)實(shí)時(shí)監(jiān)測(cè)發(fā)動(dòng)機(jī)工作情況,檢測(cè)到異常可隨時(shí)中止發(fā)射,在發(fā)現(xiàn)1臺(tái)或2臺(tái)發(fā)動(dòng)機(jī)故障的情況下,重新計(jì)算和規(guī)劃飛行軌道,進(jìn)行自適應(yīng)制導(dǎo)、控制重構(gòu)分配 (圖7)。

圖6 SpaceX運(yùn)載火箭

圖7 SpaceX任務(wù)過(guò)程

SLS航天運(yùn)輸發(fā)射系統(tǒng) (圖8)采用了在線故障診斷與在線軌跡規(guī)劃技術(shù),可執(zhí)行定時(shí)、定姿、定點(diǎn)入軌條件或其他終端約束,可在任意兩級(jí)間加入一個(gè)滑行段并進(jìn)行優(yōu)化,根據(jù)出現(xiàn)故障嚴(yán)重程度的不同,力爭(zhēng)進(jìn)入預(yù)定軌道或進(jìn)入安全軌道 (圖9)。

圖8 SLS航天運(yùn)輸發(fā)射系統(tǒng)

圖9 SLS任務(wù)過(guò)程

縱觀國(guó)外智能航天器發(fā)展歷程,可以看出:

1)國(guó)外航天器人工智能技術(shù)研究主要集中在圖像識(shí)別、故障診斷、任務(wù)決策與規(guī)劃、在線制導(dǎo)等方面,在航天器控制中應(yīng)用較少;

2)國(guó)外航天器人工智能研究領(lǐng)域主要集中在深空、遙感、在軌操控、集群、運(yùn)載等,具備一定的自主識(shí)別、判斷與任務(wù)規(guī)劃能力;

3)國(guó)外航天器人工智能研究水平目前處于弱人工智能階段,尚不能真正實(shí)現(xiàn)推理、思考和解決問(wèn)題。

2.2 國(guó)內(nèi)發(fā)展現(xiàn)狀

2017年7月8日,我國(guó)頒布了 《國(guó)務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》,提出了發(fā)展人工智能的戰(zhàn)略態(tài)勢(shì)、總體要求、重點(diǎn)任務(wù)、資源配置、保障措施、組織實(shí)施,同年在科技創(chuàng)新2030重大項(xiàng)目中新增 “人工智能2.0”。

在深空領(lǐng)域,嫦娥三號(hào)軟著陸任務(wù)中,從著陸器攜帶的降落相機(jī)獲取的降落影像序列,圖像質(zhì)量清晰連續(xù),為著陸點(diǎn)精確定位提供了保障;嫦娥三號(hào)巡視器探測(cè)過(guò)程中,地面根據(jù)傳回的圖像確定巡視移動(dòng)策略和路徑,每項(xiàng)探測(cè)任務(wù)均在地面遠(yuǎn)程遙操作的控制方式下完成[13-15]。

在遙感領(lǐng)域,航天星圖科技有限公司創(chuàng)建了GEOVIS 5空天大數(shù)據(jù)承載與智能服務(wù)平臺(tái),將空天大數(shù)據(jù)、云計(jì)算與人工智能技術(shù)深度融合,提高了遙感數(shù)據(jù)處理能力和智能化水平。

在在軌操控領(lǐng)域,上海航天控制技術(shù)研究所研制的衛(wèi)星制導(dǎo)與控制系統(tǒng)具備一定的在線自主路徑規(guī)劃能力;中國(guó)空間技術(shù)研究院聯(lián)合哈爾濱工業(yè)大學(xué)等于2016年完成國(guó)際首次人機(jī)協(xié)同在軌維修任務(wù)驗(yàn)證,完成了插拔電連接器、旋擰螺釘?shù)仍囼?yàn)[16]。

在集群領(lǐng)域,上海航天控制技術(shù)研究所正在開(kāi)展七星集群五種協(xié)同觀測(cè)任務(wù)的自主規(guī)劃研究。

在運(yùn)輸故障診斷中,運(yùn)載火箭已經(jīng)實(shí)現(xiàn)了基于閾值的故障診斷,并在中國(guó)運(yùn)載火箭技術(shù)研究院研制的長(zhǎng)征二號(hào)F運(yùn)載火箭上得到了充分應(yīng)用,關(guān)于自動(dòng)或智能化的故障診斷技術(shù)研究較多。

在運(yùn)輸任務(wù)重規(guī)劃中,目前我國(guó)軌跡優(yōu)化方法均為地面離線生成,對(duì)在線軌跡規(guī)劃方法理論研究較多,尚未開(kāi)展工程應(yīng)用。

2.3 國(guó)內(nèi)外航天器智能技術(shù)發(fā)展對(duì)比

在戰(zhàn)略方面,國(guó)內(nèi)外均認(rèn)識(shí)到人工智能的重要性并制定了發(fā)展規(guī)劃,形成清晰的領(lǐng)域發(fā)展路線;在技術(shù)方面,美國(guó)是目前人工智能發(fā)展大國(guó),航天器智能化水平處于Level 5,中國(guó)人工智能技術(shù)剛剛起步,航天器智能化水平處于Level 2～3,相比之下存在較大的差距 (表1)。

表1 國(guó)內(nèi)外航天器智能技術(shù)發(fā)展分析對(duì)比

3 航天器人工智能技術(shù)發(fā)展建議

著力發(fā)展AI+深空、AI+遙感、AI+在軌操控、AI+集群、AI+故障診斷、AI+實(shí)時(shí)重規(guī)劃、AI+智能芯片,利用人工智能提升航天器系統(tǒng)性能,實(shí)現(xiàn)空間技術(shù)水平跨越式發(fā)展。

3.1 AI+深空

在欠人工監(jiān)督的遠(yuǎn)地天體表面環(huán)境中,巡視器探測(cè)的目標(biāo)通常僅呈現(xiàn)弱特征,因此必須充分利用巡視器有限的壽命與數(shù)據(jù)采集能力實(shí)現(xiàn)科學(xué)目標(biāo)的自主識(shí)別與復(fù)雜地形的自適應(yīng)探索,使得巡視器具備類似人腦的智能決策能力。針對(duì)深空探測(cè)中常見(jiàn)的可見(jiàn)光與LiDAR組合,利用深度學(xué)習(xí)技術(shù)的高級(jí)抽象特征自學(xué)習(xí)能力,采用主動(dòng)強(qiáng)化學(xué)習(xí)方法實(shí)現(xiàn)對(duì)深空弱特征目標(biāo)的自主識(shí)別與探測(cè),自主實(shí)現(xiàn)對(duì)深空弱特征目標(biāo)的類別識(shí)別與位置檢測(cè),解決在復(fù)雜未知環(huán)境下非自主探測(cè)帶來(lái)的探測(cè)范圍有限、探測(cè)效率低的問(wèn)題 (圖10)。

重點(diǎn)解決的問(wèn)題包括:

1)完善弱特征深空環(huán)境感知體系研究,建立深空弱特征目標(biāo)數(shù)據(jù)集庫(kù);

2)突破基于增強(qiáng)神經(jīng)網(wǎng)絡(luò)的特征感知增強(qiáng)技術(shù),實(shí)現(xiàn)光電信息融合特征智能提取算法。

圖10 MER自主探測(cè)系統(tǒng)工作流程[6]

3.2 AI+遙感

將深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)應(yīng)用到遙感目標(biāo)探測(cè)識(shí)別和路徑調(diào)整中,采用提升神經(jīng)網(wǎng)絡(luò)和虛擬支持向量機(jī)等技術(shù)提升識(shí)別準(zhǔn)確率,使遙感衛(wèi)星能夠在線實(shí)時(shí)處理遙感數(shù)據(jù),根據(jù)數(shù)據(jù)的分析結(jié)果進(jìn)行探測(cè)模式切換、觀測(cè)參數(shù)切換以及遙感數(shù)據(jù)智能處理、傳輸,以實(shí)現(xiàn)多星組網(wǎng)后脫離地面運(yùn)行控制系統(tǒng)支持的在軌全自主智能探測(cè)[17],解決人工判讀與規(guī)劃帶來(lái)的效率低、突發(fā)事件響應(yīng)慢的問(wèn)題。進(jìn)一步地,未來(lái)可構(gòu)建用戶模型驅(qū)動(dòng)的遙感信息智能服務(wù)體系,實(shí)現(xiàn)主動(dòng)準(zhǔn)確地滿足用戶個(gè)性化需求 (圖11)。

重點(diǎn)解決的問(wèn)題包括:

1)在成像時(shí)間、觀測(cè)角度、光照條件以及成像傳感器各異的情況下,利用數(shù)據(jù)驅(qū)動(dòng)多層神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)技術(shù),開(kāi)展異源圖像的智能匹配與識(shí)別,實(shí)現(xiàn)對(duì)突發(fā)事件的在軌高精度實(shí)時(shí)檢測(cè);

2)機(jī)動(dòng)過(guò)程多約束條件下強(qiáng)化學(xué)習(xí)智能路徑最優(yōu)規(guī)劃,完成航天器在軌智能姿態(tài)路徑尋優(yōu)。

圖11 遙感圖像智能檢測(cè)識(shí)別

3.3 AI+在軌操控

空間機(jī)器人具有對(duì)未知非合作目標(biāo)的空間感知、機(jī)動(dòng)接近和操作的能力,首先能夠在地面遙控下自主完成故障模塊更換、在軌加注、軌道清理、在軌裝配等任務(wù),后續(xù)逐漸發(fā)展為無(wú)人參與的全自主智能的在軌操控 (圖12)。需要解決復(fù)雜環(huán)境下空間目標(biāo)智能識(shí)別、動(dòng)態(tài)障礙規(guī)避與大角動(dòng)量柔順傳遞、多臂協(xié)同自主精細(xì)操作、基于視觸融合的異類信息智能感知等關(guān)鍵技術(shù)。

圖12 地球靜止軌道衛(wèi)星在軌操控任務(wù)過(guò)程

重點(diǎn)解決的問(wèn)題包括:

1)將深度學(xué)習(xí)和遷移學(xué)習(xí)等人工智能方法引入未知空間目標(biāo)的自主識(shí)別中,提高復(fù)雜環(huán)境下非合作目標(biāo)光學(xué)成像與測(cè)量的自適應(yīng)性、準(zhǔn)確性和魯棒性。首先突破復(fù)雜環(huán)境下合作目標(biāo)多過(guò)程動(dòng)態(tài)特征自學(xué)習(xí)技術(shù),完成合作目標(biāo)關(guān)鍵部組件識(shí)別模型的神經(jīng)網(wǎng)絡(luò)訓(xùn)練。再針對(duì)合作目標(biāo)與非合作目標(biāo)不變特征關(guān)聯(lián)性分析模型和深度神經(jīng)網(wǎng)絡(luò)參數(shù)自適應(yīng)遷移模型進(jìn)行研究,完成基于遷移學(xué)習(xí)的非合作目標(biāo)識(shí)別。

2)將智能行為規(guī)劃理論與方法應(yīng)用到翻滾目標(biāo)的安全自主逼近與抓捕任務(wù)中,使航天器能夠準(zhǔn)確地感知自身狀態(tài)和外部環(huán)境并進(jìn)行任務(wù)路徑規(guī)劃和柔順捕獲控制。建立翻滾目標(biāo)高精度運(yùn)動(dòng)模型 (含空間攝動(dòng)和目標(biāo)章動(dòng)),完成動(dòng)態(tài)障礙規(guī)避任務(wù)規(guī)劃及路徑設(shè)計(jì);解決抓捕過(guò)程中未知參數(shù)自適應(yīng)下的器臂耦合干擾、大角動(dòng)量柔順傳遞。

3)針對(duì)空間多臂協(xié)同操控任務(wù),將每條機(jī)械臂看成一個(gè)智能體,實(shí)現(xiàn)多機(jī)械臂運(yùn)動(dòng)過(guò)程中的協(xié)同、避撞和精確操控。機(jī)械臂通過(guò)傳感器自主感知環(huán)境,基于多智能體的控制方法智能決策與規(guī)劃每條臂的相對(duì)運(yùn)動(dòng)序列,實(shí)現(xiàn)多臂的一致性協(xié)同運(yùn)動(dòng);采用人工勢(shì)場(chǎng)法構(gòu)造每條機(jī)械臂和目標(biāo)的引/斥力場(chǎng),搜索勢(shì)函數(shù)的下降方向,以幫助機(jī)械臂尋找避障路徑。

4)基于視觸覺(jué)信息采集系統(tǒng),采用觸覺(jué)序列的卷積神經(jīng)網(wǎng)絡(luò)算法,使用壓力傳感器采集手指按壓不同目標(biāo)物的數(shù)據(jù),建立訓(xùn)練和測(cè)試數(shù)據(jù)集,從而提煉反映不同目標(biāo)物特性的基于時(shí)空維度的重要觸覺(jué)特征信息,實(shí)現(xiàn)目標(biāo)特征參數(shù)的精確獲取[18]。

3.4 AI+集群

航天器集群系統(tǒng)具有分布式的感知與執(zhí)行器,更好的容錯(cuò)性和魯棒性,能夠更有效地完成單個(gè)智能體無(wú)法完成的任務(wù)。要求集群系統(tǒng)在去中心的環(huán)境下僅利用有限的個(gè)體感知能力進(jìn)行決策與協(xié)調(diào),以消除個(gè)體沖突、實(shí)現(xiàn)系統(tǒng)級(jí)合作目標(biāo) (圖13)。

重點(diǎn)解決的問(wèn)題包括:

1)針對(duì)大規(guī)模緊密集群,解決滿足構(gòu)型控制需求的效率最優(yōu)種群拓?fù)浣Y(jié)構(gòu)建立問(wèn)題;

2)基于區(qū)域相對(duì)定位技術(shù),解決衛(wèi)星集群的相對(duì)測(cè)量問(wèn)題;

3)研究大規(guī)模蜂擁集群智能聚集控制技術(shù),研究解決視覺(jué)盲區(qū)、控制受限、鏈路時(shí)延、個(gè)體差異等約束下的群體行為規(guī)劃和控制。

圖13 智能集群關(guān)鍵技術(shù)

3.5 AI+故障診斷

根據(jù)系統(tǒng)采用的特征描述和決策方法的差異,形成了不同的故障診斷方法,應(yīng)用于航天器故障診斷的方法有很多種,其中應(yīng)用較多的有:基于模型的方法、基于信號(hào)處理的方法和基于人工智能的方法[19],人工智能是故障診斷領(lǐng)域發(fā)展的重點(diǎn)。故障自主診斷與重構(gòu)專家系統(tǒng)用于沒(méi)有精確數(shù)學(xué)模型或很難建立數(shù)學(xué)模型的復(fù)雜系統(tǒng),專家系統(tǒng)不僅要解決閉環(huán)系統(tǒng)故障的診斷,更重要的是對(duì)故障的預(yù)測(cè)及處理,以及對(duì)突發(fā)新故障的診斷。引入基于專家系統(tǒng)的智能診斷技術(shù),構(gòu)造多層人工神經(jīng)網(wǎng)絡(luò)模型,根據(jù)大量的歷史數(shù)據(jù)針對(duì)系統(tǒng)進(jìn)行訓(xùn)練及測(cè)試,用于后續(xù)故障預(yù)警和故障源識(shí)別查找,解決在軌故障判別效率低、突發(fā)故障定位不準(zhǔn)確、緩變故障預(yù)警不及時(shí)等問(wèn)題 (圖14)。

重點(diǎn)解決的問(wèn)題包括:

1)根據(jù)歷史在軌數(shù)據(jù)建立故障診斷知識(shí)庫(kù)、推理機(jī)、動(dòng)態(tài)數(shù)據(jù)庫(kù)以及知識(shí)獲取子系統(tǒng);

2)根據(jù)航天器故障多具有隨機(jī)性、多層次性和非線性的特點(diǎn),利用現(xiàn)有數(shù)據(jù)庫(kù),完成專家系統(tǒng)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練;

3)開(kāi)發(fā)集故障診斷、狀態(tài)監(jiān)測(cè)、健康評(píng)估、故障預(yù)測(cè)于一體的航天器健康管理系統(tǒng)。

圖14 故障檢測(cè)隔離和恢復(fù) (FDIR)功能框圖[12]

3.6 AI+實(shí)時(shí)重規(guī)劃

航天運(yùn)輸系統(tǒng)飛行任務(wù)越來(lái)越復(fù)雜,突發(fā)狀況下傳統(tǒng)的離線規(guī)劃方法很難滿足飛行需求,這在很大程度上要求制導(dǎo)方法必須具備自主應(yīng)對(duì)各種飛行狀況的能力,將自主規(guī)劃技術(shù)應(yīng)用到運(yùn)載火箭飛行控制中,可解決發(fā)動(dòng)機(jī)推力下降、異常關(guān)機(jī)等突發(fā)狀況,提升飛行任務(wù)的成功率和系統(tǒng)的可靠性。

美國(guó)SLS重型運(yùn)載火箭采用的制導(dǎo)方法可以在故障下通過(guò)自主規(guī)劃進(jìn)入一個(gè)安全軌道等待救援。俄羅斯專家也認(rèn)識(shí)到先進(jìn)的制導(dǎo)方法能夠提高任務(wù)可靠性,另一個(gè)值得關(guān)注的趨勢(shì)是端對(duì)端的任務(wù)規(guī)劃,即考慮從火箭起飛到飛行器進(jìn)入最終軌道的全過(guò)程,不再采用預(yù)先序貫式分段的設(shè)計(jì)方法,強(qiáng)調(diào)全程整體優(yōu)化[20]。

重點(diǎn)解決的問(wèn)題包括:

1)將實(shí)時(shí)軌道規(guī)劃的多約束問(wèn)題轉(zhuǎn)化為數(shù)學(xué)描述問(wèn)題;

2)目前算法普遍存在初值敏感、收斂慢、實(shí)時(shí)性差等問(wèn)題。

結(jié)合國(guó)外的研究,基于凸優(yōu)化描述的實(shí)時(shí)重規(guī)劃是解決上述問(wèn)題的有效途徑之一,后續(xù)可重點(diǎn)關(guān)注該技術(shù)的發(fā)展和開(kāi)展相關(guān)的技術(shù)研究 (圖15)。

圖15 實(shí)時(shí)重規(guī)劃基本流程圖

3.7 AI+智能芯片

下一代智能計(jì)算是一種面向性能、節(jié)能、容錯(cuò)的智能計(jì)算技術(shù)。利用任務(wù)運(yùn)行的態(tài)勢(shì)進(jìn)行實(shí)時(shí)決策、實(shí)時(shí)全系統(tǒng)重構(gòu),為智能飛行控制系統(tǒng)提供一種動(dòng)態(tài)自適應(yīng)的軟硬件環(huán)境,提高飛行控制計(jì)算平臺(tái)的性價(jià)比,從而充分利用系統(tǒng)的全局計(jì)算資源,相對(duì)非智能計(jì)算的系統(tǒng)架構(gòu),能耗與計(jì)算效能得到提升,為智能飛行控制需要運(yùn)行的復(fù)雜智能算法提供高效、優(yōu)化的軟硬件運(yùn)行環(huán)境、開(kāi)發(fā)和測(cè)試驗(yàn)證環(huán)境。此外,可以在系統(tǒng)出現(xiàn)故障時(shí),對(duì)系統(tǒng)進(jìn)行動(dòng)態(tài)重構(gòu),提高系統(tǒng)的可靠性,為飛行控制故障處理提供計(jì)算上的保障 (圖16)。以專為機(jī)器學(xué)習(xí)打造的TPU處理器為例:

1)推理性能:TPU平均比CPU和GPU快15～30倍。實(shí)時(shí)決策、實(shí)時(shí)全系統(tǒng)重構(gòu),為智能飛行控制提供神經(jīng)網(wǎng)絡(luò)/深度學(xué)習(xí)的動(dòng)態(tài)自適應(yīng)環(huán)境;

2)運(yùn)算效率:TPU脈動(dòng)陣列架構(gòu),處理卷積比較高效,性能功耗比CPU/GPU高30～80倍,滿足Google神經(jīng)網(wǎng)絡(luò)應(yīng)用的99%時(shí)間需求。

圖16 智能計(jì)算系統(tǒng)框架

4 小 結(jié)

人工智能作為一項(xiàng)引領(lǐng)未來(lái)的戰(zhàn)略技術(shù),其出現(xiàn)對(duì)傳統(tǒng)航天具備較強(qiáng)的賦能作用,是不容錯(cuò)過(guò)的跨越式發(fā)展時(shí)機(jī),人工智能與航天結(jié)合的時(shí)代已經(jīng)到來(lái)。將人工智能引入到航天器系統(tǒng)中,給航天器裝上大腦,將使航天器具備自感知、自學(xué)習(xí)、自決策、自執(zhí)行、自適應(yīng)能力,提高航天器對(duì)空間復(fù)雜任務(wù)自主適應(yīng)的能力。