月球風(fēng)化層鉆取采樣過(guò)程密實(shí)度分類研究

鄭燕紅，鄧湘金，龐勇，金晟毅，姚猛，趙志暉

1. 北京空間飛行器總體設(shè)計(jì)部，北京 100094

2. 北京衛(wèi)星制造廠，北京 100094

中國(guó)月球探測(cè)按照“繞、落、回”三步走戰(zhàn)略規(guī)劃，正在開展第三步“回”的研制工作，將發(fā)射嫦娥五號(hào)探測(cè)器實(shí)施無(wú)人采樣返回任務(wù)[1-2]，通過(guò)鉆取采樣獲取月球風(fēng)化層月壤樣品是任務(wù)的重要環(huán)節(jié)之一。早在20世紀(jì)70年代，鉆取采樣在Apollo任務(wù)、Luna任務(wù)中就作為一種重要的采樣方式獲取了大量月球樣品[3-5]。隨著月球南極成為月球探測(cè)新的熱點(diǎn)，美國(guó)、俄羅斯新發(fā)布的深空探測(cè)器計(jì)劃[6-7]，均將月球采樣作為重返月球的重要標(biāo)志之一，鉆取采樣必將發(fā)揮重要作用。

鉆取采樣的對(duì)象是月球風(fēng)化層的月壤，不同于地球土壤，其不受空氣、流動(dòng)水、微生物等因素影響，大多數(shù)位置的巖土特性處于較為穩(wěn)定狀態(tài)，然而由于小天體撞擊等影響，月壤密實(shí)度在不同位置、不同深度則呈現(xiàn)較大差異。月壤密實(shí)度尤其是鉆進(jìn)過(guò)程中的在線密實(shí)狀態(tài)，是鉆取采樣策略制定的重要依據(jù)。目前月壤密實(shí)度信息仍主要以離線方式獲得，測(cè)定途徑主要利用月壤樣品最大最小密度、宇航員腳印、月球車軌跡、月面漂礫軌跡、月壤耐穿透性等。這類測(cè)量結(jié)果可為鉆取采樣產(chǎn)品研制提供邊界，但對(duì)月球地質(zhì)構(gòu)造的不可預(yù)知性、不同采樣位置的隨機(jī)性反映不足，Luna 16、Apollo 15任務(wù)實(shí)施過(guò)程中，均出現(xiàn)過(guò)密實(shí)月壤卡滯鉆桿的情況[8]。因此更快捷地獲取鉆取采樣過(guò)程中的月壤密實(shí)度狀態(tài)對(duì)鉆取工作的順利進(jìn)行具有重要意義。文獻(xiàn)[9] 綜合考慮月壤、巖石情況，分析了鉆進(jìn)扭矩、鉆壓力的時(shí)域與頻域特征，利用支持向量機(jī)(Support Vector Mechine,SVM)方法實(shí)現(xiàn)了高準(zhǔn)確率的可鉆性等級(jí)辨識(shí)，但可鉆性對(duì)差異較小的風(fēng)化層月壤刻畫略有不足。文獻(xiàn)[10]通過(guò)加速度計(jì)或振動(dòng)儀測(cè)量鉆取采樣機(jī)構(gòu)在多個(gè)方向的頻率響應(yīng)，通過(guò)神經(jīng)網(wǎng)絡(luò)自主分析鉆取采樣機(jī)構(gòu)健康狀態(tài)，在地面試驗(yàn)中取得了較好的效果，但其關(guān)注點(diǎn)主要集中在機(jī)構(gòu)上，在對(duì)象狀態(tài)分析方面偏少。

本文針對(duì)月球風(fēng)化層無(wú)人自動(dòng)鉆取采樣過(guò)程，通過(guò)合理配置輕小型月壤狀態(tài)感知傳感器，獲取月壤狀態(tài)瞬時(shí)信息，構(gòu)造一類適用于月壤密實(shí)度分類的門控型循環(huán)神經(jīng)網(wǎng)絡(luò)(GRU)，對(duì)長(zhǎng)度可變的信息序列進(jìn)行自主分類識(shí)別，通過(guò)地面試驗(yàn)數(shù)據(jù)建立分類模型，并驗(yàn)證其泛化能力，為月壤原位特性分析與在軌鉆進(jìn)策略制定提供技術(shù)支持。

1 鉆取采樣過(guò)程

月球鉆取采樣可分為硬管取芯與軟管取芯2種方式，軟管取芯方式可同步完成月壤鉆進(jìn)與樣品收納，并可保持風(fēng)化層月壤的層序信息，相對(duì)于硬管取芯其具有質(zhì)量輕、易回收等優(yōu)點(diǎn)，有利于無(wú)人自動(dòng)月球采樣返回任務(wù)的實(shí)施[11]。鉆取采樣獲取樣品是通過(guò)機(jī)構(gòu)與月壤的相互作用，使局部月壤與相鄰區(qū)域月壤發(fā)生分離的過(guò)程。采樣機(jī)構(gòu)對(duì)原位月壤施加縱向下壓力、橫向切削力[12]，對(duì)可能存在的硬物質(zhì)提供沖擊破碎力，對(duì)軟管取芯還提供一定的軟管保持力，通常包含加載機(jī)構(gòu)、鉆進(jìn)機(jī)構(gòu)、提芯機(jī)構(gòu)，如圖1所示。加載機(jī)構(gòu)利用電機(jī)卷繞繩系帶動(dòng)鉆進(jìn)機(jī)構(gòu)以一定的速度向下運(yùn)動(dòng)提供加載力；鉆進(jìn)機(jī)構(gòu)通過(guò)電機(jī)驅(qū)動(dòng)鉆桿以一定轉(zhuǎn)速或沖擊頻率對(duì)風(fēng)化層月壤進(jìn)行回轉(zhuǎn)或沖擊破碎，提供切削力和沖擊力；提芯機(jī)構(gòu)通過(guò)拉繩與內(nèi)嵌軟管連接，提供軟管保持力，確保軟管可用容積不斷增加，降低月壤進(jìn)入阻力。

圖1 鉆取采樣機(jī)構(gòu)示意圖

月球風(fēng)化層鉆取采樣對(duì)象是具有一定深度剖面的月壤，由不同的層構(gòu)成，各層月壤的粒徑分布、密實(shí)度等存在隨機(jī)性，層與層沿縱向變化的不連續(xù)性，采樣作用對(duì)原位月壤引入的擾動(dòng)性，導(dǎo)致螺旋鉆桿在各層的負(fù)載變得不確定[13-14]，對(duì)鉆進(jìn)機(jī)構(gòu)、加載機(jī)構(gòu)工作策略適應(yīng)性帶來(lái)了挑戰(zhàn)。對(duì)采樣機(jī)構(gòu)而言，不同月壤狀態(tài)將導(dǎo)致機(jī)構(gòu)作用力、力矩、速度、溫度發(fā)生變化，因此可設(shè)置相應(yīng)的傳感器對(duì)這類狀態(tài)信號(hào)進(jìn)行獲取，從而感知風(fēng)化層月壤狀態(tài)信息。從圖1可見，鉆取采樣縱向運(yùn)動(dòng)的鉆進(jìn)速度v(可通過(guò)位移s差分)、加載力ft可通過(guò)加載機(jī)構(gòu)進(jìn)行控制，徑向運(yùn)動(dòng)的回轉(zhuǎn)轉(zhuǎn)速nr、回轉(zhuǎn)扭矩(與電流i成正比)可通過(guò)鉆進(jìn)機(jī)構(gòu)進(jìn)行控制，同時(shí)提芯拉繩的提拉力fk可對(duì)芯管收納月壤的阻力進(jìn)行感知，而加載機(jī)構(gòu)、鉆進(jìn)機(jī)構(gòu)的電機(jī)隨著工作時(shí)間、負(fù)載的變化，其工作溫度tt、tr也隨之變化。因此對(duì)加載機(jī)構(gòu)可配置位移、力、溫度傳感器分別對(duì)鉆進(jìn)速度、加載力、加載電機(jī)溫度變化情況進(jìn)行測(cè)量；對(duì)鉆進(jìn)機(jī)構(gòu)配置速度、電流、溫度傳感器對(duì)回轉(zhuǎn)轉(zhuǎn)速、回轉(zhuǎn)扭矩、回轉(zhuǎn)電機(jī)溫度變化情況進(jìn)行測(cè)量；對(duì)提芯機(jī)構(gòu)配置力傳感器對(duì)提供的提芯力進(jìn)行測(cè)量。

如圖2所示，在鉆取采樣過(guò)程中，通過(guò)上述傳感器獲取的反映風(fēng)化層月壤狀態(tài)的瞬時(shí)信息x，可表示為

(1)

以一定時(shí)間段內(nèi)的瞬時(shí)信息構(gòu)成序列輸入，通過(guò)有效的狀態(tài)感知方法，生成表征局部月壤特性的輸出信息c，為鉆取采樣策略生成與控制提供依據(jù)信息，形成器上自主或天地協(xié)同回路。

圖2 鉆取采樣月壤狀態(tài)感知示意圖

2 月壤密實(shí)度

根據(jù)第1節(jié)的描述，鉆取采樣過(guò)程是在加載機(jī)構(gòu)、鉆進(jìn)機(jī)構(gòu)、提芯機(jī)構(gòu)的作用下，通過(guò)剪切破碎使局部區(qū)域月壤發(fā)生原位分離的過(guò)程，局部區(qū)域月壤的抗剪性是影響鉆具與月壤相互作用的重要因素，而風(fēng)化層月壤的抗剪性與月壤密實(shí)度正相關(guān)，因此鉆取采樣過(guò)程中風(fēng)化層月壤密實(shí)度可作為狀態(tài)感知的特征輸出。密實(shí)度是反映顆粒土壤聚集情況的重要參數(shù)，對(duì)于顆粒型土壤，密實(shí)度dr的表達(dá)式為

(2)

式中：ρmax、ρmin分別為最大、最小密度；ρ為當(dāng)前狀態(tài)密度。根據(jù)密實(shí)度定義，風(fēng)化層月壤可根據(jù)密實(shí)程度分為5類[15]，如表1所示。

表1 月壤密實(shí)度分類

Apollo任務(wù)證實(shí)，月壤與地球土壤的密實(shí)度存在較大差異，對(duì)淺層月壤密實(shí)度最佳估計(jì)表明，月表15 cm以內(nèi)的月壤密實(shí)度約65%，當(dāng)深度超過(guò)30 cm時(shí)密實(shí)度將急劇上升至92%左右[8]。因此，月球風(fēng)化層鉆取采樣過(guò)程中的月壤密實(shí)度主要集中在中密、密實(shí)與極密范圍內(nèi)。

月球探測(cè)器采用的鉆取采樣機(jī)構(gòu)往往具有較為嚴(yán)格的重量約束，僅能通過(guò)輕小型傳感器獲取力、位移、轉(zhuǎn)速、電流、溫度等狀態(tài)量，難以配置復(fù)雜的傳感器直接獲取表征月壤狀態(tài)的瞬時(shí)密實(shí)度。另一方面，鉆取采樣控制系統(tǒng)為確保系統(tǒng)的魯棒性，通常具有較好的擾動(dòng)抑制能力[16]，過(guò)于精細(xì)的月壤密實(shí)度信息將增大控制系統(tǒng)設(shè)計(jì)難度。因此，采用既具有一定區(qū)分度，又具有一定容忍度的月壤密實(shí)度刻畫可與后端策略生成與控制形成良好的匹配。

中國(guó)探月工程實(shí)施過(guò)程中，對(duì)模擬月壤進(jìn)行了廣泛的研究[17-18]，采樣模擬月壤與月面軟著陸、月面巡視探測(cè)研究的模擬月壤有所不同，其對(duì)月壤密實(shí)度的關(guān)注度更高。其從物質(zhì)成份、顆粒形態(tài)、顆粒密度、水份含量等方面進(jìn)行基礎(chǔ)原料控制，按照一定的粒徑級(jí)配進(jìn)行混雜，通過(guò)控制如圖3所示振動(dòng)臺(tái)的振動(dòng)量級(jí)、振動(dòng)時(shí)間獲取所需的模擬月壤當(dāng)前狀態(tài)密度ρ，從而根據(jù)式(2)制備不同密實(shí)程度的模擬月壤分層，然后將各個(gè)分層進(jìn)行拼接組成具有一定深度的鉆取采樣模擬月壤。利用該方法，在地面試驗(yàn)過(guò)程中可制備中密、密實(shí)、極密3類不同密實(shí)度狀態(tài)的模擬月壤，開展大量的鉆取采樣試驗(yàn)驗(yàn)證，試驗(yàn)裝置如圖4所示，獲取各傳感器的特征數(shù)據(jù)，建立傳感器狀態(tài)量與模擬月壤密實(shí)度的感知模型。

鉆取采樣在軌實(shí)施過(guò)程中，可利用獲取的感知模型，完成風(fēng)化層月壤密實(shí)度的分類預(yù)測(cè)，為在軌鉆進(jìn)策略制定提供支持。

圖3 模擬月壤制備示意圖

圖4 鉆取采樣試驗(yàn)裝置

3 感知分類

由于采集到的各傳感器數(shù)據(jù)為基于時(shí)間的序列信息，門控型循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)該類數(shù)據(jù)處理具有廣泛的應(yīng)用，并取得了良好的效果[19-22]。針對(duì)風(fēng)化層月壤鉆取采樣過(guò)程，設(shè)計(jì)如圖5所示密實(shí)度分類網(wǎng)絡(luò)。

圖5 月壤密實(shí)度分類網(wǎng)絡(luò)

月球風(fēng)化層鉆取采樣過(guò)程中，探測(cè)器以一定的時(shí)間間隔下傳傳感器數(shù)據(jù)，每幀下傳數(shù)據(jù)可作為一個(gè)時(shí)間步數(shù)據(jù)x(k)∈Rp×1(k=1,2，…,n)，其中p為傳感器特征數(shù)據(jù)維數(shù)。設(shè)用于密實(shí)度分類的數(shù)據(jù)序列長(zhǎng)度為n，可圍繞標(biāo)稱值上下波動(dòng)，每個(gè)時(shí)間步單元Tk具有相同的門控結(jié)構(gòu)，重置門、更新門輸出取值范圍為0～1，具有門控特性，重置門輸出r(k)決定前一時(shí)間步信息量h(k-1)的遺忘因子，更新門輸出z(k)決定傳遞至后一時(shí)間步的信息量h(k)的組合因子。門控單元Tk可描述為

(3)

式中：g(k)為組合信息；ur(k)、uz(k)、ug(k)為凈輸入。設(shè)門控單元內(nèi)部維數(shù)為q，則g(k)、r(k)、z(k)、h(k)、h(k-1)∈Rq×1，權(quán)值矩陣Wrh、Wzh、Wgrh∈Rq×q，Wrx、Wzx、Wgx∈Rq×p，偏置矩陣br、bz、bg∈Rq×1。門控單元采用了sigmoid和雙曲正切激活函數(shù)：

(4)

風(fēng)化層月壤鉆取采樣過(guò)程中的傳感器數(shù)據(jù)序列經(jīng)門控單元循環(huán)處理，不斷提取數(shù)據(jù)特征，為區(qū)分月壤的密實(shí)度情況，以最后一個(gè)門控單元輸出h(n)為輸入，通過(guò)全連接層與Softmax層對(duì)當(dāng)前鉆進(jìn)月壤密實(shí)度進(jìn)行分類。設(shè)Softmax層輸出為c類，全連接層神經(jīng)元數(shù)量為m，則其數(shù)學(xué)描述為

(5)

式中：WFc∈Rm×q、Ws∈Rc×m為權(quán)值矩陣，BFc∈Rm×1、Bs∈Rc×1為偏置矩陣，ZFc∈Rm×1為全連接層加權(quán)輸入，YFc∈Rm×1、Ys∈Rc×1分別為全連接層、Softmax層輸出。全連接層、Softmax層激活函數(shù)描述為

(6)

為建立傳感器特征數(shù)據(jù)與月壤密實(shí)度的映射關(guān)系，選取如式(7)所示交叉熵函數(shù)為目標(biāo)函數(shù)L，進(jìn)行監(jiān)督學(xué)習(xí)。

(7)

式中：d為訓(xùn)練樣本目標(biāo)輸出；o為輸出類別序號(hào)；λ為L(zhǎng)2正則系數(shù)；W*表示各層權(quán)值矩陣；i，j表示其元素序號(hào)。根據(jù)反向傳播原理[23-24]，目標(biāo)函數(shù)對(duì)Softmax層、全連接層權(quán)值偏導(dǎo)數(shù)為

(8)

式中：輸出偏差e=Ys-d；relu′(·)為relu函數(shù)導(dǎo)函數(shù)。同理可得目標(biāo)函數(shù)對(duì)偏置矩陣的偏導(dǎo)數(shù)為

(9)

隨著誤差信號(hào)反向傳播至各時(shí)間步單元，可得其權(quán)值梯度和偏置梯度分別為

(10)

(11)

(12)

式中:δh(k)為目標(biāo)函數(shù)對(duì)各隱層輸出h(k)的偏導(dǎo)。

為實(shí)現(xiàn)各層、各門控單元的權(quán)值、偏置迭代更新，對(duì)獲取的傳感器數(shù)據(jù)分小批量訓(xùn)練，每一批進(jìn)行一次權(quán)值及偏置更新，即

(13)

式中：θ*表示各權(quán)值或偏置；b為樣本批號(hào)；N為每批樣本量；l為樣本序號(hào)；η為學(xué)習(xí)率。

訓(xùn)練過(guò)程中，對(duì)目標(biāo)函數(shù)及樣本分類正確率進(jìn)行交叉驗(yàn)證，建立月球風(fēng)化層密實(shí)度分類模型；預(yù)測(cè)過(guò)程中，利用獲得的模型權(quán)值及偏置進(jìn)行正向計(jì)算，實(shí)現(xiàn)月球風(fēng)化層鉆取采樣過(guò)程密實(shí)度快速感知分類。

4 驗(yàn)證與分析

為驗(yàn)證密實(shí)度感知分類算法的正確性，以不同密實(shí)狀態(tài)模擬月壤鉆取采樣試驗(yàn)數(shù)據(jù)基礎(chǔ)，將獲取的傳感器數(shù)據(jù)分為2組(對(duì)應(yīng)的密實(shí)度狀態(tài)已知)，第1組用于網(wǎng)絡(luò)的訓(xùn)練與驗(yàn)證，獲取分類算法映射參數(shù)(權(quán)值及偏置)，第2組數(shù)據(jù)用于分類預(yù)測(cè)，確認(rèn)密實(shí)度分類算法的泛化能力。

考慮到月壤粒徑級(jí)配存在一定波動(dòng)，鉆取采樣試驗(yàn)中采用的顆粒直徑在0～41 mm范圍內(nèi)，形狀為棱角狀或次棱角狀，按照如圖6所示的4種粒徑級(jí)配方案進(jìn)行制備，其中小于1 mm顆粒占主導(dǎo)地位，最小占比不少于60%，大于10 mm顆粒最大占比不超過(guò)8.7%，大于20 mm顆粒最大占比不超過(guò)6.3%，制備過(guò)程中各種粒徑顆粒擺放位置未進(jìn)行特殊設(shè)計(jì)，采用了隨機(jī)排布方式。結(jié)合中密、密實(shí)及極密狀態(tài)相對(duì)密實(shí)度要求，利用圖3所示振動(dòng)臺(tái)獲得了如表2所示的7種模擬月壤，通過(guò)如圖4所示鉆取采樣過(guò)程試驗(yàn)，獲取分類算法驗(yàn)證所需的2組數(shù)據(jù)。

圖6 模擬月壤粒徑分布

表2 鉆取采樣過(guò)程使用的模擬月壤狀態(tài)

如圖7所示選取模擬月壤Ⅰ-C-1、Ⅰ-D-1、Ⅲ-C-1、Ⅲ-B-1、Ⅱ-A-1、Ⅱ-B-1 (圖中從上至下按此順序)試驗(yàn)中獲取的傳感器數(shù)據(jù)為第1組。圖中Ⅱ-B-1、Ⅲ-B-1轉(zhuǎn)速、溫度、電流存在短暫下落是由于臨時(shí)停機(jī)所致。從圖7(c)和圖7(d)可見，鉆桿未與模擬月壤接觸時(shí)，回轉(zhuǎn)電機(jī)停止、加載電機(jī)運(yùn)動(dòng)，此時(shí)為無(wú)月壤狀態(tài)，當(dāng)鉆桿與模擬月壤接觸后，兩電機(jī)均運(yùn)動(dòng)，此時(shí)為月壤負(fù)載狀態(tài)，因此將網(wǎng)絡(luò)分類c設(shè)置為無(wú)月壤、中密、密實(shí)、極密4類。訓(xùn)練前，將第1組數(shù)據(jù)分別按序列長(zhǎng)度n∈[25,40]、n∈[22,44]進(jìn)行隨機(jī)分割，結(jié)合已知密實(shí)度狀態(tài)，分別生成訓(xùn)練數(shù)據(jù)與驗(yàn)證數(shù)據(jù)。從圖7可見，鉆取采樣過(guò)程中根據(jù)鉆進(jìn)狀態(tài)對(duì)回轉(zhuǎn)速度、鉆進(jìn)速度進(jìn)行了適應(yīng)性調(diào)整(不作調(diào)整可能發(fā)生卡鉆或樣品量下降)，加載力、提芯力等隨之變化，同時(shí)不同粒徑顆粒在空間分布的隨機(jī)性也對(duì)部分傳感器數(shù)據(jù)帶來(lái)了影響，因此，依靠單個(gè)傳感器數(shù)據(jù)、多傳感器單幀數(shù)據(jù)都難以對(duì)密實(shí)度狀態(tài)進(jìn)行正確地識(shí)別。

根據(jù)前述網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)置門控單元內(nèi)神經(jīng)元數(shù)量為100，全連接層神經(jīng)元為40，學(xué)習(xí)率η=0.01，正則系數(shù)λ=0.000 5。根據(jù)式(3)、式(5)、式(8)、式(10)、式(11)進(jìn)行正反向傳播，并按式(13)進(jìn)行網(wǎng)絡(luò)更新，每5次訓(xùn)練迭代狀態(tài)如圖8所示。

圖7 第1組傳感器數(shù)據(jù)

圖8 訓(xùn)練過(guò)程變化曲線

從圖8(b)整體來(lái)看，目標(biāo)函數(shù)值逐步下降，經(jīng)285次迭代后趨于穩(wěn)態(tài)，對(duì)驗(yàn)證數(shù)據(jù)的分類正確率為91.27%。整個(gè)網(wǎng)絡(luò)36 604個(gè)訓(xùn)練參數(shù)數(shù)量較多，利用圖9進(jìn)行圖示，各層權(quán)值、偏置范圍見圖中標(biāo)注。

為確認(rèn)密實(shí)度分類算法的泛化能力，選取未參與訓(xùn)練的模擬月壤Ⅰ-B-1、Ⅱ-A-2、Ⅱ-B-2、Ⅲ-B-2(圖10中中從上至下按此順序)試驗(yàn)中的傳感器數(shù)據(jù)為第2組，其輸入序列長(zhǎng)度先后按照n∈[22,27]、[28,33]、[34,38]、 [39,44]進(jìn)行隨機(jī)分割，結(jié)合已知密實(shí)度狀態(tài)，生成預(yù)測(cè)數(shù)據(jù)。

對(duì)各預(yù)測(cè)數(shù)據(jù)序列進(jìn)行歸一化處理后，利用如圖9所示映射參數(shù)，進(jìn)行密實(shí)度狀態(tài)分類，通過(guò)與真實(shí)模擬月壤狀態(tài)進(jìn)行比對(duì)，其預(yù)測(cè)正確率不低于89.36%，詳細(xì)結(jié)果如表3所示。

圖9 網(wǎng)絡(luò)參數(shù)訓(xùn)練結(jié)果

圖10 第2組傳感器數(shù)據(jù)曲線

表3 第2組數(shù)據(jù)預(yù)測(cè)結(jié)果

從表3可見，密實(shí)度分類算法對(duì)不同狀態(tài)下的密實(shí)度狀態(tài)，具有較好的泛化能力。結(jié)合圖6、表2及鉆進(jìn)初始的空行程運(yùn)動(dòng)可知，訓(xùn)練過(guò)程中驗(yàn)證數(shù)據(jù)包含了4種粒徑級(jí)配，預(yù)測(cè)過(guò)程中測(cè)試數(shù)據(jù)包含了2種粒徑級(jí)配，網(wǎng)絡(luò)對(duì)訓(xùn)練數(shù)據(jù)、預(yù)測(cè)數(shù)據(jù)的總密實(shí)度分類正確率優(yōu)于90%，驗(yàn)證數(shù)據(jù)、測(cè)試數(shù)據(jù)對(duì)應(yīng)的7種模擬月壤，通過(guò)對(duì)典型粒徑、密實(shí)度交叉組合，有效降低了粒徑級(jí)配對(duì)網(wǎng)絡(luò)提取密實(shí)度狀態(tài)特征的影響。隨著鉆取采樣過(guò)程中傳感器特征數(shù)據(jù)隨遙測(cè)不斷下傳，試驗(yàn)過(guò)程中以一定時(shí)間間隔(代替序列長(zhǎng)度)組織各時(shí)間步輸入，利用密實(shí)度分類算法實(shí)現(xiàn)小滯后密實(shí)度狀態(tài)感知，最小時(shí)間間隔約為22 s(試驗(yàn)中遙測(cè)下傳時(shí)間間隔為1 s)，平均時(shí)間間隔約為33 s，可為工作策略的維持或調(diào)整提供依據(jù)。

5 結(jié) 論

1) 提出了鉆取采樣機(jī)構(gòu)傳感器特征數(shù)據(jù)感知月球風(fēng)化層月壤狀態(tài)方法，實(shí)現(xiàn)鉆取采樣數(shù)據(jù)信息對(duì)就位月壤密實(shí)度的感知，并支持鉆取采樣過(guò)程自主策略調(diào)整。

2) 構(gòu)建了一類適用于月球風(fēng)化層月壤密實(shí)度感知分類的深度神經(jīng)網(wǎng)絡(luò)，推導(dǎo)了其正、反向傳播關(guān)系，可適應(yīng)于變長(zhǎng)度的傳感器特征數(shù)據(jù)序列。

3) 利用不同狀態(tài)的模擬月壤開展鉆取采樣試驗(yàn)，獲取了傳感器特征數(shù)據(jù)與模擬月壤密實(shí)度間的感知分類模型，對(duì)鉆取采樣過(guò)程中未知傳感器數(shù)據(jù)序列，密實(shí)度感知分類正確率大于89.36%，平均感知滯后時(shí)間約為33 s(遙測(cè)下傳時(shí)間間隔為1 s)，具有較好的泛化能力和原位特性在線識(shí)別能力。

4) 月球風(fēng)化層密實(shí)度是重要的原位特性，該方法對(duì)密實(shí)度所處范圍具有較好的區(qū)分度，后續(xù)可結(jié)合鉆取采樣機(jī)構(gòu)工作特性、模擬月壤顆粒分布隨機(jī)性，進(jìn)行更為精細(xì)的密實(shí)度刻畫與反演研究。