“會學(xué)習(xí)”運載火箭的制導(dǎo)控制技術(shù)

馬衛(wèi)華 禹春梅 路坤鋒 柳嘉潤 司文杰 李文婷

1.北京航天自動控制研究所，北京100854 2.宇航智能控制技術(shù)國家級重點實驗室，北京100854 3.航天智能技術(shù)創(chuàng)新中心，北京100854

0 引言

隨著航天科技的迅猛發(fā)展，空間站計劃、登月計劃和深空探測的展開，大型衛(wèi)星和小衛(wèi)星多星發(fā)射的需求以及激烈的市場競爭，對運載火箭的安全性、可靠性和低成本等性能提出了更高的要求。其中，運載火箭所涉及的控制理論和技術(shù)是當(dāng)今飛行器控制領(lǐng)域研究的熱點和難點,具有前沿性、基礎(chǔ)性和綜合性，已成為支撐中國航天事業(yè)未來發(fā)展的核心關(guān)鍵領(lǐng)域之一[1-4]。

在國內(nèi)外航天史上，火箭發(fā)射失利時有發(fā)生。其中，動力系統(tǒng)故障較為頻發(fā)。據(jù)統(tǒng)計，到20世紀(jì)70年代，美國發(fā)射了上千枚中遠(yuǎn)程導(dǎo)彈及運載火箭，其中，由于增壓輸送及發(fā)動機系統(tǒng)故障造成的飛行失敗約占50%[5]。在1990年～2015年年底之間，國外火箭由于動力系統(tǒng)故障導(dǎo)致失敗的共有64起，占全部發(fā)射失敗的51%[6]。2015年～2017年，國外火箭發(fā)射失利共7起，推進系統(tǒng)引起的有5起[7]。據(jù)統(tǒng)計，在1990年～2000年期間，約42.5%的歐美、日本及前蘇聯(lián)/俄羅斯運載器的發(fā)射失敗都有可能利用先進導(dǎo)航制導(dǎo)與控制技術(shù)補救挽回，繼續(xù)完成任務(wù)或者降級完成任務(wù)。

航天智能控制系統(tǒng)正在走向智能化[8]。通過智能控制技術(shù)提高火箭性能，增強火箭主動適應(yīng)能力。通過智能技術(shù)賦能火箭“會學(xué)習(xí)”，將具有重要的理論與工程應(yīng)用價值。

1 “會學(xué)習(xí)”運載火箭的特征

“會學(xué)習(xí)”運載火箭制導(dǎo)控制技術(shù)就是將智能技術(shù)引入導(dǎo)航、制導(dǎo)及控制等各個任務(wù)環(huán)節(jié)，使運載火箭變得更聰明、更自主，通過學(xué)習(xí)和訓(xùn)練，彌補程序化控制策略帶來的局限性，增強運載火箭適應(yīng)復(fù)雜飛行環(huán)境及應(yīng)對突發(fā)事件的能力，確保成功完成任務(wù)?！皶W(xué)習(xí)”運載火箭的特征內(nèi)涵如下：

1.1 “邊飛邊學(xué)”特征

“會學(xué)習(xí)”的運載火箭控制系統(tǒng)充分利用箭載多源信息，在飛行過程中，使火箭實現(xiàn)飛行狀態(tài)與環(huán)境在線辨識、運載及控制能力在線評估，軌跡在線規(guī)劃、控制在線重構(gòu)、目標(biāo)在線變更等功能?；谏疃葘W(xué)習(xí)、機器學(xué)習(xí)等智能控制技術(shù)[9]，使運載火箭具備個體強適應(yīng)、任務(wù)快響應(yīng)，飛行自學(xué)習(xí)、系統(tǒng)高自主，硬件可演化、算法能泛化，機制類人化、控制強智能等能力，實現(xiàn)“邊飛邊學(xué)”。

1.2 “終身學(xué)習(xí)”特征

“終身學(xué)習(xí)”的運載火箭控制系統(tǒng)能夠充分利用全生命周期中所產(chǎn)生的數(shù)據(jù)，包括控制系統(tǒng)壽命模型中的結(jié)構(gòu)特性、參數(shù)、環(huán)境條件及歷史數(shù)據(jù)等，以大數(shù)據(jù)、智能分析技術(shù)等為基礎(chǔ)，實現(xiàn)模型智能修正、模型智能建立、方案與參數(shù)智能優(yōu)化等功能，持續(xù)進行自我學(xué)習(xí)和改進，實現(xiàn)知識的深度挖掘、遷移應(yīng)用和決策評估，使控制系統(tǒng)能夠適應(yīng)不同的載荷、內(nèi)部不確定以及外部環(huán)境的擾動?？刂葡到y(tǒng)通過一次設(shè)計延伸整個型號的生命周期，實現(xiàn)火箭“越飛越聰明”和“越飛越自信”。

“邊飛邊學(xué)”與“終身學(xué)習(xí)”兩大能力特征相輔相成、相互促進。運載火箭“邊飛邊學(xué)”積累的經(jīng)驗和數(shù)據(jù)支撐其“終身學(xué)習(xí)”；反過來，通過運載火箭“終身學(xué)習(xí)”的訓(xùn)練與優(yōu)化、算法自進化促進“邊飛邊學(xué)”更智能。“會學(xué)習(xí)”運載火箭的制導(dǎo)控制技術(shù)框圖，如圖1所示。

圖1 “會學(xué)習(xí)”的運載火箭控制技術(shù)

2 “會學(xué)習(xí)”運載火箭的能力需求

2019年中國完成34次宇航發(fā)射任務(wù)，為全球第一。中國運載火箭已取得舉世矚目的成就,在世界商用航天發(fā)射市場占有一席之地,并通過了高密度發(fā)射的考核,但是面對越來越復(fù)雜多樣的飛行任務(wù)和飛行工況，需要更“聰明”、“會學(xué)習(xí)”的運載火箭。運載火箭對制導(dǎo)控制技術(shù)的發(fā)展也提出了更多能力需求。

2.1 飛行狀態(tài)在線辨識與感知能力

運載火箭結(jié)構(gòu)安裝存在誤差，彈性、晃動、未知環(huán)境擾動等因素都會對控制系統(tǒng)產(chǎn)生影響，需要運載火箭對自身及飛行狀態(tài)具有實時感知能力。動力系統(tǒng)典型非致命故障時有發(fā)生。需要運載火箭具備上升段主發(fā)動機推力下降、高空飛行段姿控噴管常開、常閉、極性等非致命故障在線快速、準(zhǔn)確辨識的能力，做到“自知者明”。

2.2 制導(dǎo)控制在線重構(gòu)能力

基于在線辨識、感知和能力評估結(jié)果，實現(xiàn)目標(biāo)在線變更、軌跡在線規(guī)劃，控制在線重構(gòu)等功能。使運載火箭具備對環(huán)境突變、箭體自身結(jié)構(gòu)參數(shù)不確定、典型動力系統(tǒng)故障、任務(wù)變更等需求的強適應(yīng)能力，確保復(fù)雜飛行條件和故障情況下運載火箭飛行穩(wěn)定，并能夠進入半長軸最大橢圓軌道或者進入安全停泊軌道，最大程度發(fā)揮自身能力、完成飛行任務(wù)，做到“精明能干”。

2.3 經(jīng)驗知識自學(xué)習(xí)能力

歷次航天發(fā)射任務(wù)積累了大量的設(shè)計與試驗(飛行、仿真、測試等)數(shù)據(jù)。將數(shù)據(jù)進行統(tǒng)籌、規(guī)范管理，挖掘“數(shù)據(jù)寶藏”，從數(shù)據(jù)中提取信息、獲取經(jīng)驗知識(規(guī)則)，基于經(jīng)驗知識和智能控制技術(shù)使運載火箭具備自學(xué)習(xí)能力，不斷提升運載火箭的“臨床經(jīng)驗”，促使運載火箭神經(jīng)中樞—控制系統(tǒng)越飛越智慧，做到“能謀善斷”。

2.4 自主適應(yīng)與進化能力

未來運載火箭將面對飛行環(huán)境復(fù)雜化、任務(wù)多樣化、控制高品質(zhì)化的需求。飛行中存在的突發(fā)態(tài)勢的影響，需要運載火箭不斷自我學(xué)習(xí)和改進，保證運載火箭控制系統(tǒng)具備一次設(shè)計便能覆蓋整個型號生命周期的能力，“一次設(shè)計，終身適用”的“終身學(xué)習(xí)”能力。大幅提升運載火箭自主性與適應(yīng)性，做到“攻無不克”。

2.5 箭上強計算能力

未來運載火箭是多功能高集成的智能綜合產(chǎn)品，控制計算產(chǎn)品需要具備在線診斷與重構(gòu)、在線自學(xué)習(xí)與健康智能管理等新功能，對控制系統(tǒng)算力提出了更高要求，需要其具備分布式異構(gòu)跨核高速信息交換以及多元異構(gòu)內(nèi)存共享調(diào)度管理的能力，支撐運載火箭“邊飛邊學(xué)”和“終身學(xué)習(xí)”能力實現(xiàn)，做到“駕輕就熟”。

3 “會學(xué)習(xí)”運載火箭的技術(shù)探索與應(yīng)用

“會學(xué)習(xí)”運載火箭“邊飛邊學(xué)”、“終身學(xué)習(xí)”的特征需要相應(yīng)的技術(shù)支撐來實現(xiàn)。當(dāng)前，針對“會學(xué)習(xí)”運載火箭控制技術(shù)的研究方向做了如下探索與應(yīng)用。

3.1 “邊飛邊學(xué)”的技術(shù)探索與應(yīng)用

“會學(xué)習(xí)”運載火箭要實現(xiàn)“邊飛邊學(xué)”，需要研究典型動力系統(tǒng)故障在線辨識與重構(gòu)控制技術(shù)，同時基于運載與控制能力在線評估技術(shù)，穩(wěn)定裕度在線辨識的參數(shù)重構(gòu)控制技術(shù)，實現(xiàn)目標(biāo)的在線變更，軌跡在線規(guī)劃等功能。

3.1.1 典型動力系統(tǒng)故障在線辨識

1)上升段主發(fā)動機推力下降故障辨識

針對運載火箭主發(fā)動機推力下降故障，分別采用基于在線擴張狀態(tài)觀測器(ESO)估計和神經(jīng)網(wǎng)絡(luò)決策樹技術(shù)對發(fā)動機推力進行辨識。其中，基于在線ESO估計的推力下降故障辨識技術(shù)如下：飛行過程中，基于慣組敏感的箭體系視加速度和角速度信息，以及伺服擺角指令，利用ESO估計得到角加速度，通過含遺忘因子的最小二乘算法對發(fā)動機的推力進行辨識，實現(xiàn)主發(fā)動機推力下降故障辨識。

基于神經(jīng)網(wǎng)絡(luò)決策樹技術(shù)的主發(fā)動機推力下降故障辨識：利用仿真數(shù)據(jù)，結(jié)合飛行試驗數(shù)據(jù)，獲取訓(xùn)練集與測試集，采用反向傳播(BP)神經(jīng)網(wǎng)絡(luò)技術(shù)，基于梯度下降的最優(yōu)擬合算法，通過調(diào)節(jié)網(wǎng)絡(luò)連接權(quán)值保證網(wǎng)絡(luò)輸出誤差極小，對主發(fā)動機推力下降故障進行辨識。

2)高空飛行段姿控噴管故障辨識

針對運載火箭高空飛行段姿控噴管故障辨識，分別采用基于解析解的運載火箭噴管故障辨識和基于深度學(xué)習(xí)的運載火箭噴管故障辨識。其中，基于解析解的運載火箭噴管故障辨識，需要利用火箭控制系統(tǒng)慣性測量裝置信息，提煉故障模式與動力學(xué)參數(shù)之間的關(guān)系，形成剛體/晃動組合模態(tài)下箭體運動與角加速度之間的理論公式，解決高空飛行段常開、常閉和極性三類典型姿控噴管故障辨識的問題。

基于深度學(xué)習(xí)的運載火箭噴管故障辨識，需要通過仿真數(shù)據(jù)，提取能夠表征或者反映故障發(fā)生的物理量，設(shè)計故障診斷智能方法，將姿控噴管的故障診斷問題轉(zhuǎn)化為一個對火箭姿態(tài)角誤差及控制量變化曲線的圖像分類識別的問題。設(shè)計相應(yīng)的卷積神經(jīng)網(wǎng)絡(luò)(CNN)對火箭誤差變化曲線進行分類識別，實現(xiàn)火箭姿控噴管故障診斷。

3.1.2 典型動力系統(tǒng)故障控制重構(gòu)

1)上升段主發(fā)動機推力下降故障控制重構(gòu)

基于發(fā)動機推力故障下降辨識結(jié)果，分檔設(shè)計控制器，在每一推力下降檔位，設(shè)計標(biāo)稱控制器和重構(gòu)控制器或補償器，根據(jù)在線辨識的故障信息，切換控制器或自適應(yīng)調(diào)整控制器參數(shù)，實現(xiàn)針對上升飛行段主發(fā)動機推力下降故障的自適應(yīng)控制。

2)高空飛行段姿控噴管故障控制重構(gòu)

針對高空飛行段姿控噴管極性故障，控制重構(gòu)相應(yīng)通道。以俯仰通道為例，根據(jù)第1次得到的辨識結(jié)果決定是否重構(gòu)。如果無極性故障，則繼續(xù)極性辨識；如出現(xiàn)極性故障，則反向重構(gòu)故障噴管指令，辨識確認(rèn)一次控制效果。重構(gòu)僅進行1次，然后繼續(xù)后續(xù)的極性故障辨識。

3.1.3 基于凸優(yōu)化的軌跡在線規(guī)劃

在故障條件下，運載火箭存在無法將載荷繼續(xù)送到目標(biāo)軌道的可能。為確保火箭進入半長軸最大橢圓軌道或進入安全停泊軌道，可采用在線任務(wù)降級或軌跡在線規(guī)劃。火箭軌跡規(guī)劃問題中存在動力學(xué)、控制以及入軌終端等各種非凸約束。利用無損凸化與變量替換技術(shù)，凸化控制量約束和終端狀態(tài)約束。將非凸的火箭軌跡規(guī)劃問題轉(zhuǎn)化為凸規(guī)劃問題。然后，利用凸優(yōu)化求解算法實時求解。將火箭軌跡規(guī)劃問題轉(zhuǎn)化為求解最優(yōu)的推力矢量，使火箭在滿足運動學(xué)方程、推力大小約束、端點約束、燃料約束以及過程約束等條件下，進入安全停泊軌道或半長軸最大的橢圓軌道。

3.1.4 基于穩(wěn)定裕度在線辨識的參數(shù)重構(gòu)控制

運載火箭助推飛行段，燃料消耗導(dǎo)致質(zhì)心的變化會影響控制效果。通過對閉環(huán)系統(tǒng)施加激勵，采用頻域辨識方法，由輸入輸出數(shù)據(jù)求解系統(tǒng)的頻率特性函數(shù)，得到系統(tǒng)的穩(wěn)定裕度?；诜€(wěn)定裕度在線辨識結(jié)果，采用自適應(yīng)調(diào)參控制，實現(xiàn)運載火箭控制重構(gòu)，保證運載火箭高品質(zhì)飛行。

3.1.5 基于機器學(xué)習(xí)的目標(biāo)在線優(yōu)化變更

采用機器學(xué)習(xí)中的支持向量機(SVM)、概率神經(jīng)網(wǎng)絡(luò)(PNN)等分類算法對目標(biāo)進行在線優(yōu)化，SVM方法通過一個非線性映射，將原來樣本空間中非線性可分問題轉(zhuǎn)化為在特征空間中的線性可分問題。PNN方法的優(yōu)勢在于用線性學(xué)習(xí)算法完成以往非線性學(xué)習(xí)算法所做的工作，同時保持非線性算法的高精度等特性。利用仿真軟件生成訓(xùn)練和測試樣本，選用有監(jiān)督學(xué)習(xí)方式，開展算法訓(xùn)練與測試。以測試準(zhǔn)確率不低于90%為評價標(biāo)準(zhǔn)，實現(xiàn)目標(biāo)在線變更。

3.2 “終身學(xué)習(xí)”的技術(shù)探索與應(yīng)用

為實現(xiàn)“會學(xué)習(xí)”運載火箭的“終身學(xué)習(xí)”能力，需要對試驗數(shù)據(jù)進行管理與梳理，挖掘其中內(nèi)在關(guān)聯(lián)信息，通過持續(xù)訓(xùn)練與優(yōu)化，改進運載火箭的控制策略和設(shè)計。

3.2.1 基于關(guān)聯(lián)規(guī)則算法的數(shù)據(jù)管理與挖掘

針對歷次飛行、仿真、測試及設(shè)計數(shù)據(jù)，采用數(shù)據(jù)統(tǒng)一化管理方法，實現(xiàn)試驗數(shù)據(jù)自動存入數(shù)據(jù)庫?；陬I(lǐng)域規(guī)則，實現(xiàn)對數(shù)據(jù)的清洗、優(yōu)化等功能。利用多維數(shù)據(jù)分析與挖掘技術(shù)，從不同角度挖掘數(shù)據(jù)特征，探尋數(shù)據(jù)及參數(shù)間的潛在關(guān)聯(lián)規(guī)則或影響規(guī)律，提煉形成經(jīng)驗?？焖儆行У貧w納出科學(xué)化的經(jīng)驗數(shù)據(jù)，進而形成判斷和策略，為“會學(xué)習(xí)”運載火箭控制系統(tǒng)自我學(xué)習(xí)、自我更新提供技術(shù)支撐。

3.2.2 基于全生命周期數(shù)據(jù)的控制系統(tǒng)自我學(xué)習(xí)

針對運載火箭飛行環(huán)境復(fù)雜、不確定性強等特點，采用智能辨識與估計算法，在已有火箭控制模型的基礎(chǔ)上，根據(jù)在線飛行數(shù)據(jù)，實時自主修正火箭模型。在智能修模基礎(chǔ)上逐步升級，從弱模型依賴控制升級為無模型自適應(yīng)控制。采用數(shù)據(jù)驅(qū)動控制、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、模糊邏輯等算法，從離、在線飛行、仿真等運載火箭全生命周期產(chǎn)生的數(shù)據(jù)中，有效提取模型信息。通過對網(wǎng)絡(luò)連接權(quán)值學(xué)習(xí)，逼近系統(tǒng)模型，達(dá)到智能建模的目的，實現(xiàn)火箭的持續(xù)自我學(xué)習(xí)。

3.2.3 基于自學(xué)習(xí)自演化的控制系統(tǒng)持續(xù)優(yōu)化

“會學(xué)習(xí)”運載火箭是多功能、高集成的智能綜合系統(tǒng)，為了滿足智能控制系統(tǒng)對設(shè)計參數(shù)和設(shè)計方案的優(yōu)化等需求，基于不斷改進與演化的系統(tǒng)模型，利用遺傳算法、蟻群算法、粒子群優(yōu)化等集群智能算法對系統(tǒng)設(shè)計參數(shù)進行優(yōu)化，以滿足預(yù)定的飛行效果，達(dá)到實時自主優(yōu)化系統(tǒng)設(shè)計參數(shù)的目的。同時利用專家經(jīng)驗及飛行數(shù)據(jù)建立專家?guī)?，?xùn)練設(shè)計方案以及設(shè)計參數(shù)，達(dá)到設(shè)計方案與設(shè)計參數(shù)自主調(diào)整優(yōu)化的目的，實現(xiàn)火箭的持續(xù)自我優(yōu)化。

3.2.4 基于對抗博弈思想的控制系統(tǒng)決策評估

“會學(xué)習(xí)”運載火箭控制系統(tǒng)對環(huán)境、本體與任務(wù)的偏差和突變等狀態(tài)異常進行的對抗博弈，采用深度強化學(xué)習(xí)和蒙特卡羅樹搜索方法，基于價值網(wǎng)絡(luò)和行為網(wǎng)絡(luò)進行能力評估和策略權(quán)衡。在廣義對抗的界定下，控制系統(tǒng)需要對抗外部環(huán)境、火箭本體與具體任務(wù)所產(chǎn)生的隨機性偏差和突變等異常狀態(tài)。飛行動態(tài)過程中的狀態(tài)信息繁多、關(guān)系復(fù)雜，連續(xù)行為的控制策略解空間尤為深廣。利用深度強化學(xué)習(xí)生成價值網(wǎng)絡(luò)和行為網(wǎng)絡(luò)，在蒙特卡羅樹搜索框架下，實現(xiàn)對運載火箭連續(xù)復(fù)雜狀態(tài)與連續(xù)復(fù)雜行為的估計、評價、權(quán)衡與決策。

3.3 “會學(xué)習(xí)”運載火箭能力特征的內(nèi)在聯(lián)系

依托箭上控制算法推理實現(xiàn)能力(軟硬件加速功能)，運載火箭“邊飛邊學(xué)”積累的全生命周期數(shù)據(jù)和經(jīng)驗，支撐其實現(xiàn)“終身學(xué)習(xí)”的能力；通過運載火箭“終身學(xué)習(xí)”持續(xù)進行自我學(xué)習(xí)和改進，促使“邊飛邊學(xué)”更智能，飛行品質(zhì)越來越好。

“會學(xué)習(xí)”運載火箭研制與發(fā)射任務(wù)積累的全生命周期試驗數(shù)據(jù)，包含了運載火箭“邊飛邊學(xué)”的本體特征和飛行狀態(tài)，其對性能分析、狀態(tài)評估等具有重要意義。從數(shù)據(jù)中提煉形成的經(jīng)驗，為控制系統(tǒng)自我學(xué)習(xí)能力的持續(xù)優(yōu)化與設(shè)計提供支撐，實現(xiàn)火箭“終身學(xué)習(xí)”。

“會學(xué)習(xí)”運載火箭的“終身學(xué)習(xí)”具有自適應(yīng)復(fù)雜飛行環(huán)境和突發(fā)事件的能力，能夠自主適應(yīng)新環(huán)境、新態(tài)勢和新需求。通過不斷自我進化，提升運載火箭飛行品質(zhì)。依托具備軟硬件加速、算力共享和動態(tài)調(diào)配能力的箭上產(chǎn)品，進一步促進運載火箭“邊飛邊學(xué)”能力提升。

4 “會學(xué)習(xí)”的運載火箭控制技術(shù)思考與展望

在過去的研制歷程中，我國運載火箭設(shè)計理念和設(shè)計方法逐步完善，形成了基于偏差的設(shè)計方法和基于有限故障的設(shè)計方法，并在我國現(xiàn)役運載火箭工程設(shè)計中得到了成功實踐。面對當(dāng)前火箭型號研制周期短、發(fā)射任務(wù)密集等需求牽引，傳統(tǒng)運載火箭控制技術(shù)存在應(yīng)對動力系統(tǒng)故障能力較弱、在線調(diào)整規(guī)劃能力有限以及設(shè)計工作周期長等問題。發(fā)展航天控制+智能技術(shù)，打造“會學(xué)習(xí)”的運載火箭，形成“邊飛邊學(xué)”、“終身學(xué)習(xí)”的能力特征，是破解當(dāng)前各類困境，實現(xiàn)設(shè)計模式升級、產(chǎn)品跨越發(fā)展的有效途徑。

4.1 運載火箭智能控制系統(tǒng)架構(gòu)是“會學(xué)習(xí)”火箭的基礎(chǔ)

為提高運載火箭控制系統(tǒng)在故障情況下的適應(yīng)能力，實現(xiàn)復(fù)雜飛行環(huán)境下飛行目標(biāo)在線變更、軌跡在線規(guī)劃等功能，需要智能化的導(dǎo)航、制導(dǎo)與控制技術(shù)。這些智能控制技術(shù)對控制系統(tǒng)架構(gòu)設(shè)計提出了新需求。未來運載火箭控制系統(tǒng)架構(gòu)將更方便、靈活地集成不同功能部件，實現(xiàn)大容量數(shù)據(jù)存貯和強大、快速智能的信息處理能力，支撐箭上各類資源的優(yōu)化與靈活組合。運載火箭智能控制系統(tǒng)架構(gòu)是“會學(xué)習(xí)”火箭的基礎(chǔ)。

4.2 基于全生命周期數(shù)據(jù)的智能控制算法是“會學(xué)習(xí)”火箭的核心

60余年以來，積累了大量的設(shè)計與試驗數(shù)據(jù)，包括飛行、仿真、測試等數(shù)據(jù)。利用全生命周期中所產(chǎn)生的數(shù)據(jù)，管理與挖掘數(shù)據(jù)，實現(xiàn)知識的深度挖掘和遷移應(yīng)用?；跀?shù)據(jù)的智能控制技術(shù)是促使運載火箭不斷自我學(xué)習(xí)和進化，提升其智能化水平、加快研制更新迭代進程的有效途徑?；跀?shù)據(jù)(離線、在線)的智能控制算法是賦能運載火箭“會學(xué)習(xí)”的核心。

4.3 基于智能算法的強計算能力是“會學(xué)習(xí)”火箭的載體

未來運載火箭是多功能高集成的智能綜合產(chǎn)品。航天控制引入智能技術(shù)，使控制系統(tǒng)對算力的需求增大，甚至?xí)尸F(xiàn)指數(shù)級增長模式；智能控制算法需要提升分布式異構(gòu)跨核高速信息交換以及多元異構(gòu)內(nèi)存共享調(diào)度管理的能力；同時，需要開發(fā)通用分布式多核異構(gòu)并行計算框架，提升算力功耗比。為控制系統(tǒng)虛擬化技術(shù)提供強算力支撐是實現(xiàn)各種主流智能控制算法應(yīng)用的必由之路。而基于智能算法的箭載強計算能力是“會學(xué)習(xí)”運載火箭的載體。

5 結(jié)論

“會學(xué)習(xí)”運載火箭具備“邊飛邊學(xué)”和“終身學(xué)習(xí)”2個特征。本文梳理了“會學(xué)習(xí)”運載火箭制導(dǎo)控制技術(shù)具備的5個能力需求，重點討論了飛行狀態(tài)在線辨識與感知、制導(dǎo)控制在線重構(gòu)、經(jīng)驗知識自學(xué)習(xí)、“終身學(xué)習(xí)”和箭上強計算能力。針對“會學(xué)習(xí)”運載火箭控制技術(shù)的研究方向做了深入探索與應(yīng)用。在“邊飛邊學(xué)”方面，重點研究與分析了在線辨識與控制重構(gòu)、軌跡在線規(guī)劃、目標(biāo)在線變更等技術(shù)；在“終身學(xué)習(xí)”方面，重點研究與分析了數(shù)據(jù)挖掘、自我學(xué)習(xí)、持續(xù)優(yōu)化和決策評估等技術(shù)。最后，對“會學(xué)習(xí)”運載火箭的智能控制技術(shù)進行了思考與展望，提出了運載火箭智能控制系統(tǒng)架構(gòu)是基礎(chǔ)，基于全生命周期數(shù)據(jù)的智能控制算法是核心，基于智能算法的強計算能力是載體。