袁 利，黃 煌

0 引 言

近年來(lái)新一代人工智能技術(shù)飛速發(fā)展，在圖像、語(yǔ)音、搜索等應(yīng)用領(lǐng)域的感知智能取得了重要突破，并逐步走向產(chǎn)業(yè)應(yīng)用；在圍棋、德州撲克等領(lǐng)域的決策智能也取得了顯著進(jìn)展，特別是2016年在無(wú)人機(jī)空戰(zhàn)模擬對(duì)抗中，人工智能以不超過(guò)1毫秒的戰(zhàn)術(shù)調(diào)整速度，戰(zhàn)勝了經(jīng)驗(yàn)豐富的美軍退役上校團(tuán)隊(duì)[1].人工智能的突破性進(jìn)展為空間智能自主控制提供了理論、方法和技術(shù)支撐.

國(guó)際上各航天大國(guó)都對(duì)空間人工智能技術(shù)高度重視.美國(guó)在2015年DARPA未來(lái)技術(shù)論壇上，將太空機(jī)器人、自主人工智能列為討論主題，同年發(fā)布的《美國(guó)國(guó)家創(chuàng)新戰(zhàn)略》將“太空探索和高性能計(jì)算”列為人工智能優(yōu)先發(fā)展的9大領(lǐng)域之一[2]；2019年頒布《美國(guó)人工智能倡議》，將人工智能確定為政府研發(fā)的優(yōu)先事項(xiàng)[3].德國(guó)2018年發(fā)布《德國(guó)聯(lián)邦政府的人工智能戰(zhàn)略》，提出加強(qiáng)航空航天與人工智能技術(shù)的結(jié)合.我國(guó)2017年發(fā)布《新一代人工智能發(fā)展規(guī)劃》，提出構(gòu)建自主無(wú)人系統(tǒng)智能技術(shù)體系和支撐平臺(tái).

通過(guò)引入智能技術(shù)，在感知、決策、操控等方面賦予空間飛行器類人行為屬性，可顯著提升其執(zhí)行遙感預(yù)警、空間操作、深空探測(cè)等任務(wù)的自主能力.本文首先對(duì)國(guó)內(nèi)外空間飛行器智能自主控制技術(shù)在軌應(yīng)用情況及發(fā)展現(xiàn)狀進(jìn)行分析，然后結(jié)合未來(lái)任務(wù)需求和智能技術(shù)發(fā)展趨勢(shì)，對(duì)照傳統(tǒng)導(dǎo)航、制導(dǎo)與控制，討論空間飛行器智能自主控制的新特征，提出5級(jí)分級(jí)方法.最后從感知與認(rèn)知、決策與規(guī)劃、學(xué)習(xí)與操控、健康管理和系統(tǒng)體系架構(gòu)五個(gè)方面，給出空間智能自主控制技術(shù)的發(fā)展建議.

1 空間飛行器智能自主控制技術(shù)的發(fā)展現(xiàn)狀

諾伯特·維納在1948年首次提出控制論的概念，指出控制論是研究動(dòng)態(tài)系統(tǒng)在變化的環(huán)境條件下如何保持平衡狀態(tài)或穩(wěn)定狀態(tài)的一門科學(xué)[4].70多年來(lái)，控制的內(nèi)涵不斷豐富，在反饋原理的框架下，逐步涵蓋感知、認(rèn)知、推理、決策、交互等內(nèi)容[5].

自主控制，是指系統(tǒng)在沒(méi)有人或其他系統(tǒng)干預(yù)的條件下實(shí)現(xiàn)目標(biāo)的控制過(guò)程，并能夠?qū)Νh(huán)境和對(duì)象的變化做出適應(yīng)性反應(yīng).經(jīng)典的PID控制、魯棒控制、自適應(yīng)控制等自動(dòng)控制方法，基于解析模型進(jìn)行設(shè)計(jì)，對(duì)突發(fā)事件、未知環(huán)境等變化的適應(yīng)能力不強(qiáng)[6]，任務(wù)能力受限，屬于較低等級(jí)的自主控制.

智能自主控制，是指具備感知、學(xué)習(xí)、推理、認(rèn)知、執(zhí)行、演化等類人行為屬性的自主控制.智能自主控制是自主控制的高級(jí)階段，賦予空間飛行器等無(wú)人系統(tǒng)主動(dòng)探索、獲取知識(shí)、靈活應(yīng)用等智能，使其具備復(fù)雜未知變化環(huán)境下的感知、決策和操控能力，實(shí)現(xiàn)生長(zhǎng)和演化，最終達(dá)到群體協(xié)同下的智能涌現(xiàn).這是對(duì)IEEE控制系統(tǒng)協(xié)會(huì)[7]，付京孫[8]，以及Saridis等人[9]智能控制概念的綜合，并針對(duì)自主無(wú)人系統(tǒng)應(yīng)用，進(jìn)一步強(qiáng)調(diào)了進(jìn)化、群智等屬性.

空間飛行器智能自主控制以近地軌道航天器、在軌服務(wù)與維護(hù)機(jī)器人、深空探測(cè)器等空間飛行器為對(duì)象，在星上資源的約束下，利用人工智能技術(shù)，實(shí)現(xiàn)透徹感知、最優(yōu)決策和自主操控，從而使空間飛行器具備在復(fù)雜環(huán)境下執(zhí)行多變?nèi)蝿?wù)的能力.

1.1 國(guó)外發(fā)展現(xiàn)狀

自上世紀(jì)70年代開(kāi)始，美國(guó)JPL實(shí)驗(yàn)室圍繞火星探測(cè)器開(kāi)展了空間智能控制相關(guān)技術(shù)研究，并引入專家系統(tǒng)進(jìn)行任務(wù)規(guī)劃[10].隨后，以美國(guó)、歐洲、日本為代表的航天國(guó)家和機(jī)構(gòu)，開(kāi)始關(guān)注太空環(huán)境中人類角色與自動(dòng)化和機(jī)器人的作用[11]，研究主題涉及到自然語(yǔ)言處理、決策支持系統(tǒng)、遙操作與遠(yuǎn)程監(jiān)測(cè)、人機(jī)交互等，并開(kāi)始嘗試用專家系統(tǒng)進(jìn)行故障診斷[12]或利用神經(jīng)網(wǎng)絡(luò)進(jìn)行衛(wèi)星通信資源調(diào)度管理優(yōu)化[13]，以提升空間飛行器自主執(zhí)行任務(wù)的能力.進(jìn)入90年代后，學(xué)者們開(kāi)展了徑向基函數(shù)網(wǎng)絡(luò)[14]、多層前饋神經(jīng)網(wǎng)絡(luò)[15]、模糊邏輯[16]等在空間應(yīng)用的方法研究.

以下從對(duì)地遙感、空間交會(huì)與操控、深空探測(cè)三個(gè)應(yīng)用領(lǐng)域，對(duì)國(guó)外空間飛行器智能自主控制的發(fā)展現(xiàn)狀進(jìn)行調(diào)研和分析.

1.1.1 對(duì)地遙感

目前絕大多數(shù)遙感衛(wèi)星仍采用“衛(wèi)星數(shù)據(jù)獲取—地面站接收處理—數(shù)據(jù)分發(fā)—專業(yè)應(yīng)用”的傳統(tǒng)模式，數(shù)據(jù)處理與應(yīng)用的時(shí)效性不高.

最具代表性的智能遙感衛(wèi)星是美國(guó)2000年發(fā)射的地球觀測(cè)衛(wèi)星1號(hào)(EO-1).星上攜帶了自主決策軟件ASE，采用基于迭代修復(fù)的局部搜索算法生成規(guī)劃方案，并能夠快速自主地選擇通信鏈路將實(shí)驗(yàn)數(shù)據(jù)快速傳回地面[17-18].EO-1可以在星上直接對(duì)觀測(cè)圖像進(jìn)行分析和識(shí)別，自動(dòng)發(fā)現(xiàn)地面環(huán)境的變化，并自主選擇時(shí)機(jī)對(duì)興趣點(diǎn)區(qū)域進(jìn)行成像，將最有價(jià)值的觀測(cè)信息傳回地面，能夠比地面工作人員更快地發(fā)出預(yù)警.ASE的引入，使得對(duì)衛(wèi)星的地面運(yùn)維成本由2 500 000美元/年降至1 000 000美元/年[19].目前，美國(guó)洛克希德·馬丁公司也正在研制基于SmartSat技術(shù)的軟件定義衛(wèi)星，可通過(guò)上注軟件，在軌改變衛(wèi)星任務(wù).

德國(guó)宇航中心于2001年發(fā)射了雙譜段紅外探測(cè)衛(wèi)星(BIRD)，實(shí)現(xiàn)了對(duì)可見(jiàn)光、中波紅外和熱紅外3個(gè)波段圖像的星上輻射校正、幾何校正、紋理提取和神經(jīng)網(wǎng)絡(luò)分類等處理[20]，從而實(shí)時(shí)監(jiān)測(cè)地表火源/熱點(diǎn)信息，快速評(píng)估上述事件對(duì)環(huán)境的影響.

法國(guó)航天局于2011年發(fā)射的Pleiades高分光學(xué)成像衛(wèi)星，采用基于時(shí)間線的約束網(wǎng)絡(luò)方法建立單星規(guī)劃模型，并融合啟發(fā)式規(guī)則和迭代隨機(jī)貪婪算法，進(jìn)行星上自主任務(wù)規(guī)劃[21].

1.1.2 空間交會(huì)與操控

空間自主交會(huì)方面，美國(guó)XSS-10/XSS-11微小衛(wèi)星演示驗(yàn)證項(xiàng)目對(duì)自主逼近與交會(huì)進(jìn)行了在軌演示，驗(yàn)證了自尋的制導(dǎo)敏感器和自主制導(dǎo)算法.美國(guó)空軍于2014年發(fā)射了“地球同步空間態(tài)勢(shì)感知計(jì)劃(GSSAP)”系列空間監(jiān)視衛(wèi)星的前兩顆，同時(shí)搭載了“局部空間自動(dòng)導(dǎo)航與制導(dǎo)實(shí)驗(yàn)(ANGELS)”微型技術(shù)試驗(yàn)衛(wèi)星.GSSAP衛(wèi)星能夠?qū)Φ厍蜢o止軌道目標(biāo)進(jìn)行巡視探測(cè)和抵近偵查.

在軌操作方面，1997年日本ETS-Ⅶ首次成功實(shí)現(xiàn)在軌捕獲合作目標(biāo)，抓捕過(guò)程可自動(dòng)完成，但動(dòng)作序列由地面事先精確規(guī)劃和設(shè)計(jì).美國(guó)2007年實(shí)施的軌道快車項(xiàng)目完成了對(duì)合作目標(biāo)的自主交會(huì)、接近、捕獲、對(duì)接等在軌飛行試驗(yàn).其他研究計(jì)劃還包括美國(guó)的鳳凰計(jì)劃、地球靜止軌道衛(wèi)星機(jī)器人服務(wù)項(xiàng)目、德國(guó)在軌服務(wù)項(xiàng)目、俄羅斯國(guó)際空間站機(jī)器人組件驗(yàn)證計(jì)劃[22]等.總體來(lái)看，目前在軌實(shí)現(xiàn)的操作任務(wù)大多依靠地面遙操作，且局限于帶有標(biāo)志器的合作目標(biāo)，對(duì)于非合作目標(biāo)操作，還處于地面驗(yàn)證階段.

衛(wèi)星平臺(tái)控制方面，目前在軌航天器采用的先進(jìn)控制方法主要集中在H2/H∞魯棒控制、LQR控制和μ綜合，具備小范圍內(nèi)抗干擾和抵御不確定性的能力[23]，姿態(tài)控制還不具備自主學(xué)習(xí)和對(duì)環(huán)境的主動(dòng)適應(yīng)能力.

此外，國(guó)外在相關(guān)理論方面也開(kāi)展了一些研究工作.例如，文獻(xiàn)[24]基于神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力、泛化能力和廣義逼近能力，研究在未知環(huán)境下航天器的行為進(jìn)化方法.

1.1.3 深空探測(cè)

目前絕大多數(shù)深空探測(cè)器的飛行過(guò)程主要依靠地面指令，只在實(shí)時(shí)性非常強(qiáng)的任務(wù)段，例如進(jìn)入著陸過(guò)程，使用了自主控制和故障診斷技術(shù).

美國(guó)深空1號(hào)(DS-1)是最具代表性的自主深空探測(cè)器之一，驗(yàn)證了自主導(dǎo)航、遠(yuǎn)程代理、自主軟件測(cè)試和自動(dòng)代碼生成等相關(guān)技術(shù)[25].其中，遠(yuǎn)程代理模塊利用規(guī)劃引擎進(jìn)行多約束任務(wù)規(guī)劃的求解，實(shí)現(xiàn)指令生成、分發(fā)和執(zhí)行[26]，并借助自主故障診斷系統(tǒng)Livingstone，進(jìn)行模式識(shí)別與系統(tǒng)重構(gòu)[27].2003年美國(guó)“漫游者號(hào)”火星探測(cè)器搭載了機(jī)器視覺(jué)算法模塊，能夠在下降段進(jìn)行特征地形的跟蹤，并基于圖像對(duì)水平速度進(jìn)行估計(jì)，以應(yīng)對(duì)下降過(guò)程切向風(fēng)對(duì)落點(diǎn)精度的影響[28].

2018年，日本隼鳥(niǎo)2號(hào)探測(cè)器實(shí)現(xiàn)了基于地形識(shí)別的小行星全自主著陸[29].歐空局為“羅賽塔”號(hào)彗星探測(cè)器開(kāi)發(fā)了星際軌跡規(guī)劃器，利用蒙特卡洛樹(shù)搜索策略，最終得到多個(gè)目標(biāo)彗星的最優(yōu)掠飛和環(huán)繞軌跡[30].

此外，美國(guó)的自主納米技術(shù)蜂群項(xiàng)目(ANTS)計(jì)劃于2020年到2030年間發(fā)射.該任務(wù)由大約1000個(gè)重1公斤的衛(wèi)星組成蜂群，進(jìn)行小行星帶探測(cè).整個(gè)系統(tǒng)模擬一個(gè)昆蟲的社會(huì)結(jié)構(gòu)，通過(guò)有效協(xié)調(diào)不同功能的個(gè)體，進(jìn)行觀測(cè)資源和觀測(cè)策略的自主配置、小行星特征知識(shí)庫(kù)建立、通信網(wǎng)絡(luò)自主優(yōu)化、單體/集群故障的協(xié)同修復(fù)、危險(xiǎn)協(xié)同預(yù)警與規(guī)避等[31].ANTS項(xiàng)目計(jì)劃將遺傳算法、模糊控制等人工智能技術(shù)應(yīng)用到系統(tǒng)中[32].

國(guó)外在相關(guān)理論方面也開(kāi)展了一些研究工作.例如，文獻(xiàn)[33]針對(duì)地外星體軟著陸的最優(yōu)控制問(wèn)題，利用傳統(tǒng)最優(yōu)控制方法生成若干訓(xùn)練樣本，對(duì)深度神經(jīng)網(wǎng)絡(luò)進(jìn)行有監(jiān)督訓(xùn)練，實(shí)現(xiàn)對(duì)優(yōu)化問(wèn)題的穩(wěn)定求解；文獻(xiàn)[34]利用深度卷積網(wǎng)絡(luò)識(shí)別著陸點(diǎn)，疊加遞歸神經(jīng)網(wǎng)絡(luò)，研究2D仿真環(huán)境中月球軟著陸推力矢量的最優(yōu)控制問(wèn)題.

1.2 國(guó)內(nèi)發(fā)展現(xiàn)狀

我國(guó)空間飛行器智能自主控制的發(fā)展始于上個(gè)世紀(jì)80年代.1987年楊嘉墀先生指出，智能控制和故障診斷是未來(lái)航天技術(shù)的發(fā)展方向.未來(lái)的航天器控制就是要實(shí)現(xiàn)智能自主控制，利用智能手段達(dá)到自主控制的目的.1995年，楊嘉墀先生發(fā)表了論文《中國(guó)空間計(jì)劃中智能自主控制技術(shù)的發(fā)展》，指出：“由于傳統(tǒng)控制技術(shù)在空間飛行器姿態(tài)和軌道控制方面存在的問(wèn)題，各空間國(guó)家10多年前就發(fā)展智能控制技術(shù)，對(duì)中國(guó)來(lái)說(shuō)，發(fā)展這項(xiàng)技術(shù)更有其必要性”[35].

經(jīng)過(guò)20多年的發(fā)展，我國(guó)形成了基于特征模型的智能自適應(yīng)控制理論框架[36-37]、模塊級(jí)進(jìn)化容錯(cuò)方法[38]、自抗擾控制[39]等原創(chuàng)性成果，已實(shí)現(xiàn)了由程序控制到自動(dòng)控制、自適應(yīng)控制，再到自主控制的提升[40]，有效支撐了對(duì)地遙感、空間交會(huì)對(duì)接、月球軟著陸等國(guó)家重大任務(wù).

1.2.1 對(duì)地遙感

為了提升對(duì)地遙感衛(wèi)星入軌后對(duì)時(shí)敏事件的快速響應(yīng)能力，北京控制工程研究所著力發(fā)展自主感知與任務(wù)規(guī)劃技術(shù)，已完成地面演示驗(yàn)證.通過(guò)色彩與紋理融合的特征識(shí)別，實(shí)現(xiàn)對(duì)目標(biāo)上方可成像“云洞”的預(yù)先判斷，采用多約束快速規(guī)劃與決策方法，綜合運(yùn)用深度學(xué)習(xí)、啟發(fā)式搜索等智能算法，得到規(guī)避遮擋的成像策略，提高成像數(shù)據(jù)可用性.

2017年，我國(guó)首顆商業(yè)遙感衛(wèi)星“吉林一號(hào)”發(fā)射入軌，具有一定的星上圖像處理能力，可實(shí)現(xiàn)機(jī)動(dòng)路徑自主規(guī)劃.2019年發(fā)射的軟件定義衛(wèi)星“天智一號(hào)”，可進(jìn)行在軌數(shù)據(jù)處理，根據(jù)地面需求下傳處理后的結(jié)果.

近年來(lái)眾多學(xué)者開(kāi)始研究基于深度學(xué)習(xí)的遙感圖像處理方法.例如，文獻(xiàn)[41]提出利用線性主成分分析網(wǎng)絡(luò)對(duì)高分辨率遙感圖像進(jìn)行預(yù)處理，提高網(wǎng)絡(luò)的泛化能力；文獻(xiàn)[42]利用四層卷積神經(jīng)網(wǎng)絡(luò)，對(duì)單幅遙感圖像進(jìn)行超分辨率重建.此外，針對(duì)單星自主任務(wù)調(diào)度規(guī)劃，研究了啟發(fā)式調(diào)度規(guī)則、連續(xù)性規(guī)劃、迭代修復(fù)等方法；針對(duì)多星星地一體化協(xié)同任務(wù)調(diào)度規(guī)劃，研究了基于優(yōu)先級(jí)的調(diào)度算法、層次化的確認(rèn)/授權(quán)機(jī)制等方法[43].

1.2.2 空間交會(huì)與操控

1992年9月21日，我國(guó)載人航天工程正式獲批，目前已成功發(fā)射11艘載人飛船，2個(gè)空間實(shí)驗(yàn)室，1艘貨運(yùn)飛船，實(shí)現(xiàn)了載人飛船的返回再入和空間交會(huì)對(duì)接.智能自主相關(guān)理論、方法與技術(shù)，是上述任務(wù)得以高可靠、高精準(zhǔn)完成的關(guān)鍵因素之一.

基于吳宏鑫等[36-37]提出的特征建模與自適應(yīng)控制理論框架，文獻(xiàn)[44]提出了基于升阻比估計(jì)的自適應(yīng)控制方法，解決了返回艙升阻比變化大嚴(yán)重影響落點(diǎn)精度的控制難題，神舟系列飛船10次返回開(kāi)傘點(diǎn)精度均達(dá)到10 km左右.

文獻(xiàn)[45-46]提出了黃金分割自適應(yīng)相平面控制方法，實(shí)現(xiàn)了空間大范圍智能自主軌道機(jī)動(dòng)，完成了全相位條件下的快速自主交會(huì)對(duì)接.從神舟飛船與天宮一號(hào)首次交會(huì)對(duì)接，到天舟貨運(yùn)飛船與天宮二號(hào)的快速交會(huì)對(duì)接，9次對(duì)接均一次成功，“太空穿針”的橫向位置偏差均小于5 cm.

圍繞智能自主能力的提升，國(guó)內(nèi)學(xué)者也開(kāi)展了一些理論方法研究.例如，文獻(xiàn)[47]利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行航天器組合體慣性參數(shù)的辨識(shí)；采用粒子群優(yōu)化算法[48]或Sarsa強(qiáng)化學(xué)習(xí)方法[49]，提高空間機(jī)械臂抓捕目標(biāo)過(guò)程中對(duì)不確定性的處理能力；文獻(xiàn)[50]考慮目標(biāo)飛行器價(jià)值、服務(wù)消耗、能量和時(shí)間約束，提出了一種基于離散粒子群的多服務(wù)飛行器目標(biāo)分配方法.

1.2.3 深空探測(cè)

我國(guó)月球探測(cè)任務(wù)分為“繞、落、回”三個(gè)階段，嫦娥三號(hào)、嫦娥四號(hào)完成了“落”月探測(cè)，分別實(shí)現(xiàn)了月球正面和背面軟著陸(圖1).針對(duì)“落”月任務(wù)，文獻(xiàn)[51]提出了慣導(dǎo)結(jié)合測(cè)距測(cè)速修正、多波束融合的自主導(dǎo)航方法，克服了月表不確定性導(dǎo)致的敏感器數(shù)據(jù)異常問(wèn)題；提出了主減速段參數(shù)自適應(yīng)和目標(biāo)自學(xué)習(xí)的動(dòng)力顯式制導(dǎo)方法，可在線自主調(diào)整目標(biāo)位置，在保證燃耗接近最優(yōu)的同時(shí)，避免了探測(cè)器質(zhì)量變化對(duì)制導(dǎo)性能的影響；文獻(xiàn)[52]基于機(jī)器視覺(jué)圖像處理技術(shù)，提出了灰度安全點(diǎn)結(jié)合姿態(tài)機(jī)動(dòng)粗避障、高度安全點(diǎn)結(jié)合位姿機(jī)動(dòng)精避障的“接力避障”控制技術(shù)，實(shí)現(xiàn)了崎嶇地形自主安全著陸.

圖1 嫦娥三/四號(hào)自主軟著陸過(guò)程Fig.1 Soft landing process of Chang’E-3 and Chang’E-4 Lunar Probes

嫦娥五號(hào)飛行試驗(yàn)器是我國(guó)驗(yàn)證月地軌道以第二宇宙速度再入的先導(dǎo)飛行器，應(yīng)用原創(chuàng)性的自適應(yīng)彈道預(yù)測(cè)方法、時(shí)變動(dòng)態(tài)控制增益變換方法、基于一階特征模型的全系數(shù)自適應(yīng)制導(dǎo)方法、預(yù)測(cè)-跟蹤相結(jié)合的雙環(huán)再入制導(dǎo)方法以及升阻比估計(jì)的自適應(yīng)制導(dǎo)方法[53]，實(shí)際飛行的開(kāi)傘點(diǎn)精度0.509 km，相對(duì)標(biāo)稱軌跡制導(dǎo)方法，精度上有數(shù)量級(jí)的提升.

國(guó)內(nèi)學(xué)者近年來(lái)也開(kāi)始研究利用智能算法的深空軌道設(shè)計(jì)和軌跡規(guī)劃問(wèn)題.例如，文獻(xiàn)[54]采用深度神經(jīng)網(wǎng)絡(luò)離線訓(xùn)練的方法，求解太陽(yáng)帆航天器軌道轉(zhuǎn)移過(guò)程中最小時(shí)間的軌跡優(yōu)化問(wèn)題，并且設(shè)計(jì)了多尺度網(wǎng)絡(luò)的協(xié)同策略；文獻(xiàn)[55]采用監(jiān)督學(xué)習(xí)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)軟著陸過(guò)程軌跡在線實(shí)時(shí)重規(guī)劃和控制.

1.3 國(guó)內(nèi)外對(duì)比與分析

自1957年第一顆人造地球衛(wèi)星入軌以來(lái)，空間飛行器經(jīng)歷了從程控自動(dòng)化到自適應(yīng)控制，再到自主控制的發(fā)展過(guò)程，在軌自主運(yùn)行能力不斷提升，目前正向具有更高智能水平的自主控制階段發(fā)展.

在提升空間飛行器的智能水平方面，美國(guó)走在世界前列，研制了以ASE為代表的優(yōu)化決策系統(tǒng)和以Livingstone為代表的自主故障預(yù)警系統(tǒng)，顯著提升了空間飛行器的安全性和易用性，獲得了可觀收益.我國(guó)在空間交會(huì)對(duì)接、返回再入、地外軟著陸等方面的自主控制與國(guó)際一流水平相當(dāng).智能方面形成了若干原創(chuàng)性成果，實(shí)現(xiàn)了“點(diǎn)”的突破，但尚未形成系統(tǒng)應(yīng)用.

2 空間飛行器智能自主控制的新思考

傳統(tǒng)的制導(dǎo)、導(dǎo)航與控制(GNC)系統(tǒng)重點(diǎn)解決絕對(duì)/相對(duì)姿態(tài)、軌道的自主確定和控制問(wèn)題.導(dǎo)航模塊進(jìn)行獨(dú)立的數(shù)據(jù)獲取和處理，制導(dǎo)模塊根據(jù)任務(wù)目標(biāo)和約束條件，計(jì)算期望的運(yùn)動(dòng)軌跡，控制模塊根據(jù)該期望軌跡，計(jì)算執(zhí)行機(jī)構(gòu)的工作指令，從而驅(qū)動(dòng)空間飛行器運(yùn)動(dòng).

隨著空間探索的不斷深入，任務(wù)越來(lái)越復(fù)雜，空間飛行器數(shù)量越來(lái)越多，需要解決任務(wù)層面的自主性問(wèn)題，也就是說(shuō)，在少依賴或不依賴地面干預(yù)的情況下能夠完成任務(wù)，甚至在復(fù)雜對(duì)抗環(huán)境下也能夠完成預(yù)定任務(wù).這就需要將原來(lái)依靠地面人員實(shí)現(xiàn)的目標(biāo)識(shí)別、任務(wù)規(guī)劃、指令編排等工作移交到空間飛行器上自主完成，并能夠?qū)ψ兓沫h(huán)境進(jìn)行智能分析和有效響應(yīng)[56].因此，需要站在新的高度，重新思考空間飛行器智能自主控制的新特征.

2.1 空間智能自主控制的新特征

為了實(shí)現(xiàn)對(duì)動(dòng)態(tài)環(huán)境和變化任務(wù)的快速響應(yīng)，空間飛行器需要自主完成態(tài)勢(shì)感知、決策規(guī)劃等功能，形成感知-決策-操控的星上閉環(huán).為此，本文提出一種新的星上閉環(huán)系統(tǒng)結(jié)構(gòu)，如圖2所示.

圖2 智能自主控制系統(tǒng)結(jié)構(gòu)Fig.2 Intelligent autonomous control system structure

新的系統(tǒng)結(jié)構(gòu)以感知、決策、操控和健康管理為功能模塊，與傳統(tǒng)的GNC系統(tǒng)相比，內(nèi)涵更加豐富，具有如下特征：

(1)感知

傳統(tǒng)GNC系統(tǒng)中的“感知”僅局限于導(dǎo)航功能.利用星敏感器、陀螺、太陽(yáng)敏感器等的測(cè)量信息，確定空間飛行器的姿態(tài)；利用光學(xué)敏感器、雷達(dá)、GNSS接收機(jī)等的測(cè)量信息，確定空間飛行器的絕對(duì)軌道和相對(duì)位姿.

新系統(tǒng)結(jié)構(gòu)中的感知，不僅包括傳統(tǒng)的導(dǎo)航，還包括對(duì)空間飛行器與目標(biāo)、環(huán)境組成的整個(gè)任務(wù)場(chǎng)景以及交互過(guò)程的理解和認(rèn)知，需要綜合處理不同模態(tài)的跨時(shí)空信息，實(shí)現(xiàn)數(shù)據(jù)融合，形成對(duì)環(huán)境的層次化透徹建模，并通過(guò)推理學(xué)習(xí)，實(shí)現(xiàn)場(chǎng)景理解和態(tài)勢(shì)預(yù)測(cè).

(2)決策

傳統(tǒng)GNC系統(tǒng)中的“決策”的內(nèi)容比較少，主要完成自主制導(dǎo)，任務(wù)決策和規(guī)劃需要依賴地面完成.

新系統(tǒng)結(jié)構(gòu)中的決策，直接面向任務(wù)和環(huán)境，針對(duì)頂層任務(wù)需求，根據(jù)感知結(jié)果，對(duì)數(shù)據(jù)進(jìn)行綜合分析，通過(guò)知識(shí)推理和迭代優(yōu)化，形成序列化的最優(yōu)決策和軌跡規(guī)劃，使空間飛行器能夠根據(jù)動(dòng)態(tài)任務(wù)、運(yùn)行環(huán)境和自身狀態(tài)，自主完成任務(wù)調(diào)整、分解、規(guī)劃與編排.對(duì)于空間集群飛行器，還包括群體決策、任務(wù)分配、自組織策略等.

(3)操控

新系統(tǒng)結(jié)構(gòu)中的操控，是針對(duì)整個(gè)飛行器的，不僅包括平臺(tái)部分的姿態(tài)軌道控制，還包括對(duì)載荷、目標(biāo)的操作和控制.對(duì)空間碎片等非合作目標(biāo)的操作過(guò)程，主要包括目標(biāo)跟瞄、接近?？俊⑷犴槻东@、姿態(tài)鎮(zhèn)定、離軌機(jī)動(dòng)等，對(duì)于在軌維修維護(hù)，還包括模塊更換、在軌加注、精細(xì)組裝、部件維修等.由于先驗(yàn)知識(shí)欠缺，接觸操作過(guò)程交互作用復(fù)雜，目標(biāo)的材質(zhì)、質(zhì)量特性等未知，需要通過(guò)學(xué)習(xí)和訓(xùn)練，使得操作過(guò)程具備對(duì)環(huán)境和對(duì)象的主動(dòng)適應(yīng)能力.

(4)健康管理

新系統(tǒng)結(jié)構(gòu)中的健康管理，不僅包含傳統(tǒng)的數(shù)據(jù)有效性判斷、故障診斷和硬件重構(gòu)，還包括故障預(yù)警、壽命預(yù)測(cè)、健康評(píng)估和進(jìn)化修復(fù).健康管理作為獨(dú)立模塊，與感知、決策、操控模塊都可進(jìn)行信息交互，通過(guò)建立狀態(tài)特征與異常之間的映射關(guān)系實(shí)現(xiàn)故障預(yù)警，構(gòu)建從正常到異常再到失效的故障演化模型，實(shí)現(xiàn)系統(tǒng)性能退化分析和壽命預(yù)測(cè)，完成重構(gòu)和進(jìn)化修復(fù)，評(píng)估空間飛行器健康狀態(tài)與執(zhí)行任務(wù)的能力.

2.2 空間飛行器智能自主控制的新分級(jí)

為了準(zhǔn)確把握未來(lái)的發(fā)展趨勢(shì)，并對(duì)任務(wù)能力進(jìn)行清晰地劃分，有必要針對(duì)空間飛行器智能自主控制的水平和能力，建立一個(gè)通用的評(píng)價(jià)方法.

對(duì)于一般的控制系統(tǒng)，文獻(xiàn)[7]依據(jù)是否可自主完成控制、感知與決策，將系統(tǒng)劃分為3個(gè)等級(jí).其中，等級(jí)1的系統(tǒng)能夠?qū)崿F(xiàn)受控運(yùn)動(dòng)，等級(jí)2的系統(tǒng)能夠識(shí)別目標(biāo)和事件，進(jìn)行推理和預(yù)測(cè)，等級(jí)3的系統(tǒng)能夠感知并理解環(huán)境，進(jìn)行最優(yōu)決策，并能夠在環(huán)境大范圍變化下進(jìn)行受控運(yùn)動(dòng)，從而適應(yīng)危險(xiǎn)敵對(duì)環(huán)境.該分級(jí)方式較為籠統(tǒng).

NASA從飛行器對(duì)環(huán)境的適應(yīng)能力、對(duì)性能指標(biāo)的優(yōu)化能力、對(duì)突發(fā)事件的響應(yīng)能力三個(gè)方面，對(duì)飛行器控制系統(tǒng)的智能水平進(jìn)行了分級(jí)，其中，等級(jí)0只具備軌跡跟蹤能力，等級(jí)1進(jìn)一步具備參數(shù)調(diào)整能力，等級(jí)2進(jìn)一步具備性能優(yōu)化能力，最高等級(jí)3具備任務(wù)規(guī)劃能力，能夠應(yīng)對(duì)突發(fā)事件，具備故障診斷和恢復(fù)能力，且能夠自我調(diào)整以適應(yīng)環(huán)境變化[56].該分級(jí)主要對(duì)飛行器姿態(tài)軌道控制系統(tǒng)的魯棒性和自適應(yīng)性進(jìn)行了等級(jí)劃分，但仍然局限于傳統(tǒng)的GNC系統(tǒng)設(shè)計(jì)框架.

2006年，AIAA下屬的空間操作與支持技術(shù)委員會(huì)對(duì)空間飛行器的智能自主水平，特別是推理、思考等類人智能水平，劃分為六個(gè)等級(jí)，如表1所示[57].

上述分級(jí)根據(jù)人在系統(tǒng)中的參與程度，對(duì)智能自主水平進(jìn)行劃分，提出了在軌智能推理和自主思考這一“強(qiáng)智能”的發(fā)展目標(biāo).

針對(duì)空間飛行器智能自主控制的技術(shù)特點(diǎn)和功能特征，本文根據(jù)系統(tǒng)對(duì)地面的依賴程度和處理復(fù)雜任務(wù)的智能水平，以運(yùn)動(dòng)控制、感知認(rèn)知、決策規(guī)劃、操作執(zhí)行和健康管理為能力要素，提出一種新的等級(jí)劃分方法，如表2所示.

表1 航天器智能推理分級(jí)(AIAA 2006)[57]Tab.1 The stages of intelligent reasoning (AIAA 2006)[57]

表2 空間智能自主控制分級(jí)Tab.2 Levels of space intelligent autonomous control

*注：此處將圖2中的操控模塊分為運(yùn)動(dòng)控制與操作控制，其中運(yùn)動(dòng)控制是指空間飛行器平臺(tái)的三軸姿態(tài)控制和軌道控制，對(duì)應(yīng)傳統(tǒng)GNC系統(tǒng)中的控制部分.

對(duì)表2中不同等級(jí)的技術(shù)特征進(jìn)一步說(shuō)明如下：

等級(jí)1：空間飛行器結(jié)構(gòu)相對(duì)簡(jiǎn)單，星上完成姿態(tài)確定和姿態(tài)穩(wěn)定控制，依靠地面站進(jìn)行測(cè)定軌，星上根據(jù)地面注入的程控指令實(shí)施軌道機(jī)動(dòng).

等級(jí)2：實(shí)現(xiàn)帶有大撓性附件空間飛行器的三軸姿態(tài)機(jī)動(dòng)，利用星上敏感器進(jìn)行軌道確定，自主實(shí)施軌道位置保持控制，形成制導(dǎo)、導(dǎo)航與控制星上閉環(huán).

等級(jí)3：實(shí)現(xiàn)變結(jié)構(gòu)空間飛行器的姿態(tài)軌道機(jī)動(dòng)控制，實(shí)現(xiàn)星間相對(duì)導(dǎo)航與控制，具備對(duì)目標(biāo)典型特征的識(shí)別能力，能夠自主進(jìn)行簡(jiǎn)單任務(wù)和機(jī)動(dòng)路徑規(guī)劃，進(jìn)行人在回路中對(duì)特定目標(biāo)的在軌操作.

等級(jí)4：實(shí)現(xiàn)大尺度全柔性體分布式控制和復(fù)雜組合體機(jī)動(dòng)控制，能夠融合星上多源異構(gòu)數(shù)據(jù)對(duì)目標(biāo)行為和環(huán)境態(tài)勢(shì)進(jìn)行感知，完成多約束多目標(biāo)的優(yōu)化決策，能夠主動(dòng)探索環(huán)境，根據(jù)環(huán)境反饋進(jìn)行自我學(xué)習(xí)，提升復(fù)雜任務(wù)的自主執(zhí)行能力.

等級(jí)5：實(shí)現(xiàn)多智能體協(xié)同控制，能夠進(jìn)行推理學(xué)習(xí)和知識(shí)共享，實(shí)現(xiàn)態(tài)勢(shì)感知和演化預(yù)測(cè)；實(shí)現(xiàn)群體決策、自主任務(wù)分配，完成面向多任務(wù)的操控學(xué)習(xí)、觸類旁通和協(xié)同操控，具備復(fù)雜動(dòng)態(tài)環(huán)境下多任務(wù)的群體自組織協(xié)作能力.

根據(jù)表2的分級(jí)，美國(guó)已具備星上目標(biāo)識(shí)別、自主機(jī)動(dòng)能力，智能自主水平整體上處于等級(jí)3，當(dāng)前正在向等級(jí)4發(fā)展，部分完成在軌試驗(yàn).我國(guó)已掌握自主交會(huì)對(duì)接、月面自主軟著陸技術(shù)，在軌實(shí)現(xiàn)了衛(wèi)星典型特征的識(shí)別、空間站與神舟飛船變結(jié)構(gòu)體的控制，還在完善等級(jí)3，同時(shí)也在向等級(jí)4發(fā)展.

3 空間飛行器智能自主控制的發(fā)展建議

新一代人工智能的迅猛發(fā)展，為空間飛行器智能自主能力的提升，提供了豐富的技術(shù)儲(chǔ)備[58].然而，以深度學(xué)習(xí)為代表的人工智能技術(shù)，當(dāng)應(yīng)用于空間任務(wù)時(shí)，依舊面臨著眾多挑戰(zhàn)，其中在數(shù)據(jù)、算力和算法三方面的挑戰(zhàn)如下：

1) 空間任務(wù)中可用于學(xué)習(xí)訓(xùn)練的樣本少

空間飛行器長(zhǎng)期在軌運(yùn)行，雖然下傳的數(shù)據(jù)很多，但標(biāo)注困難，能夠用于學(xué)習(xí)訓(xùn)練的有效樣本非常少.以故障診斷為例，盡管低軌衛(wèi)星通常每1秒生成一條遙測(cè)數(shù)據(jù)，運(yùn)行一年可以生成107量級(jí)的數(shù)據(jù)(與ImageNet的樣本數(shù)量相當(dāng))，但是其中發(fā)生故障的樣本通常為個(gè)位數(shù)甚至沒(méi)有.

2) 空間環(huán)境下計(jì)算資源嚴(yán)重受限

空間飛行器受制于功耗、體積、質(zhì)量、空間輻射等因素，星載計(jì)算機(jī)的算力與地面相差甚遠(yuǎn)，難以滿足大規(guī)模學(xué)習(xí)訓(xùn)練的需求.例如目前較先進(jìn)的星載計(jì)算機(jī)RAD5545，其處理主頻僅為466 MHz，而主流智能手機(jī)處理主頻一般在2 GHz以上.

3) 智能算法的空間適應(yīng)性問(wèn)題

現(xiàn)有的主流智能算法網(wǎng)絡(luò)規(guī)模較大，對(duì)算力要求高，星上難以實(shí)現(xiàn)；對(duì)于操控類任務(wù)，只能在地面仿真環(huán)境中先進(jìn)行訓(xùn)練，由于地面仿真環(huán)境與空間環(huán)境存在差異，需要進(jìn)一步解決算法的遷移問(wèn)題.

針對(duì)上述挑戰(zhàn)，本節(jié)從感知與認(rèn)知、決策與規(guī)劃、學(xué)習(xí)與操控、自主健康管理和系統(tǒng)體系架構(gòu)五個(gè)方面，給出空間智能自主控制技術(shù)的發(fā)展建議.

3.1 空間智能感知與認(rèn)知

空間環(huán)境下進(jìn)行智能感知時(shí)，需要在姿態(tài)、軌道、敏感器能力等約束條件下，針對(duì)環(huán)境特點(diǎn)和任務(wù)需求，從測(cè)量、識(shí)別、理解三個(gè)方面開(kāi)展研究：

1) 信息高效獲取和多元數(shù)據(jù)融合.研究多模態(tài)數(shù)據(jù)的表達(dá)、時(shí)空對(duì)齊及多域映射的問(wèn)題；研究如何在統(tǒng)一的時(shí)空基準(zhǔn)下，對(duì)各類敏感器數(shù)據(jù)進(jìn)行數(shù)據(jù)融合.對(duì)于由各類不同功能和機(jī)動(dòng)能力的空間飛行器組成的多智能體系統(tǒng)，研究高效協(xié)同觀測(cè)、信息共享問(wèn)題.采用多模態(tài)機(jī)器學(xué)習(xí)方法[59]有望發(fā)展出適用于空間任務(wù)的融合算法.

2) 空間環(huán)境下的目標(biāo)分割、分類、定位和跟蹤.區(qū)別于地表環(huán)境，空間環(huán)境下的目標(biāo)識(shí)別，面臨著樣本數(shù)量少、成像質(zhì)量低、目標(biāo)尺度變化大、光照條件惡劣等特有問(wèn)題，需要研究空間目標(biāo)圖像的快速分割、基于上下文的特定部位精準(zhǔn)識(shí)別、大尺度遠(yuǎn)近變化下的動(dòng)目標(biāo)穩(wěn)定跟蹤、空中/地面目標(biāo)全天時(shí)監(jiān)測(cè)與識(shí)別等問(wèn)題.

3) 目標(biāo)行為屬性判斷與空間場(chǎng)景理解.研究如何根據(jù)目標(biāo)的類別和運(yùn)動(dòng)特點(diǎn)，對(duì)運(yùn)動(dòng)目標(biāo)的行為意圖進(jìn)行理解；研究開(kāi)放環(huán)境下缺少先驗(yàn)知識(shí)的場(chǎng)景理解問(wèn)題，形成對(duì)“空間飛行器-空間環(huán)境-任務(wù)需求”三者關(guān)系的透徹理解.

此外，針對(duì)智能算法的空間應(yīng)用需求，還需研究模型輕量化問(wèn)題，即如何通過(guò)網(wǎng)絡(luò)優(yōu)化組合、映射、統(tǒng)計(jì)、剪枝與權(quán)重共享等手段，實(shí)現(xiàn)網(wǎng)絡(luò)模型的無(wú)損壓縮，便于星上部署.值得關(guān)注的方法有剪枝、權(quán)值共享和量化、哈夫曼編碼的三段式深度壓縮框架[60]、動(dòng)態(tài)網(wǎng)絡(luò)剪枝框架[61]、核級(jí)剪枝和通道級(jí)剪枝[62]等.

3.2 智能自主決策與規(guī)劃

空間飛行器的多任務(wù)決策、時(shí)序編排、軌跡規(guī)劃，其本質(zhì)是一個(gè)多約束條件下的尋優(yōu)過(guò)程，需要綜合考慮能源、機(jī)動(dòng)能力、安全性、載荷等約束[43].

1) 單星多約束快速優(yōu)化.研究如何利用在軌數(shù)據(jù)和仿真推演數(shù)據(jù)，構(gòu)建智能決策知識(shí)庫(kù)和算法庫(kù).可借鑒AlphaGo Zero基于價(jià)值網(wǎng)絡(luò)和策略網(wǎng)絡(luò)的深度強(qiáng)化學(xué)習(xí)框架[63]，結(jié)合先驗(yàn)知識(shí)，研究動(dòng)作的高效探索機(jī)制和快速收斂算法.針對(duì)多點(diǎn)觀測(cè)任務(wù)，研究兼顧點(diǎn)目標(biāo)和區(qū)域目標(biāo)的任務(wù)規(guī)劃方法、星地一體化聯(lián)合規(guī)劃方法等內(nèi)容.

2) 空間操作任務(wù)決策與軌跡規(guī)劃.針對(duì)翻滾目標(biāo)消旋，研究如何構(gòu)建基于反應(yīng)式學(xué)習(xí)的智能決策框架，根據(jù)目標(biāo)運(yùn)動(dòng)狀態(tài)，通過(guò)強(qiáng)化學(xué)習(xí)，得到有效的消旋策略；針對(duì)非合作目標(biāo)柔順抓捕，研究如何根據(jù)目標(biāo)運(yùn)動(dòng)狀態(tài)信息，確定抓捕部位、接近路徑、操控載荷運(yùn)動(dòng)軌跡；針對(duì)在軌精細(xì)操作，研究多臂任務(wù)分配、避碰軌跡規(guī)劃等內(nèi)容.

3) 多星協(xié)同-競(jìng)爭(zhēng)機(jī)制下的博弈決策.需要解決多星架構(gòu)互異、功能配置互異下的通用、分布式、可擴(kuò)展的協(xié)同決策架構(gòu)設(shè)計(jì)問(wèn)題.在此基礎(chǔ)上，研究大規(guī)模集群空間飛行器的沖突消解、任務(wù)分配方法，以應(yīng)對(duì)攻防追逃等復(fù)雜任務(wù)；研究如何借鑒蜂群、蟻群、狼群等群體的高效協(xié)同機(jī)理，實(shí)現(xiàn)群智涌現(xiàn)[64].一些通用的協(xié)同決策優(yōu)化算法值得關(guān)注，如納什均衡博弈決策算法[65]、貝葉斯動(dòng)作解碼器多體學(xué)習(xí)算法[66]等.

3.3 機(jī)器學(xué)習(xí)與智能操控

空間環(huán)境下的智能操控，可遵循“數(shù)字仿真學(xué)習(xí)-地面試驗(yàn)-在軌二次學(xué)習(xí)”這一思路，根據(jù)對(duì)象和任務(wù)的不同特點(diǎn)，從以下幾方面開(kāi)展研究：

1) 復(fù)雜飛行器/組合體的運(yùn)動(dòng)控制.超大規(guī)模全柔性航天器、復(fù)雜柔性連接組合體等對(duì)象的動(dòng)力學(xué)特性復(fù)雜，傳統(tǒng)的魯棒、自適應(yīng)等基于解析模型的控制方法遇到了困難[67].在進(jìn)一步研究分布式控制方法的同時(shí)，可采用“Actor-Critic”的學(xué)習(xí)框架，通過(guò)運(yùn)動(dòng)體在環(huán)境中的試探，根據(jù)環(huán)境反饋，迭代優(yōu)化評(píng)價(jià)網(wǎng)絡(luò)，不斷調(diào)整控制策略，從而實(shí)現(xiàn)控制預(yù)期[68].

2) 與環(huán)境接觸交互作用下的操作學(xué)習(xí).空間操作的接觸交互過(guò)程難以用解析模型精確表達(dá)，地面也難以等效模擬在軌操作的相關(guān)特性，需要研究學(xué)習(xí)訓(xùn)練環(huán)境與作業(yè)環(huán)境存在差異時(shí)算法的可靠遷移問(wèn)題，以及在新場(chǎng)景下如何利用高價(jià)值樣本進(jìn)行二次學(xué)習(xí)問(wèn)題.可通過(guò)設(shè)計(jì)訓(xùn)練樣本的分布、加入合理噪聲等手段[69]，提高算法在相似場(chǎng)景和對(duì)象上的學(xué)習(xí)效率.

3) 面向多任務(wù)的操作學(xué)習(xí).需要研究如何利用一套模型，通過(guò)學(xué)習(xí)訓(xùn)練，掌握插拔、旋擰、剪切、夾持等基本動(dòng)作，完成目標(biāo)抓取、軟管加注、模塊更換等多類任務(wù).可從自編碼網(wǎng)絡(luò)等表示學(xué)習(xí)方法尋求突破口，實(shí)現(xiàn)對(duì)高維特征的統(tǒng)一表達(dá)，并研究新算法實(shí)現(xiàn)已有技能與新技能的共存、融合與促進(jìn).

3.4 自主健康管理

當(dāng)前空間飛行器健康管理主要針對(duì)已認(rèn)知的故障，采用“硬件備份+解析冗余+專家支持+安全模式”的模式實(shí)現(xiàn)事后診斷與處理[70]，不能充分挖掘和利用各階段的歷史數(shù)據(jù)，難以實(shí)現(xiàn)提前預(yù)警和壽命預(yù)測(cè).人工智能技術(shù)能夠?qū)?shù)據(jù)進(jìn)行表征學(xué)習(xí)，有望解決空間飛行器的故障預(yù)警、診斷以及壽命預(yù)測(cè)問(wèn)題.

1) 長(zhǎng)時(shí)序故障預(yù)警.研究如何融合多源數(shù)據(jù)提取空間飛行器的狀態(tài)特征，建立狀態(tài)特征與性能異常的映射關(guān)系，實(shí)現(xiàn)長(zhǎng)時(shí)序情況下的故障提前預(yù)警.可采用卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)相結(jié)合的方式提取狀態(tài)特征，利用知識(shí)圖譜構(gòu)建性能-異常映射關(guān)系，利用長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)解決強(qiáng)時(shí)間相關(guān)性的長(zhǎng)時(shí)序故障預(yù)測(cè)問(wèn)題.

2) 強(qiáng)適應(yīng)故障診斷.研究如何將數(shù)據(jù)與知識(shí)相結(jié)合建立診斷網(wǎng)絡(luò)，研究利用強(qiáng)化學(xué)習(xí)等方法實(shí)現(xiàn)診斷閾值的自主調(diào)整，融合決策樹(shù)實(shí)現(xiàn)未知故障的聚類和定位，基于專家示教的方式提升學(xué)習(xí)效率.

3) 動(dòng)態(tài)壽命預(yù)測(cè).研究如何從高維海量歷史數(shù)據(jù)中挖掘健康特征，構(gòu)建剩余壽命評(píng)估指標(biāo)，結(jié)合數(shù)據(jù)驅(qū)動(dòng)和退化機(jī)理實(shí)現(xiàn)單機(jī)級(jí)和系統(tǒng)級(jí)剩余壽命預(yù)測(cè).可利用長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)建立單機(jī)級(jí)性能退化模型[71]，再結(jié)合競(jìng)爭(zhēng)失效模型實(shí)現(xiàn)系統(tǒng)級(jí)動(dòng)態(tài)壽命預(yù)測(cè)，在此基礎(chǔ)上，將可進(jìn)化硬件、細(xì)胞衛(wèi)星等技術(shù)與人工智能技術(shù)融合，實(shí)現(xiàn)健康狀態(tài)的自修復(fù).

3.5 智能自主控制系統(tǒng)體系架構(gòu)

傳統(tǒng)控制系統(tǒng)通常面向確定性任務(wù)設(shè)計(jì)，架構(gòu)比較封閉，制約了信息的高速獲取與深度融合，難以支撐智能自主控制系統(tǒng)技術(shù)的實(shí)現(xiàn)，需要研究信息物理深度融合的系統(tǒng)體系架構(gòu)：

1) 開(kāi)放式的邏輯體系.研究如何將感知、決策、操控和健康管理進(jìn)行有機(jī)共融，在復(fù)雜約束下實(shí)現(xiàn)最優(yōu)自主任務(wù).可采用多層開(kāi)放式結(jié)構(gòu)，基于并聯(lián)反饋，建立層間聯(lián)系，實(shí)現(xiàn)信息系統(tǒng)與物理系統(tǒng)的深度交互.

2) 深度融合的信息體系.研究如何建立物理系統(tǒng)的多種敏感器、執(zhí)行機(jī)構(gòu)和功能應(yīng)用之間的協(xié)調(diào)關(guān)聯(lián)，實(shí)現(xiàn)信息物理深度融合；研究如何解決時(shí)空多域沖突問(wèn)題，實(shí)現(xiàn)任務(wù)資源調(diào)度和信息共享.

3) 協(xié)同互聯(lián)的軟件體系.研究如何設(shè)計(jì)任務(wù)調(diào)度機(jī)制，實(shí)現(xiàn)對(duì)系統(tǒng)的管理、任務(wù)的調(diào)度、資源的調(diào)配；設(shè)計(jì)標(biāo)準(zhǔn)接口協(xié)議，實(shí)現(xiàn)智能應(yīng)用軟件的快速部裝.可采用“云中心+節(jié)點(diǎn)端”的數(shù)據(jù)處理方式，實(shí)現(xiàn)系統(tǒng)資源的分布式管理.

現(xiàn)階段智能自主控制系統(tǒng)的設(shè)計(jì)理念主要圍繞智能增強(qiáng).未來(lái)，隨著腦科學(xué)、神經(jīng)計(jì)算、量子計(jì)算、生物智能等前沿新技術(shù)的發(fā)展，空間飛行器的設(shè)計(jì)理念、系統(tǒng)架構(gòu)、運(yùn)行機(jī)制都可能發(fā)生顛覆性的變化，可變形的全柔性航天器、瞬間全域感知、仿生集群等構(gòu)想都將有望得以實(shí)現(xiàn).

4 結(jié)束語(yǔ)

經(jīng)過(guò)近半個(gè)世紀(jì)的發(fā)展，各國(guó)空間飛行器都已逐步實(shí)現(xiàn)了不同程度的自主控制.目前各國(guó)都加快了空間智能自主控制技術(shù)的研究步伐.展望未來(lái)，空間飛行器智能自主控制技術(shù)的發(fā)展，短期目標(biāo)是通過(guò)引入人工智能技術(shù)，實(shí)現(xiàn)對(duì)空間飛行器功能級(jí)、模塊級(jí)自主能力的賦能與提升，達(dá)到第4級(jí)的智能自主水平；長(zhǎng)期目標(biāo)是通過(guò)發(fā)展智能技術(shù)，推動(dòng)空間飛行器設(shè)計(jì)理念和應(yīng)用模式的變革，達(dá)到第5級(jí)的智能自主水平，從而真正意義上實(shí)現(xiàn)理解任務(wù)、洞察環(huán)境、最優(yōu)決策、靈巧操控，實(shí)現(xiàn)空間飛行器的跨代發(fā)展.