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)重點實驗室·上?！?01109)

0 引 言

傳統(tǒng)航天器是在地面站支持下運行的,存在自主性、時效性差等問題,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)用到航天器運行中,可為航天器自主運行、減少對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,通過對國內(nèi)外發(fā)展現(xiàn)狀的調(diào)研對比分析國內(nèi)外差距,進(jìn)而針對目前傳統(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)特茅斯研究會上第一次提出了人工智能這一概念以來,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年至今迎來了大規(guī)模發(fā)展的增長爆發(fā)期。人工智能正在向各個行業(yè)滲透,影響和改變著我們生活的方方面面[1]。

隨著各國對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,將會使航天器的發(fā)展遇到越來越多的瓶頸:

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

2)對地觀測分辨率越高,數(shù)據(jù)量越大,同時對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,時效性差,導(dǎo)致對突發(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別、智能決策與任務(wù)規(guī)劃的能力。

3)空間目標(biāo)識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)境下受陽光直射及其他裝置光反射影響,會形成大量雜散光干擾,使得識別準(zhǔn)確率受到影響,甚至?xí)?dǎo)致操控任務(wù)失敗,因此目標(biāo)智能感知與匹配識別需求迫切。

4)運載火箭伺服機構(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)生不可控制的擾動力矩,傳統(tǒng)的控制方法控制策略簡單,難以適應(yīng)伺服故障下的姿態(tài)穩(wěn)定問題;發(fā)動機因渦輪泵故障、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)計無法實時在線調(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)合的時代已經(jīng)到來。

AIAA(American Institute of Aeronautics and Astronautics,美國航空航天學(xué)會)下屬的空間操作與支持技術(shù)委員會 (SOSTC)對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Level 1～Level 6這6個等級。Level 1:手動操作;Level 2:自動化;Level 3:有人地面智能推理;Level 4:無人地面智能推理;Level 5:在軌智能推理;Level 6:自主思考航天器[2]。目前國內(nèi)航天器的智能化水平主要處于Level 2～3,后續(xù)通過引入人工智能推動航天器的智能化水平向Level 5～6發(fā)展。

2 國內(nèi)外發(fā)展現(xiàn)狀及趨勢

2.1 國外發(fā)展現(xiàn)狀

美國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,國家科學(xué)技術(shù)委員會)發(fā)布了2份關(guān)于人工智能發(fā)展的重要報告—— 《為人工智能的未來做好準(zhǔn)備》和 《國家人工智能研究與發(fā)展戰(zhàn)略計劃》。2018年3月,美國CSIS(Center for Strategic and International Studies,國際戰(zhàn)略研究所)發(fā)布了 《美國機器智能國家戰(zhàn)略報告》,同年5月白宮主辦了人工智能峰會,美國將增加人工智能在各領(lǐng)域的投入,包括對航天器智能控制的探索,確保美國在人工智能領(lǐng)域的世界領(lǐng)先地位。

2.1.1 國外衛(wèi)星智能技術(shù)發(fā)展

美國最早在1998年深空一號 (DS-1)計劃中對深空航天器任務(wù)自主規(guī)劃、故障診斷修復(fù)進(jìn)行驗證,DS-1中應(yīng)用的自主遠(yuǎn)程Agent是第一個采用人工智能實現(xiàn)無人監(jiān)控條件下的航天器在軌控制系統(tǒng)[3](圖1)。美國火星探測漫游車 (MER)和好奇號火星車?yán)密囕d自主軟件對自主障礙規(guī)避決策和控制進(jìn)行驗證,火星車將測得數(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任務(wù)規(guī)劃[4-7]。

圖1 遠(yuǎn)程Agent系統(tǒng)框架

美國在地球觀測1號 (EO-1)和技術(shù)衛(wèi)星-21(TechSat-21)中應(yīng)用自動科學(xué)航天器軟件(ASE),對遙感圖像在線判讀、觀測任務(wù)自主規(guī)劃進(jìn)行驗證,能夠在線完成遙感圖像識別處理,并根據(jù)觀測到的事件對任務(wù)進(jìn)行重規(guī)劃,從而在下一個觀測周期中自動瞄準(zhǔn)感興趣的觀測目標(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,美國國家航空航天局)研制的航天ASPEN(Automated Scheduling and Planning Environment,任務(wù)規(guī)劃調(diào)度平臺)的在線實時版本。ASPEN根據(jù)航天器運行約束、飛行規(guī)則、科學(xué)試驗?zāi)繕?biāo)、運行程序等,利用迭代修復(fù)算法實現(xiàn)連續(xù)規(guī)劃,自動生成低層次的航天器控制動作序列[8](圖2)。

圖2 ASPEN軟件界面

美國在軌操控任務(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年啟動的RSGS(Robotic Servicing of Geosynchronous Satellites,地球同步軌道衛(wèi)星機器人服務(wù))項目,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。RSGS項目中自主服務(wù)航天器(RSV)平臺首先完成了對客戶衛(wèi)星的近距離詳查,對太陽電池陣、天線展開故障等機械異常進(jìn)行修正,然后利用攜帶的FREND-MK2機械臂抓捕客戶衛(wèi)星形成組合體,并進(jìn)行軌道機動,最后為客戶衛(wèi)星安裝升級包,提供新功能[9](圖3)。

圖3 RSGS操控任務(wù)過程

美國ANTS(Autonomic Nano Technology Swarm,自主納技術(shù)集群)計劃包括:土星自主環(huán)形天線陣任務(wù) (SARA)、月球自主探測任務(wù)(ALI)、小行星帶勘探任務(wù) (PAM),其中ANTS/PAM計劃任務(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計劃包括1000顆皮星,采用分級管理方法,按照功能分為員工 (Worker)、管理員 (Ruler)、信使(Messenger)三種類型,通過協(xié)同工作和共享信息完成集群探測任務(wù)[10]。

圖4 ANTS計劃示意圖

2.1.2 國外運載智能技術(shù)發(fā)展

NASA從20世紀(jì)60年代應(yīng)用了簡單的狀態(tài)監(jiān)測;70年代應(yīng)用了基于算法的診斷 (阿波羅號);80年代應(yīng)用了基于知識的智能診斷 (航天飛機);到90年代之后進(jìn)入自動化、自主化的診斷與健康管理過程[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SLS重型運載火箭在故障下通過自主規(guī)劃進(jìn)入一個安全軌道等待救援 (圖5)。

圖5 運載智能發(fā)展歷程

SpaceX運載火箭 (圖6)對飛行過程中動力系統(tǒng)實時健康狀態(tài)檢測、飛行任務(wù)重規(guī)劃進(jìn)行驗證。采用牽制釋放技術(shù),通過地面及箭上故障檢測系統(tǒng)實時監(jiān)測發(fā)動機工作情況,檢測到異?？呻S時中止發(fā)射,在發(fā)現(xiàn)1臺或2臺發(fā)動機故障的情況下,重新計算和規(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運載火箭

圖7 SpaceX任務(wù)過程

SLS航天運輸發(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、定姿、定點入軌條件或其他終端約束,可在任意兩級間加入一個滑行段并進(jìn)行優(yōu)化,根據(jù)出現(xiàn)故障嚴(yán)重程度的不同,力爭進(jìn)入預(yù)定軌道或進(jìn)入安全軌道 (圖9)。

圖8 SLS航天運輸發(fā)射系統(tǒng)

圖9 SLS任務(wù)過程

縱觀國外智能航天器發(fā)展歷程,可以看出:

1)國外航天器人工智能技術(shù)研究主要集中在圖像識別、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、運載等,具備一定的自主識別、判斷與任務(wù)規(guī)劃能力;

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

2.2 國內(nèi)發(fā)展現(xiàn)狀

2017年7月8日,我國頒布了 《國務(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、總體要求、重點任務(wù)、資源配置、保障措施、組織實施,同年在科技創(chuàng)新2030重大項目中新增 “人工智能2.0”。

在深空領(lǐng)域,嫦娥三號軟著陸任務(wù)中,從著陸器攜帶的降落相機獲取的降落影像序列,圖像質(zhì)量清晰連續(xù),為著陸點精確定位提供了保障;嫦娥三號巡視器探測過程中,地面根據(jù)傳回的圖像確定巡視移動策略和路徑,每項探測任務(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,將空天大數(shù)據(jù)、云計算與人工智能技術(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年完成國際首次人機協(xié)同在軌維修任務(wù)驗證,完成了插拔電連接器、旋擰螺釘?shù)仍囼瀃16]。

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

在運輸故障診斷中,運載火箭已經(jīng)實現(xiàn)了基于閾值的故障診斷,并在中國運載火箭技術(shù)研究院研制的長征二號F運載火箭上得到了充分應(yīng)用,關(guān)于自動或智能化的故障診斷技術(shù)研究較多。

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

2.3 國內(nèi)外航天器智能技術(shù)發(fā)展對比

在戰(zhàn)略方面,國內(nèi)外均認(rèn)識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,美國是目前人工智能發(fā)展大國,航天器智能化水平處于Level 5,中國人工智能技術(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 國內(nèi)外航天器智能技術(shù)發(fā)展分析對比

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+實時重規(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)采集能力實現(xiàn)科學(xué)目標(biāo)的自主識別與復(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。針對深空探測中常見的可見光與LiDAR組合,利用深度學(xué)習(xí)技術(shù)的高級抽象特征自學(xué)習(xí)能力,采用主動強化學(xué)習(xí)方法實現(xiàn)對深空弱特征目標(biāo)的自主識別與探測,自主實現(xiàn)對深空弱特征目標(biāo)的類別識別與位置檢測,解決在復(fù)雜未知環(huán)境下非自主探測帶來的探測范圍有限、探測效率低的問題 (圖10)。

重點解決的問題包括:

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;

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

圖10 MER自主探測系統(tǒng)工作流程[6]

3.2 AI+遙感

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

重點解決的問題包括:

1)在成像時間、觀測角度、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)動多層神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)技術(shù),開展異源圖像的智能匹配與識別,實現(xiàn)對突發(fā)事件的在軌高精度實時檢測;

2)機動過程多約束條件下強化學(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 遙感圖像智能檢測識別

3.3 AI+在軌操控

空間機器人具有對未知非合作目標(biāo)的空間感知、機動接近和操作的能力,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)智能識別、動態(tài)障礙規(guī)避與大角動量柔順傳遞、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)過程

重點解決的問題包括:

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)的自主識別中,提高復(fù)雜環(huán)境下非合作目標(biāo)光學(xué)成像與測量的自適應(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)多過程動態(tài)特征自學(xué)習(xí)技術(shù),完成合作目標(biāo)關(guān)鍵部組件識別模型的神經(jīng)網(wǎng)絡(luò)訓(xùn)練。再針對合作目標(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)高精度運動模型 (含空間攝動和目標(biāo)章動),完成動態(tài)障礙規(guī)避任務(wù)規(guī)劃及路徑設(shè)計;解決抓捕過程中未知參數(shù)自適應(yīng)下的器臂耦合干擾、大角動量柔順傳遞。

3)針對空間多臂協(xié)同操控任務(wù),將每條機械臂看成一個智能體,實現(xiàn)多機械臂運動過程中的協(xié)同、避撞和精確操控。機械臂通過傳感器自主感知環(huán)境,基于多智能體的控制方法智能決策與規(guī)劃每條臂的相對運動序列,實現(xiàn)多臂的一致性協(xié)同運動;采用人工勢場法構(gòu)造每條機械臂和目標(biāo)的引/斥力場,搜索勢函數(shù)的下降方向,以幫助機械臂尋找避障路徑。

4)基于視觸覺信息采集系統(tǒng),采用觸覺序列的卷積神經(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)練和測試數(shù)據(jù)集,從而提煉反映不同目標(biāo)物特性的基于時空維度的重要觸覺特征信息,實現(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,更好的容錯性和魯棒性,能夠更有效地完成單個智能體無法完成的任務(wù)。要求集群系統(tǒng)在去中心的環(huán)境下僅利用有限的個體感知能力進(jìn)行決策與協(xié)調(diào),以消除個體沖突、實現(xiàn)系統(tǒng)級合作目標(biāo) (圖13)。

重點解決的問題包括:

1)針對大規(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)建立問題;

2)基于區(qū)域相對定位技術(shù),解決衛(wèi)星集群的相對測量問題;

3)研究大規(guī)模蜂擁集群智能聚集控制技術(shù),研究解決視覺盲區(qū)、控制受限、鏈路時延、個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。故障自主診斷與重構(gòu)專家系統(tǒng)用于沒有精確數(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,更重要的是對故障的預(yù)測及處理,以及對突發(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)針對系統(tǒng)進(jìn)行訓(xùn)練及測試,用于后續(xù)故障預(yù)警和故障源識別查找,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)警不及時等問題 (圖14)。

重點解決的問題包括:

1)根據(jù)歷史在軌數(shù)據(jù)建立故障診斷知識庫、推理機、動態(tài)數(shù)據(jù)庫以及知識獲取子系統(tǒng);

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

3)開發(fā)集故障診斷、狀態(tài)監(jiān)測、健康評估、故障預(yù)測于一體的航天器健康管理系統(tǒng)。

圖14 故障檢測隔離和恢復(fù) (FDIR)功能框圖[12]

3.6 AI+實時重規(guī)劃

航天運輸系統(tǒng)飛行任務(wù)越來越復(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)對各種飛行狀況的能力,將自主規(guī)劃技術(shù)應(yīng)用到運載火箭飛行控制中,可解決發(fā)動機推力下降、異常關(guān)機等突發(fā)狀況,提升飛行任務(wù)的成功率和系統(tǒng)的可靠性。

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

重點解決的問題包括:

1)將實時軌道規(guī)劃的多約束問題轉(zhuǎn)化為數(shù)學(xué)描述問題;

2)目前算法普遍存在初值敏感、收斂慢、實時性差等問題。

結(jié)合國外的研究,基于凸優(yōu)化描述的實時重規(guī)劃是解決上述問題的有效途徑之一,后續(xù)可重點關(guān)注該技術(shù)的發(fā)展和開展相關(guān)的技術(shù)研究 (圖15)。

圖15 實時重規(guī)劃基本流程圖

3.7 AI+智能芯片

下一代智能計算是一種面向性能、節(jié)能、容錯的智能計算技術(shù)。利用任務(wù)運行的態(tài)勢進(jìn)行實時決策、實時全系統(tǒng)重構(gòu),為智能飛行控制系統(tǒng)提供一種動態(tài)自適應(yīng)的軟硬件環(huán)境,提高飛行控制計算平臺的性價比,從而充分利用系統(tǒng)的全局計算資源,相對非智能計算的系統(tǒng)架構(gòu),能耗與計算效能得到提升,為智能飛行控制需要運行的復(fù)雜智能算法提供高效、優(yōu)化的軟硬件運行環(huán)境、開發(fā)和測試驗證環(huán)境。此外,可以在系統(tǒng)出現(xiàn)故障時,對系統(tǒng)進(jìn)行動態(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算上的保障 (圖16)。以專為機器學(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。實時決策、實時全系統(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)的動態(tài)自適應(yīng)環(huán)境;

2)運算效率:TPU脈動陣列架構(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%時間需求。

圖16 智能計算系統(tǒng)框架

4 小 結(jié)

人工智能作為一項引領(lǐng)未來的戰(zhàn)略技術(shù),其出現(xiàn)對傳統(tǒng)航天具備較強的賦能作用,是不容錯過的跨越式發(fā)展時機,人工智能與航天結(jié)合的時代已經(jīng)到來。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,提高航天器對空間復(fù)雜任務(wù)自主適應(yīng)的能力。