人工神經網絡在未來深空探測中的應用

□ 鄭昱 陶倩楠

人工神經網絡在未來深空探測中的應用

□ 鄭昱 陶倩楠

目前，1977年發射的第一艘無人外太陽系太空探測器“旅行者1”號，已經成為第一個實質意義上進入行星際空間的人造物體。2013年9月美國宇航局宣布“旅行者1”號進入星際空間時，與地球間的距離已經超過了180億千米，“旅行者1”號發射的無線電信號需要經過17個多小時才能到達地球。控制中心實際上已經無法對“旅行者1”號進行有效的控制。

就探索宇宙而言，“旅行者1”號更多地是承擔了一種象征意義，象征著人類對于宇宙的執著求索。隨著航天器與地球距離的增加，航天器與地球之間的通信會越來越困難，地面控制中心會越來越難以實現對航天器的有效控制。因此，可以預見的是，在未來，不論是有人的深空探測還是無人的深空探測，都需要將人的智能延伸到航天器中，從而打造出適合執行深空探測任務的人工智能航天器。

人工神經網絡技術是一種重要的人工智能技術，通過對人類大腦和神經系統進行模擬的方法，可以克服傳統方法對于直覺信息處理方面的缺陷，并且具有較強的適應和學習能力，這使得人工神經網絡技術在未來的深空探測中擁有巨大的應用潛力。

什么是人工神經網絡

人工神經網絡可以看成是對生物神經網絡的一種模擬和近似，這種模擬分為結構上的模擬和功能上的模擬兩種方式。結構上模擬的目標是從結構和實現機理上完全復現生物神經網絡，由于生物神經網絡的結構和機理相當復雜，這一目標很難實現。而功能上的模擬則是使用合適的工具，盡量使得人工神經網絡具有生物神經網絡的某些特性，如學習、識別、控制等功能。

神經元細胞從結構上可以分為細胞膜、細胞質、細胞核、樹突和軸突五部分。每個神經元都具有興奮與抑制兩種狀態，興奮狀態是指神經元細胞膜電位升高，且超過了動作電位的閾值，此時產生神經沖動并由樹突傳出，抑制狀態是指細胞膜電位下降到低于動作電位的閾值，無神經沖動輸出。樹突負責接受來自其他神經元的神經沖動；軸突負責神經信息的傳出，通過尾部分出的許多神經末梢以及梢端的突觸向其他神經元輸出神經沖動。

人工神經網絡使用數學工具對上述過程進行模擬，人工神經網絡由數個人工神經元構成，每一個人工神經元都有若干個輸入和一個輸出，模擬的是生物神經細胞的樹突和軸突；人工神經元基于輸入信息選擇輸出的數值，模擬的是生物神經細胞輸出神經沖動的過程；人工神經網絡中，每一個人工神經元的輸出值都會被做為一個或多個人工神經元的輸入值，模擬的是生物神經細胞的相互關聯。根據輸出結果與預期結果之間的誤差，不斷調整各個神經元的權值，最終得到最理想的輸出結果，則是對人類學習行為的模擬。

因此，人工神經網絡通過模擬人腦的工作方式搭建變量之間的映射，使得人工神經網絡具備了傳統技術不具備的非線性信息處理能力。但目前人工神經網絡的規模并不大，畢竟在生物神經網絡中，每個神經元細胞都與大約1萬到10萬個神經元相連。如果人工神經網絡的規模與生物神經網絡處于同一量級，那么由此產生的計算任務將是世界上任何計算設備都無法勝任的。

2006年，深度卷積神經網絡的提出，在世界范圍內掀起了研究神經網絡的高潮，業界眾多國際巨頭紛紛投入到人工神經網絡的研究中。2016年3月，谷歌基于神經網絡技術開發的人工圍棋系統“阿爾法狗”以4∶1的比分戰勝世界冠軍李世石，標志著人工神經網絡已經具備了很高的智能。而人工神經網絡的作用絕不僅僅局限在下圍棋上，在未來的深空探測中，人工神經網絡勢必會發揮重要的作用。

深空探測中的人工智能應用

小推力軌道優化：在深空探測中，小推力推進器具有比沖高、質量輕、成本低的優點，更為世界各國所青睞，美國的深空一號、日本的隼鳥號和歐空局的SMART-1探測器均是小推力航天器，但是小推力航天器任務時間長、速度變化慢、軌道不確定性因素多，導致其軌道優化工作非常耗時費力。

從本質上來說，小推力軌道優化就是根據某一時刻，航天器的位置、速度和加速度，為航天器選擇下一時刻最合適的位置、速度和加速度，選擇的依據可以是飛行時間最短、推進劑消耗量最小、飛行距離最短等。而航天器要想達到選擇出的最合適的位置，需要控制自身在x、y、z三個方向的推力值。因此，如果能夠搭建出航天器位置、速度、加速度與推力之間的映射關系，并以此為依據控制小推力航天器的飛行，就可以使小推力航天器按照最優的軌道進行飛行。而這部分工作，恰恰是人工神經網絡可以完成的。

在2004年的國際宇航大會上，歐空局的科研人員發表了使用進化神經網絡控制算法優化太陽帆飛往1996FG3小行星軌道的成果。科研人員選擇航天器的速度、加速度、角速度、角加速度作為神經網絡的輸入集合，航天器的推力數值作為神經網絡的輸出集合，使用進化神經網絡搭建兩個集合之間的映射。太陽帆飛行過程中的加速度為0.14，屬于小推力航天器。仿真結果顯示，航天器按照進化神經網絡選擇出的軌道飛行，飛行時間可以減少561天。

▲ 風云一號衛星

▲ 尚未與火箭分離的月球隕坑觀測和遙感衛星（LCROSS）

▲SMART-1接近月球

▲ 深空1號

▲ 優化前軌道

▲ 優化結果1

▲ 優化結果2

航天器故障診斷：深空探測任務周期長，航天器工作環境復雜，為了保障航天器的正常運轉，故障診斷系統勢必會成為航天器的“標配”。“阿波羅”計劃中出現的一系列的設備故障，促使美國宇航局倡議，由美國海軍研究室主持于 1967 年成立了美國機械故障預防小組，開始有計劃地對故障診斷技術分專題進行研究。為便于描述，科研人員將航天器發生故障前和發生故障時的各種現象定義為征兆空間，航天器發生的故障定義為故障狀態空間，故障診斷的過程，就是搭建征兆空間和故障狀態空間之間的映射的過程。

目前，搭建映射的基礎，依舊是工作人員的經驗。這種診斷模式中，航天器缺乏自主診斷技術，同時診斷結果過分依賴于行業領域專家的智慧，工作人員長時間高強度工作，容易引起疲勞和誤判。深空探測中，航天器與地面的通信時間長，航天器一旦出現故障，地面人員無法及時判斷并排除故障。如果應用神經網絡搭建征兆空間到故障狀態空間的映射，就可以將人類專家從繁重而復雜的故障診斷任務中解放出來，使得航天器可以自行進行故障診斷。目前，國內外科研人員已經開展了相關領域的研究工作。

哈爾濱工業大學的科研人員使用徑向基神經網絡對風云一號衛星電源分系統進行故障診斷。衛星電源分系統由太陽電池陣、鎳鎘電池組、電源控制器和指令配電器等組成，其中太陽電池陣和鎳鎘電池組一起構成衛星的供電系統，太陽電池陣負責的是衛星日常工作期間的電力供應，鎳鎘電池組負責的是衛星在陰影區和發射場內的電力供應，以及運載火箭起飛、星箭分離到太陽電池陣結構解鎖伸展之前衛星上的電力供應。電源遙測器負責的是把電源分系統的主要電壓、電流等參數變換成0V～6V的遙測信號。指令配電器負責的是衛星全星的供電轉換。

經過分析，這個案例中的征兆空間中包含5個元素，分別是鎳鎘電池組中心溫度、指令配電器電壓、電壓調壓器電壓、電壓調節器電流、電壓調節器電流。相對應的，故障狀態空間中包含5個元素，分別為鎳鎘電池溫度異常、指令配電器電壓異常、電壓調壓器電壓異常、電壓調壓器電流異常和電壓調節器電流異常。經過訓練，徑向基神經網絡可以在不借助任何外界幫助的情況下，迅速判斷出故障所在。研究表明，徑向基神經網絡判斷的準確率在95%以上。

地外天體特征識別：深空探測不是航天器在太空中漫無目的地飛行，最終還是要落實到對地外天體的探測活動上。在未來的深空探測中，人工神經網絡的一項應用就是與遙感技術相結合，對地外天體的特征進行識別。

▲ “旅行者1”號探測器

由于航天器的壽命是有限的，而且在飛往地外天體的過程中，已經不可避免地消耗掉了一部分資源，因此實際開展探測活動的時間是有限的，這就要求航天器盡可能快速地完成對地外天體的探測工作。在這種要求下，遙感技術就成為了一個可行的方案。

遙感的原理是當電磁波照射到目標物體時，物體可以將電磁波散射出去，不同物體對電磁波的吸收能力和散射能力存在差異，同一物體對不同頻率電磁波的吸收能力和散射能力也有所不同。因此，通過測量天體反射電磁波，即可識別出天體的地貌特征和組成成分。而為了提高測量的精度，可以使用多個不同頻率的電磁波分別照射被測天體，并將返回的信息按照波譜進行記錄，最終獲得更加精準的遙測信息。

由于遙測測量的信息是電磁波的參數信息，需要通過技術手段將電磁波信息“翻譯”成目標信息，換言之，就是要搭建電磁波信息與目標信息之間的映射，映射搭建得越快、越準確，深空探測的效率就越高，而這恰恰是人工神經網絡的優勢所在。

▲ alphago對陣李世石

多光譜遙感影像數據來源多、數據量大，如果使用傳統的基于統計的分類方法進行處理，需要使用高性能的計算機。未來的深空探測中，受限于硬件要求，航天器上搭載的計算機不可能完成數量如此之大的處理工作，而且深空探測中，航天器與地面距離遠，如果將采集的數據傳回地面進行處理，通信距離長，數據損耗大，會浪費很多寶貴的能源。因此，未來深空探測中，傳統的分類方法不能滿足分類的要求，而人工神經網絡在大規模并行、分布式存儲和處理信息的優勢，可以有效降低分類過程中對硬件的要求，同時在保證分類準確度的前提下有效提升分類速度，這就使得神經網絡可以應用于未來深空探測中的天體特征識別。

深空探測活動之于人類，宛如大航海活動之于當時的世界，二者所體現的，都是人類對未知世界的探索和向往。然而，不同于駕一葉扁舟孤單遠航的舊時代探險者，深空探測的探險家們，將擁有人工智能的陪伴。1977年卡納維拉爾角的轟鳴猶在耳邊回蕩，“阿爾法狗”的勝利已經打開了新時代的大門。隨著技術的進步，在未來的深空探測中，高度發達的人工神經網絡，將逐步從仿真研究走向實踐應用，成為人類的得力助手，在小推力軌道優化、航天器故障診斷、地外天體特征識別等領域中得到應用并發揮重要作用，從而使得深空探測活動更加高效。★