關于“航天系統”的認識

馬衛華 包為民 禹春梅 柳嘉潤 李文婷 鞏慶海 司文杰

1.宇航技術國家級重點實驗室，北京 100854 2.北京航天自動控制研究所，北京 100854 3.航天智能技術創新中心，北京 100854 4.中國航天科技集團有限公司，北京100048

1 航天系統的概念

當前，學術界、工業界十分關注航天系統[1-2]。航天控制系統面臨著飛行環境、外部干擾、飛行任務、自身模型、故障模式不確定帶來的諸多挑戰。魯棒控制、自適應控制、協調解耦控制等現代控制方法在航天工程中得到了應用。但未能全面而整體地解決問題。有望成為給出系統性、綜合性解決方案的可行途徑。

航天系統是這樣的控制系統：通過智能技術的賦能，可使航天裝備變得更聰明，主要技術指標得到顯著提升，或具備以往所不具備的能力；并能通過學習和訓練，使能力得到持續提升；從而適應來自本體、環境和目標的不確定性，完成復雜任務。

2 技術對航天裝備技術指標的作用

航天裝備具有多維度、多層級的指標體系。智能[3-4]控制技術將顯著提升精度、射程適應性、使用性能、通用質量特性等方面指標；同時，智能感知、在線故障辨識與重構、在線軌跡規劃與任務規劃、軟件定義裝備、群體協同、持續學習等新技術的突破，還將催生全新的技術指標。如圖1所示。

圖1 系統對航天裝備技術指標的作用

我們認為，若一型航天裝備能在上述指標中滿足2個及以上，則可稱之為“智能航天裝備”。國外一些運載火箭、導彈[5]，不同程度地具備了目標識別、威脅規避、故障診斷等典型的智能化能力，如表1所列。

表1 國外典型智能化火箭、導彈的能力特征

注：√代表具備，×代表不具備此項能力，——代表該項能力未知

2.1 顯著提升現有技術指標

2.1.1 飛行軌跡適應性

現有的航天裝備往往需要預先設定參考軌跡，飛行中控制系統克服各種不確定因素，使飛行器沿預設軌跡飛行。在智能技術的支持下，航天裝備可以將飛行中測量獲得的運動參數、環境參數、推進系統運行參數等信息納入閉環控制，根據飛行任務，在滿足過程約束、終端約束的前提下，通過制導控制律在線優化、軌跡在線規劃等手段，拓寬飛行軌跡變換范圍；或者能在更寬的參數散布下保證原有的指標。

2.1.2 使用性能

航天裝備往往在環境惡劣、態勢多變、事關生死的對抗條件下使用。發射準備時間、射前對準條件、熱待機時間等均是體現使用性能的典型指標。

發射準備時間是指從接到發射準備指令或進入發射場地開始，到將航天裝備發射出去的時間。這主要取決于發射前測試、對準和諸元計算。采用智能規劃等方式，可優化射前測試流程，從而縮短發射準備時間。在智能算法、強大算力的基礎上，實現以在線軌跡規劃為核心的非程序飛行方式，可簡化甚至取消射前諸元計算，大幅縮短發射準備時間，提升應急響應能力。

采用數據挖掘、機器學習等手段，對同型同批次航天裝備實飛實測數據、同一裝備歷史測試與在線測量數據進行智能化的分析，從而實現慣性測量系統誤差模型的智能化分析與在線模型修正，降低對射前對準、初始定位定向的環境與時間的要求，或使得航天裝備在更長的連續加電時間或熱待機時間下仍能保持所需精度。

2.1.3 通用質量特性

裝備的通用質量特性即可靠性、維修性、保障性、測試性、安全性和環境適應性[6]。通用質量特性是影響裝備效能的重要因素。

在控制系統的設計中，將啟發式尋優、強化學習等智能算法引入控制參數優化、測試點選取、測試流程規劃、指標分配等環節，可以為設計者提供更強大的設計手段，提升通用質量特性。

在控制系統的測試中，采用基于測試性模型的流程優化、基于數據挖掘的試驗數據分析、融入歷史故障信息的故障檢測等智能化測試手段，縮短訓練中和發射前的測試時間，可提升控制系統的故障檢測率，減少虛警，提升保障能力。

2.2 提出全新的技術指標

2.2.1 智能感知方面

航天裝備的精確飛行離不開對目標與場景的感知。傳統的目標檢測識別算法對目標場景的適應性差，一種算法只適用于一類目標，這也導致研發周期長。引入以深度卷積神經網絡為代表的智能識別技術，改變了傳統的依靠人工經驗進行特征建模的思路，以“端到端”的方式，通過實測與仿真生成的方式形成大量樣本，用于訓練神經網絡，解決復雜場景下多種目標高可靠檢測識別問題，使得一套算法可適應多種目標類型與成像體制，且其性能可通過地面訓練而持續提升、快速升級。

航天系統將消除射前需要基準圖的保障需求，提出一套模型檢測多類目標等新的技術指標。

2.2.2 在線故障辨識與重構方面

航天裝備是多個系統組成的復雜裝備，飛行中故障難以完全避免，而飛行中的故障辨識仍是難題。采用決策樹、支持向量機、深度神經網絡等智能算法，依托綜合電子架構與分布式計算能力，可綜合分析飛行中的動力系統、飛行環境和飛行控制等信息，實現故障的在線辨識，進而實現在線能力評估、以及控制律重構，從而在一些非致命的故障情況下仍能實現預定任務。

航天系統將提出在線適應故障能力等新的技術指標。

2.2.3 在線規劃方面

在智能優化等技術手段的支持下，可使航天裝備具有在線軌跡規劃的能力。這已在一些演示飛行試驗中得到了原理性驗證。當飛行中出現非致命故障時，在線軌跡規劃將提供進一步的應對手段。當航天裝備在飛行中識別到新的禁/避飛區時，在線軌跡規劃可及時生成規避飛行路線；在多航天器協同飛行的場景下，使之具備飛行中更改目標的能力，從而使得多體協同更靈活。

在軌跡規劃的基礎上，運用運籌學、博弈論等方法，可使航天裝備具備在線任務規劃的能力。具體包括運載任務的自適應降級、飛行中時序動作的智能浮動、飛行機動動作的智能選擇、探測波束的智能規劃等形式。智能任務規劃將使航天裝備更適應對抗、快變的外部態勢。

航天系統將提出任務變更或規避威脅態勢等新的技術指標。

2.2.4 軟件定義裝備方面

智能技術為軟件定義裝備提供了廣闊的應用場景。航天裝備上的硬件種類增多、算法迭代進化加快、任務要求也愈加復雜。軟件定義裝備技術利用硬件資源虛擬化、系統軟件平臺化、應用軟件多樣化的思想，將硬件封裝成易于管理、分配、使用的資源，將實體硬件抽象成虛擬化、可調度的資源池，對資源高效管理、靈活調用。基于軟件定義裝備技術，可以實現系統整體功能的定制與擴展，能夠以可重構硬件平臺滿足各種不同的任務需求，支持新算法的快速部署、以及裝備能力的快速升級。

航天系統將提出一型多用等新的技術指標。

2.2.5 群體協同方面

群體協同將成為航天裝備執行任務能力的倍增器。群體協同面對多任務需求、外部態勢復雜快變、強對抗、信息不完備等挑戰。目前，航天裝備協同配合的智能化程度還較低。同型多裝備、多型多裝備、多型多波次等形式的協同與合作需要增強群體的智能化程度，達到“整體大于局部之和”的效果。多體之間協同與合作可以在信息感知、運動一致、行為協同等多個層級開展，包括協同探測感知、協同編隊控制、協同軌跡規劃、協同任務規劃與決策等多種樣式。

航天系統將提出協同組網、協同探測、協同規劃與決策等新的技術指標。

2.2.6 將提出持續學習方面的新指標

持續學習能力是航天裝備能力持續提升的保證。傳統裝備需要通過系統級的更新換代或局部的軟硬件升級來提升技術指標。在增量學習、遷移學習、小樣本學習等新型機器學習理論方法成果的支撐下，可具備持續學習的能力，利用全生命周期中所產生的數據，持續進行自我學習和改進。這些數據來自同型同批次、同型異批次、同族異型的裝備，來自仿真試驗、地面測試、日常演練、飛行試驗全生命周期。持續學習可實現知識的自動積累和遷移應用，大大增強裝備對環境、本體和任務的適應能力。

航天系統將提出持續學習范圍、持續學習效率、新工況適應性等新的技術指標。

3 航天系統的能力特征

從智能技術賦能的角度，可將航天系統的能力特征歸納為以下5個方面[7]。

3.1 感知與理解能力

“感知”包括感覺和知覺。感覺是對客觀事物個別屬性的反映，知覺則是整體反映。“理解”則是比感知更復雜、更抽象的一種信息處理能力。

航天的感知與理解包括環境感知、態勢感知、自主導航、本體感知、飛行中故障檢測與健康監測、目標探測與感知。

3.2 運動與控制能力

運動能力是指自主系統改變自身空間位置的能力，具有快速性、敏捷性、機動性等屬性。控制能力是指自主系統改變自身狀態去適應外部環境變化的能力，通過主動地對自身或外界環境施加影響，達到期望的控制目的。

航天的運動與控制包括姿態控制、精確制導和跨域飛行等。

3.3 學習與適應能力

學習是指對信息進行處理、加工和提煉，形成自身所掌握的知識。適應是主動地調整或改變自身的參數、狀態甚至結構，改良自身的行為特征，以適應各種不確定性或內外部變化。

航天系統的學習與適應包括對象特性自主修模與建模、運動控制自適應、系統重構與任務重構、自主持續學習等。

3.4 規劃與決策能力

規劃是指計算一系列有序行動的過程，能使世界由當前狀態轉變為期望狀態，最優地分配資源，滿足硬約束、優化軟約束。決策是指做出決定或選擇，在各種替代方案中考慮各項因素做出選擇。規劃與決策能力水平體現了“預先設定”和“隨機應變”的巨大區別。

航天系統的規劃與決策包括軌跡規劃、任務規劃與決策、動作規劃、博弈對抗與輔助決策等。

3.5 溝通與協同能力

溝通是自發、主動、有目的性的向其他主體傳遞信息。協同是指多個主體共同完成某一公共的目標，強調整體效益。溝通與協同是單個智能體與其他智能體進行互動的行為方式，它們是智能系統的高級屬性。

航天系統的溝通與協同包括對人類行為的感知、人機交互、信息互聯互通、多體的協同控制等。

4 航天的技術體系

航天系統的諸多能力需要相應的技術來支撐實現。當前，航天技術的研究方向主要包括以下7個方面。

智能感知與識別技術主要研究基于智能圖像處理的探測技術、信息高度融合的智能環境感知與態勢感知技術，包括飛行器本體的故障辨識，探索智能傳感器等新型感知手段、高級機器學習等前沿感知理論在航天中的創新應用，使航天裝備看的更清、認得更準、感知維度更廣、認知程度更深。

智能制導與控制技術主要研究包括可重構制導與控制、非程序制導與控制、計算制導與控制、不依賴模型的自適應控制等智能飛行控制技術，探索在線學習、自主演化、人機融合的智能理論與方法，使航天裝備飛得更巧、單體更優。

智能規劃與決策技術主要研究智能軌跡規劃、任務規劃，以及非致命故障下的任務重構決策、不完全信息下的博弈決策，使航天裝備規劃更巧、決策更靈。

智能協同與集群技術主要研究基于群體智能理論的智能組網、多體協同探測、協同軌跡規劃，使航天裝備協作更緊、群體更強。

智能計算與數據技術主要研究以分布式并行計算、高性能嵌入式計算等智能硬件技術，研究以模型驅動開發、智能操作系統等智能軟件技術，優化高性能航天計算軟硬件架構，探索類腦智能計算、量子智能計算等前沿計算體制在航天中的創新應用，使航天裝備算得更快、能耗更低、運行更穩、架構更優。

智能設計與優化技術主要研究在控制律參數設計、線路與電氣綜合設計、軟件設計等研發環節應用智能化的方法和工具，提高設計工作的效率。隨著智能程度逐步提升，有可能接近或者超過優秀設計師的水平。

智能測試與驗證技術主要研究在控制系統或其部件的測試與試驗過程中，應用智能方法和工具，輔助人們進行試驗設計或測試用例設計，以較低的代價進一步提高測試與試驗的覆蓋性；通過基于特征提取、數據挖掘等方法的試驗設計，以及試驗實施過程中的數據分析與輔助決策，提高測試與試驗的工作效率；幫助設計師找出大量試驗數據中隱藏的關聯關系和特征，提升對測試與試驗結果分析的深度，進而為被測系統的設計優化提供參考。

5 航天系統的架構

基于上述分析，我們規劃了系統的系統架構，包含3個層次：1)基于通用綜合電子系統的硬件組成；2)依托高性能計算能力、高速實時總線、分層解耦的軟件架構形成的分布式處理能力，也就是“箭上云”；3)通過實施以深度學習為典型代表的智能算法，實現復雜環境下自主目標識別、智能飛行控制、在線規劃決策、智能規避與主動突防、協同探測與攻擊等能力。

第1個層次的綜合電子系統采用計算機網絡技術，將航天裝備的模塊化功能部件互聯，有機組合成為一個完整通用的多功能電子系統，實現系統的各類控制功能、系統信息的共享與綜合應用、以及全系統資源的優化重組。綜合電子系統中的模塊以多種標準硬件模塊為基礎。可根據不同任務需求，通過標準硬件模塊的組裝來組建系統。一般來說，定義標準模塊中的計算模塊為綜合電子系統的計算與管理核心。系統中可需要配置多個通用計算模塊，從而形成能夠支撐故障重構與任務遷移的分布式計算系統，并為各類上層智能化應用提供硬件運行平臺。

第2個層次采用分層解耦的軟件架構，由操作系統抽象層、框架層、應用層組成。操作系統抽象層對操作系統集合的標準接口及通用功能進行抽象和封裝，用于隔離底層硬件的差異及對上層框架提供支持，基于分區等技術對不同關鍵等級的任務進行時間與空間的隔離，通過分布式虛擬化技術實現對于多核、多處理器的計算資源統一管理與優化利用。框架層為應用支持層，由領域的應用場景抽象而來，提供應用層軟件及服務所需的運行機制與核心執行邏輯，對外提供標準化的接口。在應用層中，通過底層運行框架的支持形成的業務框架與系統級服務組件，集成智能領域相關算法，提高軟件開發效率與系統健壯性。

第3個層次的智能算法面向干擾復雜的場景，存在模型不確定、信息不完整、規則不確定、時間強約束等特點，需要突破非程序制導與控制、智能優化、深度學習、強化學習、模糊控制、微分博弈制導控制等一系列新型算法，通過關鍵核心算法的硬件化、共性算法的規范化與標準化描述等方面的工作，在工程中切實解決困擾我們裝備效能整體提升的瓶頸難題。

6 航天系統的發展展望

航天系統的發展將是航天控制系統與人工智能理論與技術成果不斷融合的過程。結合當今發展態勢，我們預判，航天系統將經歷如圖2所示的發展階段。

從當前至2020年左右，可稱為“航天智控1.0”階段。在個體智能方面，對控制系統各關鍵環節進行智能化的升級改造，以提升航天裝備應對各種不確定性和變化的適應能力。在群體智能方面，將打通裝備間信息交互的通訊鏈路，實現航天裝備與其他節點的信息組網。

到2025年左右，可稱為“航天智控2.0”階段。在個體智能方面，控制系統將具備更強的學習能力，可以跟隨、模仿，能夠學習優秀范例，航天裝備將成為可學習、可訓練的裝備。在群體智能方面，將實現協同探測、協同態勢感知、編隊飛行等協作能力。

圖2 航天系統的發展展望

到2030年左右，可稱為“航天智控3.0”階段。在個體智能方面，控制系統將具備以想象為代表的抽象思維能力，可以類比、聯想，實現舉一反三。在群體智能方面，將在快變化、強干擾、信息不完整等強對抗條件下實現群體智能博弈。

到2035年左右，可稱為“航天智控4.0”階段。在個體智能方面，控制系統將具備以進化為代表的更強抽象思維能力，不僅可以自主地解決問題，甚至可以自主地發現問題，從而不斷地自進化和自增強。在人機混合智能方面，在前幾個階段開展探索性研究的基礎上，實現人類智能與機器智能的混合增強，航天裝備將能更深度地與人類智能共存共融。

近期，將更多呈現出改良式特征，基于大數據驅動的、擅長單個具體任務的“弱人工智能”技術不斷應用于航天控制系統，基于原有架構、樣式、流程等范式進行局部的改善、增強、提升，可稱之為“航天控制+智能”階段。遠期，則將更多呈現出革命性特征，任務通用性和思維能力更強的“強人工智能”技術逐漸出現，航天控制系統原有范式可能被顛覆、變革、換代，可稱之為“智能+航天控制”階段。

7 結束語

提出了航天系統的概念，分析了技術對航天裝備技術指標的作用，并提出“智能航天裝備”的判定依據。航天系統的發展將是漸進的過程，隨著航天控制系統與人工智能理論及技術成果的不斷結合，將逐步具備學習、泛化、演化等思維能力，支撐航天裝備跨越發展。