航天智能测运控系统体系架构与应用

　　摘    要：　随着商业航天的快速发展,各类卫星星座项目的持续推进,航天器的商业应用日趋普及,在轨航天器呈现出数量多、平台多、种类多、用途广等趋势,重点依靠资源投入和人力增加的测控模式,已经难以适应未来多星、多任务、多用户的测控服务的发展需要。近年来,人工智能技术不断取得突破,在多类单项测试中超越人类。将人工智能的发展成果应用到测控系统中,在自主测控、自主故障诊断、任务规划、资源分配方面,采用智能化方法,促进测运控以平台载荷为核心的管理模式向以数据业务为核心的管理模式转变,大大提高测控任务的完成效率和资源利用率。

　　关键词：　测控; 智能化; 故障自主诊断; 自主测控; 数据挖掘; 机器学习;

　　1 、商业航天智能测运控需求分析

　　1.1 、航天器数量快速增加

　　近年来，万物互联成为人类社会的基本要求，许多全球性或者全天候航天任务越来越复杂，卫星将在今后一个时期内迎来快速发展，航天器的在轨数量将会激增。卫星星座在信息传输、定位导航、侦察观测等领域，具有全球覆盖、实时性好等先天优势，应用日益广泛。星座中卫星的数量从数十颗，发展到数百颗，数千颗，Space X公司布局的Starlink星座计划发射约42000颗卫星。星座构型在卫星轨道基础上，通过合理的时空布局，适应各种应用功能的需要。

　　1.2 、测运控系统日益复杂

　　在轨航天器数量将越来越多，规模越来越大，类型与应用模式越来越复杂，管控要求和难度大幅提升。相对于数量激增的在轨航天器，地面测运控系统将面临着数量不足、设备短缺的问题。小卫星需要大天线，但是小卫星的寿命通常比较短，而地面测运控设备投入又比较大，因此要求地面测运控资源必须能够组网重复使用。在传统单颗卫星的测运控任务外，对多星的同时测运控支持、多星及星座在轨运行管理等，对地面测运控网络如何提供及时、有效、灵活的测运控服务提出了极高的要求，大大增加了航天测运控系统的负担和操作复杂性。

　　1.3、 测运控服务模式转变

　　由于过境小卫星承担不同的任务，因此同一地面站必须具有多星测运控和数据采集的能力，当多星同时过境时，地面站能实现多星同时测运控。因此，对测运控系统来说，除了建立新站以外，必须对已有测运控设备进行最大化利用并且探索新技术。沿用以往针对少量卫星的，重点依靠投入资源和增加人力的模式已难以适应未来测运控服务的需要，随着各类卫星星座等项目的持续推进，以及航天器的商业应用日趋普及，测运控以平台载荷为核心的管理服务模式，正在向以数据业务为核心的服务管理模式转变。

　　2、 人工智能的发展状况

　　2.1、 人工智能将迎来飞跃

　　人工智能研发与应用的重点领域主要集中在:机器学习/深度学习，计算机视觉/图像识别，自然语言处理/语音识别，神经形态计算/脑启发计算，脑科学与人工智能，智能机器人/虚拟个人助理，自动驾驶/无人系统等。由于面向特定领域的人工智能技术(即专用人工智能)应用场景需求明确、领域知识积累深厚、建模计算相对简单可行，专用技术不断取得突破，在多类单项测试中已经超越人类，尤其是在速度和准确度方面。
 

 

　　近年来，各国政府纷纷加快在人工智能领域的战略布局，将其作为提升国家竞争力的重要抓手，启动了各类研发或技术转移计划，力图占领技术、产业和应用的新的制高点，美国、英国、法国与日本等国都加大了资金投入和政策倾斜力度。我国人工智能技术虽然起步较晚，但在政府与社会各界的支持与投入下，取得了迅猛的发展。我国科研机构和企业在语音识别、图像识别、机器翻译、中文信息处理等方面已处于世界领先地位。智能芯片技术也实现了突破，中科院计算所团队研制出的寒武纪神经网络处理器已成为国际竞争对手的追赶目标。自2016年起，我国快速将人工智能发展上升至国家战略层面，相关政策密集出台。2017年7月，国务院发布《新一代人工智能发展规划》，从战略态势、总体要求、资源配置、立法、组织等各个层面确立了我国人工智能发展规划。随着各国不断加大投入，人工智能领域出现竞相角逐的局面，人工智能技术将从局限于某个领域的专项应用走向与大数据融合的综合应用，发生质的飞跃。

　　2.2、 智能网络的特点

　　智能网络具有自动化、自优化、自治化的特点。自动化指链路发现、策略制定、按需资源分配等自动化控制，业务发放和运维自动化，如网络事件、告警处理、故障分析等活动的自动化，这就需要网络的管理和控制无缝集成，实现管控一体。自优化是在自动化的基础上，基于反馈的“闭环”的全局优化。通常最简单的闭环控制系统由控制器和传感器组成，传感器的测量作为输入，然后将这些输入与期望的状态进行比较。网络优化要从开环走向闭环，就是将网络实时采集的数据上报给分析器，分析器分析网络状态，并基于目标形成一个负反馈给管控单元，进而通过给定的策略来执行优化动作，形成闭环。自治化，就是在自动化和自优化的基础上实现人工智能。自治化主要体现在两个方面:一方面，在检测网络状态的时候，基于人工智能算法，学习预测网络上可能会出现的状况;另一方面，当网络发现某些状况后，它可以基于历史经验数据或者全局训练的数据，自己生成新的策略并执行。

　　网络要做到智慧，需在通用的虚拟和物理资源池上基于云设计，以实现敏捷的业务组装和调整。智能网络的构架即:基于云平台，管控一体的自动化，引入实时感知和深度分析的闭环自优化，具备人工智能的自治化。

　　3 、航天智能测运控系统体系架构

　　航天测控系统的智能化是在星地测控软件一体化的基础上实现的，典型的航天任务软件架构如图1所示，未来的架构将会是多星、多中心、多站架构。

　　图1 典型航天任务的软件系统架构

　　智能化航天测控软件核心功能应是对实时数据和以往数据的实时处理，核心功能可放在相对独立仿真系统中。其框架可设计为一个分布式系统，由冗余的任务服务器和客户端工作站组成，客户端工作站执行数据分发和用户接口任务，服务器与客户端之间通过接口连接。设计的内容包括一套独立的模块和子系统。其内核包含的主要的子系统有遥测、遥控、在线数据库、数据存档和分发、用户管理、事件和动作、软件维护和外部接口等。智能化的航天测运控系统就是以测运控中心为大脑，传输链路为神经，空间飞行器，地面测控站为节点的分布式架构。

　　在底层模块化、一体化的基础上，顶层实现通用化、产品化，顶层功能与底层功能尽量解耦。参考电信网络，原来业务和承载捆绑在一层，现在将其从逻辑上分为两层:网络承载层和网络业务层。承载层专注于可靠的连接，业务层专注于敏捷的服务。解耦之后，业务层和承载层分别有一个控制器，这两个控制器之间纵向互联，一个负责敏捷应变，一个负责稳定可靠，实现业务自动触发承载层动作，整体实现敏捷应变。不管业务层怎么变，承载层保持稳定可靠，形成一个可弹性扩展、即插即用的资源池，应对上层业务变化。

　　3.1、 测运控中心

　　测运控中心是测运控系统的核心管控部分，其主要负责:航天器的发射段测控、运行段轨道控制和应急测控等任务;对有效载荷的状态监视与操作控制;对所属地面站的远程控制和监视;生成测控计划;设备维护和保养等。通过测运控中心的智能化实现系统级资源优化管理，提高多星、多测控设备的测运控系统整体星地资源的利用效率，原来分属各家的测控设备，可以各自独立运行，也可以接入统一的航天测运控网络。在智能化的测运控系统中，测运控中心将主要体现在逻辑功能上，而物理形式上则既可以是集中式也可以是分布式。

　　3.2 、星载测运控系统

　　由于受到卫星重量及星载计算机计算能力的限制，星载处理能力较弱，除了必须在星上完成的星务管理、测控应答、姿轨控、有效载荷管理等功能，一般把其他功能放在地面进行处理，而星地传输通道的容量又限制了数据的传输量，因此成为了实现测控系统智能化的一个瓶颈。随着星载计算机的能力不断提高，星载计算机为卫星平台和载荷提供统一的计算、存储和管理功能，逐步实现卫星/星座的自主控制、卫星工况的自主判断、数据的初级处理功能。在整个智能化测运控系统中星载测运控系统将升级为一个空间节点，实现星上各种数据的直接处理及卫星的自主管控。

　　3.3、 地面测控站

　　地面测控站是整个测运控系统中的重要节点，测控站智能化主要是实现对地面站设备的智能化管理，在包括设备自动化操作、故障自主诊断、运行数据分析、设备性能评估等。

　　4、 航天测运控系统智能化技术应用

　　面向大规模、多类型航天器体系化、高效、灵活运用的需求，基于人工智能理论与技术，开展航天任务智能规划、站网资源智能调度、测运控系统高效运行和在轨航天器、地面装备智能管理等技术研究，革新航天器测运控系统体系架构，建立大规模在轨航天器高效管控模式，实现系统高效自主运行、用户无感应用，提升航天测运控系统的整体能力和航天器系统的运用效能。从航天器自主测控、自主诊断、天地测运控资源智能分配入手，可以将航天器智能测运控技术分解为几个子模块。

　　4.1 、航天器故障自主诊断与异常处置

　　建立航天器个性化健康档案，形成航天器特性数据库，形成同平台、同型号不同航天器的个性化管理。建立个性化异常处置数据库，实现星地数据库同步。建立系统模型，将故障现象进行抽象类化，通过基于AI的系统故障经验学习、系统故障树知识比对、系统故障推演仿真等方法，实现从快速发现系统故障、快速分析判断到快速定位出故障点的智能化处理，提出系统级处置方案，提高航天器自主诊断、自主异常处置的能力。

　　4.2、 航天器自主测控与空间资源管理

　　建立星地一体测运控管理模式，实现航天器自主测控结果和测控原始数据的同步传输。由航天器自主判新并报告工况，实现预案可控条件下的航天器自主测控。

　　研究多星多任务系统空间资源的智能化管理技术，在航天器自主测控的基础上，建立空间资源智能化管理系统，运用现代科技的新成果，对在空间中高速运动的动态网络进行快速分析，实现星间链路、天基测控等多星多任务系统的动态管理。

　　4.3、 地面资源智能调度技术

　　在地面资源集中管理的基础上，实现多任务系统的任务规划与星地多种资源之间的智能优化，通过制定系统综合的资源使用优化策略，在提高资源使用效率的同时提高任务完成时效和用户整体满意度。采用分布式中心、随遇接入技术，提高系统的可靠性和用户接入的灵活性。通过对设备监测数据的深度挖掘，及时发现设备潜在故障，随时评估地面系统的效能。

　　4.4 、星座自主构型保持技术

　　研究在航天器自主测定轨的基础上，提出星座自主构型保持的总体架构、星上分布式计算方法和主从星控制策略等，实现在没有地面控制的情况下，星座能够长期自主保持构型。

　　4.5、 数据挖掘与仿真技术

　　研究基于AI的智能化数据分析技术，通过对各类航天器测试、应用及遥测等海量数据进行分析，为航天器状态监测、性能评估、总体设计、器件选取等提供量化的分析评估结果。运用机器学习技术，在目前航天器状态仿真的基础上建立航天器的行为仿真，通过对任务模式和故障模式的仿真推演，自动生成航天器行为知识集，预测航天器系统的运行状况。

　　5 、航天测运控系统智能化关键技术探讨

　　为了实现航天器全天域、全时域有效测运控和在轨故障主动预防、快速反应和综合规划，满足在轨服务任务设计、支持、操作以及新技术发展需要，需制定长期有效的资源管控策略，以期实现全天域多种卫星、多种载荷共用一套地面测运控/数传站网，统一管理，高效运控，快速反应，资源高度共享的终极目标。通过智能化的云计算平台，卫星数据或情报的分发可以通过用户或企业定制相应服务的形式完成，用户接入云计算平台后提交服务申请，然后由云服务提供商或云端进行服务申请处理，最后返回用户要求的数据。

　　测运控智能化主要是将灰色系统理论、神经网络算法等已经在人工智能领域得到广泛应用的理论，应用于航天测控，其关键在于基于机器学习的数据挖掘技术，使用一定的初始输入对实时数据以及历史数据进行分析挖掘，将数据分析的结果用于对既有的知识、规则、策略的完善，再使用完善后的规则进行下一轮的数据分析挖掘，数据分析结果，一方面用于对系统性能的评估、系统优化、任务规划等对外输出，另一方面用于对已有知识、规则、策略等内核部分进行修改完善，形成多重反馈机制，经过n轮迭代，最终达到控制条件要求，如图2所示。

　　图2 智能测运控概念图

　　知识的自动获取是实现智能化的前提，在测运控领域可以通过对历史案例的归纳整理、汲取专家经验、系统仿真推演等方法实现。测运控系统利用各种高精度的遥、外测设备采集大量的遥测信息和外测信息，智能测运控软件则对这些信息进行汇集、分析和处理，通过挖掘各种现象之间的内在联系，进一步发掘各部分之间的关联性，从而发现新的规律。而在掌握规律的基础上，改变或重新制定数据处理规则。智能测运控软件在性能上要求高实时性、一定精度和结构灵活;在质量上要求实现可靠性、可用性、可维护性、可移植性和高效率。

　　数据处理规则的生成是智能化的核心，在知识获取的基础上生成多维度的数据处理规则，针对实时数据或非实时数据、结构化数据或非结构化数据、合作目标数据或非合作目标数据等等，分别生成数据处理规则，从大量的数据分析中得出收敛的涵盖于多个方面的结论。通过对汇集的各种数据的智能化处理，达到既能支持实时任务响应，又能进行非实时任务规划;既能对航天器系统整体效能做出科学的评估，又能对各设备或器件性能进行准确的测评。

　　6、 航天测运控智能化的发展应用前景

　　当前商业航天进入快速发展阶段，各种航天器发射计划数量多、规模大。以往一个测运控中心就可以管理分属各家的各种类型的所有航天器，现在一个星座的运行就需要一个测运控中心，用于商业运作的航天测运控系统也纷纷建立，这就由以往的航天器集中管理模式，转变为分属于多个测运控中心的模式。测运控中心的建设由以往主要依靠增加资源和人力投入的发展方式必须进行改变，而测运控系统的智能化适应了这种形势，可以提高测控网络的整体效率，降低航天系统的成本，突破航天器测运控管理的瓶颈，使航天器的测控管理产生质的飞跃。测运控系统的智能化将成为一个发展趋势，伴随着航天业务的快速增长迎来广泛应用。

　　参考文献

　　[1] 叶建设,鲍忠贵.一体化航天测控软件框架研究与关键技术[J].无线电工程,2008,38(5).
　　[2] 于志坚.我国航天测控系统的现状与发展[J].中国工程科学,2006,8(10):42-46.
　　[3] 李希媛,孙亚楠,钟选明,王俐云.国外航天测控技术新进展及关键技术研究[C],第一届中国空天安全会议,山东烟台,CASS-2015-0104,491-495.
　　[4] 邓聚龙.灰色控制系统[M].华中科技大学出版社,1993(第二版).