商業航天智能測運控初探

劉昭 楊艷平

摘 要：隨著商業航天的快速發展，各類衛星星座項目的持續推進，航天器的商業應用日趨普及，在軌航天器呈現出數量多、平臺多、種類多、用途廣等趨勢，重點依靠資源投入和人力增加的測控模式，已經難以適應未來多星、多任務、多用戶的測控服務的發展需要。近年來，人工智能技術不斷取得突破，在多類單項測試中超越人類。將人工智能的發展成果應用到測控系統中，在自主測控、自主故障診斷、任務規劃、資源分配方面，采用智能化方法，促進測運控以平臺載荷為核心的管理模式向以數據業務為核心的管理模式轉變，大大提高測控任務的完成效率和資源利用率。

關鍵詞：測控;智能化;故障自主診斷;自主測控;數據挖掘;機器學習

1 商業航天智能測運控需求分析

1.1 航天器數量快速增加

近年來，萬物互聯成為人類社會的基本要求，許多全球性或者全天候航天任務越來越復雜，衛星將在今后一個時期內迎來快速發展，航天器的在軌數量將會激增。衛星星座在信息傳輸、定位導航、偵察觀測等領域，具有全球覆蓋、實時性好等先天優勢，應用日益廣泛。星座中衛星的數量從數十顆，發展到數百顆，數千顆，SpaceX公司布局的Starlink星座計劃發射約42000顆衛星。星座構型在衛星軌道基礎上，通過合理的時空布局，適應各種應用功能的需要。

1.2 測運控系統日益復雜

在軌航天器數量將越來越多，規模越來越大，類型與應用模式越來越復雜，管控要求和難度大幅提升。相對于數量激增的在軌航天器，地面測運控系統將面臨著數量不足、設備短缺的問題。小衛星需要大天線，但是小衛星的壽命通常比較短，而地面測運控設備投入又比較大，因此要求地面測運控資源必須能夠組網重復使用。在傳統單顆衛星的測運控任務外，對多星的同時測運控支持、多星及星座在軌運行管理等，對地面測運控網絡如何提供及時、有效、靈活的測運控服務提出了極高的要求，大大增加了航天測運控系統的負擔和操作復雜性。

1.3 測運控服務模式轉變

由于過境小衛星承擔不同的任務，因此同一地面站必須具有多星測運控和數據采集的能力，當多星同時過境時，地面站能實現多星同時測運控。因此，對測運控系統來說，除了建立新站以外，必須對已有測運控設備進行最大化利用并且探索新技術。沿用以往針對少量衛星的，重點依靠投入資源和增加人力的模式已難以適應未來測運控服務的需要，隨著各類衛星星座等項目的持續推進，以及航天器的商業應用日趨普及，測運控以平臺載荷為核心的管理服務模式，正在向以數據業務為核心的服務管理模式轉變。

2 人工智能的發展狀況

2.1 人工智能將迎來飛躍

人工智能研發與應用的重點領域主要集中在：機器學習/深度學習，計算機視覺/圖像識別，自然語言處理/語音識別，神經形態計算/腦啟發計算，腦科學與人工智能，智能機器人/虛擬個人助理，自動駕駛/無人系統等。由于面向特定領域的人工智能技術（即專用人工智能）應用場景需求明確、領域知識積累深厚、建模計算相對簡單可行，專用技術不斷取得突破，在多類單項測試中已經超越人類，尤其是在速度和準確度方面。

近年來，各國政府紛紛加快在人工智能領域的戰略布局，將其作為提升國家競爭力的重要抓手，啟動了各類研發或技術轉移計劃，力圖占領技術、產業和應用的新的制高點，美國、英國、法國與日本等國都加大了資金投入和政策傾斜力度。我國人工智能技術雖然起步較晚，但在政府與社會各界的支持與投入下，取得了迅猛的發展。我國科研機構和企業在語音識別、圖像識別、機器翻譯、中文信息處理等方面已處于世界領先地位。智能芯片技術也實現了突破，中科院計算所團隊研制出的寒武紀神經網絡處理器已成為國際競爭對手的追趕目標。自2016年起，我國快速將人工智能發展上升至國家戰略層面，相關政策密集出臺。2017年7月，國務院發布《新一代人工智能發展規劃》，從戰略態勢、總體要求、資源配置、立法、組織等各個層面確立了我國人工智能發展規劃。隨著各國不斷加大投入，人工智能領域出現競相角逐的局面，人工智能技術將從局限于某個領域的專項應用走向與大數據融合的綜合應用，發生質的飛躍。

2.2 智能網絡的特點

智能網絡具有自動化、自優化、自治化的特點。自動化指鏈路發現、策略制定、按需資源分配等自動化控制，業務發放和運維自動化，如網絡事件、告警處理、故障分析等活動的自動化，這就需要網絡的管理和控制無縫集成，實現管控一體。自優化是在自動化的基礎上，基于反饋的“閉環”的全局優化。通常最簡單的閉環控制系統由控制器和傳感器組成，傳感器的測量作為輸入，然后將這些輸入與期望的狀態進行比較。網絡優化要從開環走向閉環，就是將網絡實時采集的數據上報給分析器，分析器分析網絡狀態，并基于目標形成一個負反饋給管控單元，進而通過給定的策略來執行優化動作，形成閉環。自治化，就是在自動化和自優化的基礎上實現人工智能。自治化主要體現在兩個方面：一方面，在檢測網絡狀態的時候，基于人工智能算法，學習預測網絡上可能會出現的狀況;另一方面，當網絡發現某些狀況后，它可以基于歷史經驗數據或者全局訓練的數據，自己生成新的策略并執行。

網絡要做到智慧，需在通用的虛擬和物理資源池上基于云設計，以實現敏捷的業務組裝和調整。智能網絡的構架即：基于云平臺，管控一體的自動化，引入實時感知和深度分析的閉環自優化，具備人工智能的自治化。

3 航天智能測運控系統體系架構

航天測控系統的智能化是在星地測控軟件一體化的基礎上實現的，典型的航天任務軟件架構如圖1所示，未來的架構將會是多星、多中心、多站架構。

智能化航天測控軟件核心功能應是對實時數據和以往數據的實時處理，核心功能可放在相對獨立仿真系統中。其框架可設計為一個分布式系統，由冗余的任務服務器和客戶端工作站組成，客戶端工作站執行數據分發和用戶接口任務，服務器與客戶端之間通過接口連接。設計的內容包括一套獨立的模塊和子系統。其內核包含的主要的子系統有遙測、遙控、在線數據庫、數據存檔和分發、用戶管理、事件和動作、軟件維護和外部接口等。智能化的航天測運控系統就是以測運控中心為大腦，傳輸鏈路為神經，空間飛行器，地面測控站為節點的分布式架構。

在底層模塊化、一體化的基礎上，頂層實現通用化、產品化，頂層功能與底層功能盡量解耦。參考電信網絡，原來業務和承載捆綁在一層，現在將其從邏輯上分為兩層：網絡承載層和網絡業務層。承載層專注于可靠的連接，業務層專注于敏捷的服務。解耦之后，業務層和承載層分別有一個控制器，這兩個控制器之間縱向互聯，一個負責敏捷應變，一個負責穩定可靠，實現業務自動觸發承載層動作，整體實現敏捷應變。不管業務層怎么變，承載層保持穩定可靠，形成一個可彈性擴展、即插即用的資源池，應對上層業務變化。

3.1 測運控中心

測運控中心是測運控系統的核心管控部分，其主要負責：航天器的發射段測控、運行段軌道控制和應急測控等任務;對有效載荷的狀態監視與操作控制;對所屬地面站的遠程控制和監視;生成測控計劃;設備維護和保養等。通過測運控中心的智能化實現系統級資源優化管理，提高多星、多測控設備的測運控系統整體星地資源的利用效率，原來分屬各家的測控設備，可以各自獨立運行，也可以接入統一的航天測運控網絡。在智能化的測運控系統中，測運控中心將主要體現在邏輯功能上，而物理形式上則既可以是集中式也可以是分布式。

3.2 星載測運控系統

由于受到衛星重量及星載計算機計算能力的限制，星載處理能力較弱，除了必須在星上完成的星務管理、測控應答、姿軌控、有效載荷管理等功能，一般把其他功能放在地面進行處理，而星地傳輸通道的容量又限制了數據的傳輸量，因此成為了實現測控系統智能化的一個瓶頸。隨著星載計算機的能力不斷提高，星載計算機為衛星平臺和載荷提供統一的計算、存儲和管理功能，逐步實現衛星/星座的自主控制、衛星工況的自主判斷、數據的初級處理功能。在整個智能化測運控系統中星載測運控系統將升級為一個空間節點，實現星上各種數據的直接處理及衛星的自主管控。

3.3 地面測控站

地面測控站是整個測運控系統中的重要節點，測控站智能化主要是實現對地面站設備的智能化管理，在包括設備自動化操作、故障自主診斷、運行數據分析、設備性能評估等。

4 航天測運控系統智能化技術應用

面向大規模、多類型航天器體系化、高效、靈活運用的需求，基于人工智能理論與技術，開展航天任務智能規劃、站網資源智能調度、測運控系統高效運行和在軌航天器、地面裝備智能管理等技術研究，革新航天器測運控系統體系架構，建立大規模在軌航天器高效管控模式，實現系統高效自主運行、用戶無感應用，提升航天測運控系統的整體能力和航天器系統的運用效能。從航天器自主測控、自主診斷、天地測運控資源智能分配入手，可以將航天器智能測運控技術分解為幾個子模塊。

4.1 航天器故障自主診斷與異常處置

建立航天器個性化健康檔案，形成航天器特性數據庫，形成同平臺、同型號不同航天器的個性化管理。建立個性化異常處置數據庫，實現星地數據庫同步。建立系統模型，將故障現象進行抽象類化，通過基于AI的系統故障經驗學習、系統故障樹知識比對、系統故障推演仿真等方法，實現從快速發現系統故障、快速分析判斷到快速定位出故障點的智能化處理，提出系統級處置方案，提高航天器自主診斷、自主異常處置的能力。

4.2 航天器自主測控與空間資源管理

建立星地一體測運控管理模式，實現航天器自主測控結果和測控原始數據的同步傳輸。由航天器自主判新并報告工況，實現預案可控條件下的航天器自主測控。

研究多星多任務系統空間資源的智能化管理技術，在航天器自主測控的基礎上，建立空間資源智能化管理系統，運用現代科技的新成果，對在空間中高速運動的動態網絡進行快速分析，實現星間鏈路、天基測控等多星多任務系統的動態管理。

4.3 地面資源智能調度技術

在地面資源集中管理的基礎上，實現多任務系統的任務規劃與星地多種資源之間的智能優化，通過制定系統綜合的資源使用優化策略，在提高資源使用效率的同時提高任務完成時效和用戶整體滿意度。采用分布式中心、隨遇接入技術，提高系統的可靠性和用戶接入的靈活性。通過對設備監測數據的深度挖掘，及時發現設備潛在故障，隨時評估地面系統的效能。

4.4 星座自主構型保持技術

研究在航天器自主測定軌的基礎上，提出星座自主構型保持的總體架構、星上分布式計算方法和主從星控制策略等，實現在沒有地面控制的情況下，星座能夠長期自主保持構型。

4.5 數據挖掘與仿真技術

研究基于AI的智能化數據分析技術，通過對各類航天器測試、應用及遙測等海量數據進行分析，為航天器狀態監測、性能評估、總體設計、器件選取等提供量化的分析評估結果。運用機器學習技術，在目前航天器狀態仿真的基礎上建立航天器的行為仿真，通過對任務模式和故障模式的仿真推演，自動生成航天器行為知識集，預測航天器系統的運行狀況。

5 航天測運控系統智能化關鍵技術探討

為了實現航天器全天域、全時域有效測運控和在軌故障主動預防、快速反應和綜合規劃，滿足在軌服務任務設計、支持、操作以及新技術發展需要，需制定長期有效的資源管控策略，以期實現全天域多種衛星、多種載荷共用一套地面測運控/數傳站網，統一管理，高效運控，快速反應，資源高度共享的終極目標。通過智能化的云計算平臺，衛星數據或情報的分發可以通過用戶或企業定制相應服務的形式完成，用戶接入云計算平臺后提交服務申請，然后由云服務提供商或云端進行服務申請處理，最后返回用戶要求的數據。

測運控智能化主要是將灰色系統理論、神經網絡算法等已經在人工智能領域得到廣泛應用的理論，應用于航天測控，其關鍵在于基于機器學習的數據挖掘技術，使用一定的初始輸入對實時數據以及歷史數據進行分析挖掘，將數據分析的結果用于對既有的知識、規則、策略的完善，再使用完善后的規則進行下一輪的數據分析挖掘，數據分析結果，一方面用于對系統性能的評估、系統優化、任務規劃等對外輸出，另一方面用于對已有知識、規則、策略等內核部分進行修改完善，形成多重反饋機制，經過n輪迭代，最終達到控制條件要求，如圖2所示。

知識的自動獲取是實現智能化的前提，在測運控領域可以通過對歷史案例的歸納整理、汲取專家經驗、系統仿真推演等方法實現。測運控系統利用各種高精度的遙、外測設備采集大量的遙測信息和外測信息，智能測運控軟件則對這些信息進行匯集、分析和處理，通過挖掘各種現象之間的內在聯系，進一步發掘各部分之間的關聯性，從而發現新的規律。而在掌握規律的基礎上，改變或重新制定數據處理規則。智能測運控軟件在性能上要求高實時性、一定精度和結構靈活;在質量上要求實現可靠性、可用性、可維護性、可移植性和高效率。

數據處理規則的生成是智能化的核心，在知識獲取的基礎上生成多維度的數據處理規則，針對實時數據或非實時數據、結構化數據或非結構化數據、合作目標數據或非合作目標數據等等，分別生成數據處理規則，從大量的數據分析中得出收斂的涵蓋于多個方面的結論。通過對匯集的各種數據的智能化處理，達到既能支持實時任務響應，又能進行非實時任務規劃;既能對航天器系統整體效能做出科學的評估，又能對各設備或器件性能進行準確的測評。

6 航天測運控智能化的發展應用前景

當前商業航天進入快速發展階段，各種航天器發射計劃數量多、規模大。以往一個測運控中心就可以管理分屬各家的各種類型的所有航天器，現在一個星座的運行就需要一個測運控中心，用于商業運作的航天測運控系統也紛紛建立，這就由以往的航天器集中管理模式，轉變為分屬于多個測運控中心的模式。測運控中心的建設由以往主要依靠增加資源和人力投入的發展方式必須進行改變，而測運控系統的智能化適應了這種形勢，可以提高測控網絡的整體效率，降低航天系統的成本，突破航天器測運控管理的瓶頸，使航天器的測控管理產生質的飛躍。測運控系統的智能化將成為一個發展趨勢，伴隨著航天業務的快速增長迎來廣泛應用。

參考文獻：

[1]葉建設，鮑忠貴.一體化航天測控軟件框架研究與關鍵技術[J].無線電工程，2008，38（5）.

[2]于志堅.我國航天測控系統的現狀與發展[J].中國工程科學，2006，8（10）：42-46.

[3]李希媛，孫亞楠，鐘選明，王俐云.國外航天測控技術新進展及關鍵技術研究[C]，第一屆中國空天安全會議，山東煙臺，CASS-2015-0104，491-495.

[4]鄧聚龍.灰色控制系統[M].華中科技大學出版社，1993（第二版）.