有了人工智能，在轨服务似乎能搞一点大事了

随着深度学习、大数据、云计算、混合现实、人机共融等技术的深入发展，以及脑科学研究和类脑计算技术的兴起，给空间服务与操控领域带来了新的跨越式发展机遇。空间服务与操控的智能化技术内涵表现在：能够在空间环境下利用智能的方法感知被操作对象的物理特征、识别对象的运动学/动力学特性参数、实现对任务的自主决策和规划，并自主完成在轨服务与维护任务，在复杂空间环境下具备多机构、多控制策略、多飞行器的自主协同操控能力。

在轨自主智能的应用对象主要包括：在轨运行的航天器（卫星、空间飞行器等），驻留在轨道的大-中型航天设施（空间站、轨道站、太空电站、望远镜等），以及轨道机器人和星表机器人。

一. 人工智能技术应用发展现状

2012年4月，美国NASA公布了《机器人、遥操作机器人与自主系统》发展战略路线图，首次系统提出空间机器人智能化发展的方向和关键技术；2016年10月，美国国家科学技术委员会发布了“美国国家人工智能研究和发展战略计划”，规划了人工智能的七大发展战略，指明了人工智能技术在空间的应用方向；2017年7月，中国国务院公开了《关于印发新一代人工智能发展规划的通知》（国发[2017]35号），提出了中国的新一代人工智能发展规划及三步走的战略目标。

目前空间服务与操控领域人工智能技术应用的公开材料还不多见，国内外在人工智能的航天应用方面差距尚不明显。总体来看，主要包括3大类关键技术的6种场景应用，即：1）智能运动与控制技术——空间交会对接；2）智能感知与认知技术——视觉定位、跟踪、测量与目标识别；3）智能规划与决策技术——故障诊断及健康管理、专家系统构建、行为规划和快速搜救。

空间交会对接

目前通常做法是采用粒子群算法（PSO）、分布估计算法（EDA）和量子粒子群算法（QPSO）对协同交会问题进行初始搜索，再将搜索所得结果带入序列二次规划法（SQP）中进行精心搜索，最终得到满足条件的最优解；也有学者用庞德里亚金极值原理，将受约束的优化问题转化为了两点边值问题，并且通过粒子群算法和差分进化算法等人工智能算法初步估计非线性方程组的解，再利用L-M方法求解对航天器快速主被动交会问题进行了仿真计算，获得了较理想的优化结果。

图1 航天器交会对接

视觉定位、跟踪、测量与目标识别

采用计算机视觉方法实现月面巡视器的导航定位，通过站间图像的特征提取与匹配，实现图像重叠区域的亚像素匹配，利用匹配的结果采用光束法平差实现了巡视器相邻导航位置间的定位，该方法已成功应用于玉兔号月球车的月面导航点定位，视觉定位的精度优于4%，顺利保障了两器互拍的进行；针对视觉跟踪中运动目标的鲁棒性跟踪问题，国内不少学者将深度学习引入视觉跟踪领域，提出一种基于多层卷积滤波特征的目标跟踪算法，结合粒子滤波算法实现了目标跟踪。所提跟踪算法对光照变化、遮挡、异面旋转、摄像机抖动都具有很好的不变性。

图2 玉兔号巡视器前后站左相机图像的匹配特征结果

故障诊断及健康管理

2003年CEMSol公司与NASA首次合作，为艾姆斯研究中心开发了一套归纳式故障监测与诊断系统(IMS)，主要用于混合动力火箭发动机测试床的监测。通过收集各种传感器测量的温度、压力、流量、电压和其他主要信号，利用数据挖掘判断多达数百计变量之间的关系，建立起系统正常工作下的基线状态，可提前预示和判断出系统中的故障；基于人工智能领域的智能决策技术和推理技术，国内有学者提出了基于知识的火箭安全控制智能决策系统的设计思想、结构体系及实现方法, 提高了火箭安全决策的可信度和真实性；冯通提出深度学习的航空飞行器故障自助检测算法，依据受限波尔兹曼基原理构建深度学习网络的故障检测模型，在模型中引人能量函数，求解隐含层节点和可视节点的激活概率，采用极大似然的学习方法，遍历深度学习网络模型节点，获取最优解，实现对当前故障状态的有效判定，从而完成航空飞行器故障的自助检测；一种新的混合智能诊断系统是在使用基于规则推理进行故障征兆识别的基础上，一方面利用案例推理技术实现故障的快速诊断，另一方面利用故障树分析法给出详细的推理过程和推理结果。

图3 不同算法的故障识别率对比

专家系统构建

主要方面包括：通过构建AI、ES与神经网络相结合的混合型智能专家系统，从而克服各自系统的局限性、实现高效率处理机制和优势互补，实现了人工智能在载人飞船环控生保系统中的应用；包含案例库、机械故障诊断模块、人机交互模块的飞机机械故障诊断智能专家系统将大量数据和信息进行收集和整理，大幅提高了飞机机械故障的维修效率；建立了专家系统用在航天器预警技术，采用区域预警判定机制建立了以航天器为中心的警戒区和规避区，通过不同区域的阈值作为专家系统的判定，并用前向推理规则和Rete模式匹配算法设计了航天器预警专家系统并进行仿真验证。

行为规划

有学者提出了基于人工智能技术的自动化任务规划方法，设计了描述TpDD&DE问题的规划领域定义语言PDDL—PDDLDD&DE，以及针对该问题的启发式规划算法，支持“玉兔号”巡视器对动态任务的快速规划，并实现对月面较大空间范围的科学探测，圆满完成了预期任务。

快速搜救

国内学者提出了BDS支持下的航天器着陆回收指挥平台建设方案，利用BDS的导航定位功能，实现了对搜索载体的快速定位；提出了将基于地理信息的空间分析与人的经验相结合以实现最优越野路径的规划方法，形成了全方位的立体快速搜救能力。

图4 基于BDS的航天器着陆回收平台结构

近些年来，深度学习得到了广泛的关注，已经成为计算机科学机器学习重要的领域和方向。深度学习是一种表示层次和内在规律，对于解释声音数据、图像数据、文字数据等有很大帮助。通过深度学习可以对声音、图像以及文字等数据进行有效识别，高强基于卷积神经网络探讨了深度学习算法与相关应用。

二. 总结与启示

人工智能在航天领域的应用研究主要集中在：视觉图像识别、目标感知、视觉跟踪、（快速、主从）交会对接、导航定位、任务规划、故障诊断、健康监测与管理、专家系统等方面，以研究人工智能算法实现对复杂对象的处理为主要目标；

以模块化航天器、空间机器人为主要执行机构，在轨操控（抓捕、对接、转位、更换、移除等）、在轨组装（人机协同、多臂协同、多机器人协同等）、在轨制造（3D增材制造、焊接、胶接等）对人工智能技术应用需求越来越强烈；

基于神经网络、深度学习等方法解决非监督条件下和非先验信息下的自主决策和自主控制问题成为人工智能技术的重要发展方向；

在轨服务与维护技术已从自动化系统、自主系统向智能系统的阶段发展演变。