今天是太空与您相伴的【第988期】

航天技术是一个国家科技水平和综合国力的重要体现，经过60多年的发展，中国航天已经步入世界航天大国行列，“长征”系列运载火箭累计成功发射了350余次，并且18/19连续2年宇航发射数量位居世界第一，今年位居第二。

回顾中国航天的发展历程，中国运载火箭实现了从无到有、从有到全、从低轨到高轨，从发射卫星到发射空间站的不断跨越。

在国内外航天史上，火箭发射失利时有发生。其中，以动力系统故障较为频繁。

据统计，到20世纪70年代，美国发射了上千枚中远程导弹及运载火箭，其中，由于增压输送及发动机系统故障造成的飞行失败约占50%。在1990年到2015年年底之间，国外火箭由于动力系统故障导致失败的共有64起，占全部发射失败的51%。2015-2017年，国外火箭发射失利共7起，推进系统引起5起。据统计，在1990-2000年期间，约42.5%的欧美，日本及苏联/俄罗斯运载器发射失败都有可能利用先进导航制导与控制技术得以补救挽回，能够继续完成任务或者降级完成任务。

支撑中国航天未来发展核心关键领域之一的制导、导航与控制等技术，已成为近年来航天领域的研究热点和难点。随着以人工智能技术为代表的新工业革命快速发展，先进空间国家纷纷在自己的宇航计划中增大了对智能自主控制技术方面的投入力度，航天控制系统正在逐步走向智能化。通过智能控制技术提高火箭性能，增强火箭主动适应及自主决策能力，利用航天智能控制技术赋能火箭“会学习”，将具有重要理论与工程应用价值。

01

航天智能技术从航天器的可靠性做起

航天技术是实现人类走出地球、利用空间、探索空间的重要手段。

航天工业涉及总体设计、控制、材料、计算机等多个领域，覆盖航空宇航科学、控制科学、仪器科学、材料科学等多个学科内容，是一个涉及专业多、领域覆盖广、学科覆盖全的综合行业。为确保航天任务万无一失，航天技术的发展以提升航天器的可靠性为基础，特别是近年来智能控制技术的快速发展，为航天器可靠性的提升提供了新的探索方向。

01

航天器是可靠性要求高的自主系统

作为自主系统，航天器对可靠性的要求更高更严格，具体体现在以下三个方面：

1）基本可靠性要求高：无人、自主飞行是航天器与生俱来的特质，航天器要在无人干预的条件下，在特定环境和时间内无故障、高可靠工作，这对航天器设计、制造过程中的基本可靠性提出更高要求。

2）使用可靠性要求高：航天器所处的空间环境复杂，自身体积、功耗、运算装置、能源等均有苛刻限制，同时还要完成入轨、调姿、对接等高精度任务，这些限制约束对航天器在实际环境中的使用可靠性提出了更高要求。

3）任务可靠性要求高：航天系统需要具备进出空间、利用空间、探索空间以及自主开发空间4大能力，任务复杂程度高，难度大，需要多个航天器协同完成，需要复杂的事件流程和任务规划，需要多个航天器在任务剖面内精确的完成预定动作，这对整个任务完成的可靠性提出了更高要求。

02

火箭、卫星、深空探测器对高可靠性需求迫切

航天任务系统复杂，具有投入大、风险高的特点，而如何提升航天器的可靠性，减少任务失败的可能性，也是航天工程面临的永恒主题和旋律。随着重复使用、在轨服务与维护、深空探测等任务需求的进一步明确，我国航天技术的发展将围绕如何提升航天器的自主性、可靠性展开，具体体现在：

1）运载火箭需具备高可靠、低成本、多任务实现等能力：高可靠实现故障能诊断、控制可重构；低成本实现可重复使用以及自主返回功能；多任务实现自主规划、多任务统筹等功能。

2）卫星要具备易运维、多功能等能力：易运维能力实现星上自诊断、自决策，减少对地面测控依赖；一星多能能力实现软件功能自定义，可支撑多种空间任务。

3）深空探测器要具备强适应、强生存、强自主等能力：强适应实现自主决策与规划，能够适应极端环境；强生存实现动力持久、寿命长、超远距离测控与通信；强自主实现自主导航与控制、未知环境自主探测以及威胁识别与自主规避等功能。以上能力需求的提出，对航天器的高可靠性提出了更高需求，亟需对提升航天器可靠性进行研究和探索。

02

航天器的可靠性从航天智能控制做起

随着控制科学与技术的迅速发展，人工智能的理论与技术成果已在控制领域得到了应用和发展，智能控制技术将是人工智能及相关前沿技术的综合体现。

在航天工程领域，由于环境、故障、本体不确定、外部干扰、等特有属性，传统控制方法存在应对能力不足、解决问题不全等问题，亟需航天智能控制技术给出系统性、综合性的解决方案，以提升航天飞行器的可靠性。

01

控制科学的发展路线

控制科学是一门研究机器、生命、社会中控制和通讯的一般规律的科学，是研究动态系统在变化的环境条件下如何保持平衡状态或稳定状态的科学。按照控制学科的发展历程，可分为萌芽期，古典控制，现代控制和智能控制四个阶段。

1）萌芽期：19世纪中叶，Maxwell为解决蒸汽机调速系统剧烈问题，引出了控制稳定性等基本概念，在机械化广泛应用的背景下，萌生了自动控制的研究需求。

2）古典控制：在20世纪上半叶，Wiener等提出了控制中最经典的“反馈”概念，在通讯技术及自动控制的推动下，控制理论迅速发展。

3）现代控制：自20世纪60年代以来，航天器精准控制、机器人灵巧控制等以状态空间方法为基础的控制系统，以分析和设计控制系统的现代控制理论，以及数字式控制系统应运而生。

4）智能控制：进入21世纪以来，机器学习算法不断突破、计算能力迅速提高，需要建立分布式多参数系统、非线性系统、随机系统等更为复杂系统的控制理论与方法来解决日益增长的任务需求，而智能控制的发展与应用将是行之有效的解决途径。

纵观控制科学与技术的发展历程，可看出控制理论的任何重大进展均取决于当时社会生产力的需要和人类已有知识的准备，控制工程的任何重大进展均取决于当时的控制理论水平、零部件与工业制造水平。

02

智能控制技术是控制系统的发展趋势

作为控制理论的第4个里程碑，智能控制也是人工智能技术与工业界融合发展的抓手。美籍华人科学家傅京孙在1965年首次提出把人工智能的启发式推理规则用于学习控制系统，提出将人工智能与自动控制结合起来；1977年，美国人萨里迪斯 (G. N. Saridis ) 提出智能控制是人工智能、自动控制与运筹学的深度交叉融合的产物。

将智能控制技术赋能航天工程，使得航天器更加聪明，主要技术指标得到显著提升，并能通过学习和训练，使能力得到持续提升，解决传统控制方法难以解决的控制问题。智能控制技术能够使航天器适应更大的偏差、适应更恶劣的环境，同时具备训练、学习、演进的能力，是提升航天器可靠性的有效途径。

03

智能控制技术是提升航天器可靠性的有效途径

智能控制技术的发展，使航天器具备以往所不具备的能力，变得更聪明，能够适应来自本体、环境和目标的不确定性，完成复杂任务。而当前，我国航天工程可靠性提升存在的挑战主要有飞行环境的不确定性、应对故障的不确定性、应对干扰的不确定性以及对自身模型的不确定性4个方面。要解决这些难题，航天技术必须与“智能”相结合，以“智能控制”为抓手，提升航天器可靠性。

（1）智能控制技术是提升运载火箭可靠性的有效途径

经过60多年的发展，我国运载火箭制导控制技术得到长足发展，制导技术方面，1960年，仿制前苏联“1059”导弹发射成功，无线电+位置积分的制导方式，实现了我国制导技术零的突破，1964年，摄动制导技术在东风二号复飞试验中首次应用，实现制导精度大幅提升，20世纪80年代开始，迭代制导技术理论取得一系列突破，并在CZ-2F、CZ-5、CZ-7等飞行器上得到应用，使中国运载火箭的制导方法误差减小了一个数量级，2010年以来，进行了非程序制导技术攻关，并取得了演示验证飞行试验成功，大幅提升了制导技术智能化水平。

20世纪60年代，中国航天自主研发的频域设计技术成功解决了以长征系列运载火箭为代表航天运载器控制问题，奠定了姿态控制系统工程化设计基础，20世纪80年代，中国航天应用数字式姿态控制系统设计及验证技术，实现了某飞行器全数字化姿态控制，20世纪90年代，CZ-2F载人运载火箭控制系统首先全面使用了系统级冗余技术，显著提高了火箭的故障适应能力，2010年以来，中国航天将自适应控制技术应用于某飞行器和远征（YZ）上面级等弹/箭姿控系统中，为具有不确定性参数和干扰的弹/箭控制提供了技术解决途径。

运载火箭制导控制技术的发展逐步从适应偏差，向适应本体、适应环境、适应任务更新升级，提升了运载火箭的入轨精度、控制品质与可靠性。随着未来新型运载火箭发展，将呈现高密度发射、重复使用、航班化等运营模式，亟需航天智能控制技术来进一步提升运载火箭的可靠性。我国运载火箭制导控制技术发展历程，如图1所示。

图 1 我国运载火箭制导控制技术发展历程

（2）智能控制技术是提升空间飞行器可靠性的有效途径

1970年，中国航天采用单轴自旋稳定控制技术成功发射东方红一号卫星，标志着我国正式开启太空时代，1997年，东方红三号卫星控制系统首次采用全三轴稳定技术，显著提升了卫星在轨寿命和运行可靠性，2011年，神州八号载人飞船与天宫一号成功实施中国首次空间交会对接，标志着我国成为世界上第三个独立掌握空间合作目标自主交会技术的国家，2013年，中国航天将自主悬停避障技术成功应用于“嫦娥三号”着陆器，实现中国首次对地外天体的直接探测，近年来，中国航天突破了卫星群状态智能感知、智能规划、自主协同控制等关键技术，未来将逐步建设可在轨服务与维护、升级拓展、星群编队的空间系统。

我国空间飞行器逐步从科研试验转向业务应用，特别是在近地到深空、在轨服务与维护、大规模卫星星座等方面快速发展，空间飞行器制导控制技术将从传统控制逐步向智能控制升级更新，亟需航天智能控制技术来提升空间飞行器的可靠性和自主运维能力。我国空间飞行器制导控制技术发展历程，如图2所示。

图 2 我国空间飞行器制导控制技术发展历程

04

航天智能控制技术支撑了航天重大科技工程的实践

在建设航天强国的征程中，运载火箭智能化水平的提升对空间经济开发能力、工程技术综合实力、我国在国际社会上的政治影响力等方面有着重要的战略意义，增强运载火箭学习与适应能力，保证其高可靠安全飞行，是航天工程发展和航天强国建设的迫切需求。近年来，我国将先进智能控制技术应用于运载火箭发射，显著提升了火箭控制系统对各种任务的适应能力和智能化水平，确保了发射任务圆满成功。

表 1 智能控制技术在航天重大科技工程中的应用

03

航天智能控制从“会学习”的火箭做起

“会学习”运载火箭制导控制技术就是将智能技术引入导航、制导及控制等各个环节，使运载火箭变得更自主、更可靠、更聪明，通过学习和训练，弥补程序化控制策略带来的局限性，增强运载火箭适应复杂飞行环境及应对突发事件的能力，提高航天发射任务的可靠性。“会学习”的火箭作为未来亟需的研究对象需要航天智能控制技术的支撑，围绕飞行状态在线辨识与感知、制导控制在线重构、经验知识自学习、自主适应与进化、箭上强计算五大能力需求，不断提升“会学习”火箭的可靠性和性能指标。

01

航天智能控制技术的发展阶段

航天智能控制技术发展可以简单划分为4个阶段：第一阶段具备适应能力，实现控制系统关键环节的智能化；第二阶段具备学习能力，实现学习先进、跟随模仿；第三阶段具备想象能力，实现举一反三、超越常识认知；第四阶段具备演化能力，实现发现问题、解决问题。

航天智能控制技术也可概括为如图3所示两个阶段：“+智能”——将人工智能控制技术应用于控制系统，实现工程性融合；“智能+”——将智能技术与控制技术深度融合，使火箭控制系统颠覆性演进，实现颠覆性演进。

图 3 航天智能控制技术的两个阶段

02

“边飞边学”和“终身学习”特征的进一步思考

边飞边学：是指运载火箭通过学习来应对外界的变化和影响，充分利用本体和环境的信息，在飞行过程中，采用航天智能控制技术，实现本体与环境的在线辨识、能力在线评估与规划、控制在线重构等，具备个体强适应、任务快响应、飞行自学习的典型特征。

终身学习：是指运载火箭通过全生命周期数据的充分利用，完成智能建模、智能模型修正、方案以及参数智能优化等，采用航天智能控制技术，通过持续的自我学习和优化，实现知识的深度挖掘与应用、智能决策评估，具备一次设计延伸全生命周期、可重复使用、控制系统能力迭代优化的典型特征。

“会学习”运载火箭两个特征的相互关系如图4所示，边飞边学积累的数据作为终身学习的输入，通过不断的学习、训练、优化，为边飞边学提供智能方案和参数，实现了控制系统的闭环促进与优化。

图 4 “会学习”的运载火箭两个特征

03

“边飞边学”制导控制技术研究与应用

“边飞边学”制导控制技术依靠箭上强大计算能力，充分利用箭载多源信息，针对动力系统典型故障实现在线实时辨识，运载及控制能力在线评估，轨迹在线规划、控制参数在线优化等能力。基于运载火箭的“边飞边学”特征，开展了如下制导控制技术探索与应用，具体如图5所示。

图 5 “边飞边学”制导控制技术

（1）对动力系统非致命故障辨识与制导控制重构——学会自诊断

典型动力系统故障辨识与制导控制重构技术，是在传统火箭控制系统功能基础上，增加动力故障辨识与控制重构单元，动力故障辨识综合考虑箭体运动、动力运行状态等测量信息，以及制导控制效果信息，实时进行故障辨识，包括故障检测和识别、能力评估与决策。在线评估故障的影响域和影响程度，确定相应回路控制器（姿态控制律、制导律）的应对策略，包括不变化、自适应在线调整参数和结构，从而提高动力系统非致命故障条件下发射任务的可靠性。总体研究思路如图6所示。

图 6 发动机故障辨识与制导控制重构技术总体研究思路

1）主发动机推力下降故障辨识技术

针对运载火箭主发动机一度故障模式，采用三通道信息融合的方法对发动机推力进行辨识。基于惯组敏感的箭体系视加速度和角速度信息，以及伺服摆角指令，利用扩张状态观测器估计得到角加速度，通过含遗忘因子的最小二乘算法对发动机的推力进行辨识，实现主发动机推力下降辨识，辨识技术如图7所示。

图 7 主发动机推力下降辨识技术

2）主发动机推力下降故障的控制重构

基于发动机推力故障下降程度，离线分档设计控制器，即在每一推力下降档位，先设计一个标称控制器，再设计重构控制器或补偿器，根据诊断的故障信息进行控制器的切换或控制器参数自适应时变，来实现针对动力系统故障的自适应控制，如图8所示。

图 8 控制重构参数自适应切换示意图

针对运载火箭主发动机、姿控喷管、末修发动机三类典型动力系统故障模式，突破了基于运动信息、图像信息的动力学系统故障在线辨识关键技术，突破了飞行能力在线飞行能力在线评估、非致命故障在线重构的制导控制技术，其中姿控喷管极性及常开/常闭故障辨识技术、姿控喷管极性故障控制重构技术已闭环应用于CZ-3Y63飞行试验，得到了工程验证。

（2）基于光纤光栅的运载火箭弹性模态识别——学会建模调参

运载火箭的弹性模态数据是进行姿态稳定设计的必要输入，一般由地面大型弹性模态试验获得，试验周期长、成本高，且有可能存在天地不一致的情况。若采用光栅光纤传感器，当火箭本体形变发生变化，通过光的折射率变化转换到形变量计算，在线感知本体的模态变化，并将辨识结果引入到控制方程中，通过在线优化技术实现控制指令修正，将提升控制系统的适应复杂飞行环境的可靠性，减少控制系统对模型的依赖。飞行器弹性模态在线识别与控制方案，如图9所示。

图 9 飞行器弹性模态在线识别与控制方案

目前突破了光纤应变信号实时解调、基于功率谱的模态频率辨识等关键技术，搭建了地面原理性演示系统，并基于飞行演示验证平台，完成了飞行试验，关键技术得到了初步验证。

（3）轨迹在线规划技术——学会选路径

在故障条件下，运载火箭可能无法将载荷继续送到目标轨道，采用在线任务降级或轨迹在线规划，可保障火箭进入半长轴最大椭圆轨道或进入安全停泊轨道。入轨终端约束、控制能力以及动力学等多种非凸约束限制了火箭轨迹规划问题，采用变量替换与无损凸化，将火箭轨迹规划中的非凸问题转化为凸规划问题，通过凸优化在线求解器对其进行实时求解，得到最优推力矢量指令，使火箭在满足多种约束条件下，进入安全停泊轨道或半长轴最大的椭圆轨道。示例如图10所示。

图 10 芯一级主发动机发生严重推力下降故障后的轨迹规划图

围绕三类轨迹规划问题：火箭故障后能力评估与轨迹规划、火箭变目标轨迹规划、火箭垂直回收轨迹规划，突破了基于凸优化的在线能力评估与规划技术、基于凸优化和多项式的运载火箭垂直回收轨迹规划技术，基于演示验证平台，完成了飞行试验，以CZ-5为模型，完成了不同飞行阶段故障后轨迹重构的仿真验证。

（4）基于稳定裕度在线辨识的参数重构控制技术——学会自优化

在运载火箭助推段飞行段，质心变化、推力变化、不确定性气动环境变化均会对控制系统稳定裕度带来影响，通过对闭环系统施加最优多正弦激励信号，在线观测输入输出数据并求取系统稳定裕度，并建立控制参数与稳定裕度的映射关系，制定调参策略，从而提高火箭对本体不确定性的适应能力。其中，通过采用频域辨识方法求解系统的频率特性函数，表现在Bode图上，进而得到系统的稳定裕度。基于稳定裕度在线辨识的原理如图11所示。

图 11 基于稳定裕度在线辨识原理图

研究了姿态控制稳定裕度在线辨识方法，实时求取稳定裕度，制定了调参策略，提高了火箭对本体不确定的适应能力。突破了基于时频域转换的稳定裕度在线预示、基于稳定裕度的控制能力分配策略、基于稳定裕度预示的控制参数在线优化技术，并基于演示验证平台，完成飞行验证。

（5）分布式多元异构智能计算——箭上强算力

“会学习”的火箭采用分布式多元异构智能计算处理架构平台，突破分布式异构跨核高速信息交换以及多元异构内存共享调度管理技术，开发通用分布式多核异构并行计算框架，提升算力功耗比。为打造“会学习”火箭的“数据计算中心”，将火箭的所有数据计算集成到一个模块内实现或者分布式实现，实现算力共享和算力动态调配。硬件平台整机架构如图12所示。

图 12 硬件平台整机架构

04

“终身学习”控制系统的研究与应用

“终身学习”的控制系统以控制系统全生命周期数据为基础，通过对试验数据的管理与梳理，挖掘其中内在关联信息，通过持续训练与优化，改进运载火箭的控制系统架构、控制方案和参数等，实现控制系统与智能技术的深度融合，具备自认知、自学习、自演化的能力特征，如图13所示。基于运载火箭的“终身学习”特征，开展了相关的探索与应用。

图 13 “终身学习”的智能控制系统

（1）基于关联规则算法的数据管理与挖掘技术——学会归纳

对同系列、多批次的历史仿真、飞行、测试数据进行整理归纳，形成全生命周期数据，并通过大数据管理方法，搭建试验数据管理与分析平台，采用数据挖掘技术，从不同角度挖掘数据特征，实现参数间关联规则抽取并获取信息、飞行试验数据关系挖掘定性分析的能力，并挖掘出控制系统模型参数信息，如气动参数、弹性参数、单机特性等，并进行修正，完成对本体和环境的感知，如图14所示。

通过对全周期的数据的挖掘，采用智能控制技术，实现对绕心运动参数的辨识，如动压、风等环境模型参数，静稳定度、控制效率等本体模型参数。数据作为“会学习”火箭的基础，通过挖掘获取信息与知识，为控制方案及参数智能优化提供支撑。

图 14 基于关联规则算法的数据管理与挖掘技术

（2）基于全生命周期数据的控制系统自我学习技术——终身学习

基于全生命周期数据，对运载火箭飞行环境、飞行任务和火箭本体进行自认知，基于修正模型和经验样本进行控制系统自学习，通过利用全生命周期数据减少对模型的依赖，并逐步升级为无模型自适应控制。通过数据的挖掘与认知，将全生命周期数据转化为经验化数据池，依次进行经验归纳与提炼、经验样本泛化，最终形成批量经验样本，实现对系统模型的学习。通过采用神经网络、数据驱动、深度学习等算法，对控制律进行学习，实现控制系统的自我学习。“终身学习”的控制系统自我学习方案如图15所示，以飞行器的质心运动和绕心运动的数据为基础，完成基于数据驱动的控制律在线学习。

图 15 控制系统自我学习方案

自认知、自学习的控制系统是“会学习”火箭的关键，支撑运载火箭走向智能！

（3）基于自学习的控制系统持续优化技术——自演化

“会学习”运载火箭通过对全生命周期数据进行挖掘，并利用专家库经验，形成不断改进与演化的系统模型，并研究多种集群智能算法，实现控制方案和控制参数的不断优化，达到实时自主优化系统设计参数的目的。基于自学习自演化的控制系统持续优化方案如图16所示。

自演化的控制系统是“会学习”火箭的核心，通过控制系统的自演化技术，为火箭提供“智慧大脑”！

图16 基于自学习自演化的控制系统持续优化方案

04

总结

本文梳理了我国运载火箭的发展历程，分析并指出航天器是自主系统，且可靠性要求高，航天器未来的发展对高可靠性需求迫切，提出了航天智能技术从航天器的可靠性做起。并通过梳理控制科学的发展路线，重点强调了智能控制技术是控制系统的发展趋势，是提升航天器可靠性的有效途径，支撑了航天重大科技工程的实践，提出了航天器的可靠性从航天智能控制做起。

总结了“会学习”运载火箭的五大需求和两大特征的内涵，进一步探索了“会学习”运载火箭的智能制导控制技术的发展方向，重点围绕非致命故障辨识与制导控制重构、基于光纤光栅的运载火箭弹性模态识别、轨迹在线规划、基于稳定裕度在线辨识的参数重构控制、分布式多元异构智能计算、基于关联规则算法的数据管理与挖掘、基于全生命周期数据的控制系统自我学习、基于自学习的控制系统持续优化8个方面进行展开介绍，提出航天智能控制从“会学习”的火箭做起。通过航天智能控制技术的不断更新迭代，支撑我国航天器飞得更可靠、更灵巧、更精彩，助力我国探索浩瀚宇宙的步伐走得更稳、更远、更好！