空间服务与操控中的人工智能技术

陈 萌，肖余之，张 涛

（1.上海宇航系统工程研究所，上海201109；2.上海航天技术研究院，上海201109；3.清华大学自动化系，北京100084）

1 引言

复杂特殊的空间环境给航天器在轨服务与操控带来了极大挑战：轨道上变化的光照条件影响对合作或非合作目标的精确感知与识别［1］，天地信息传输的大时延降低了空间机器人在轨操作的稳定性［2⁃3］，剧烈变化的高低温环境也削弱了航天器长期在轨可靠运行的能力［4］，地面重力条件难以真实模拟航天器在轨姿态控制和机器人的精细操作。此外，受限于航天器的在轨资源，传感器和各种载荷的大数据采集、处理与分析也难以实时完成。

深度学习、大数据、云计算、混合现实、人机共融等技术的快速发展，给空间服务与操控领域带来了新的机遇，其中基于深度学习的空间服务与操控需要大量的数据进行反复训练，而空间任务大多数并不具备反复训练的工作场景，为确保空间服务与操控的自主化和智能化，需要模拟空间任务环境，在地面搭建人工智能技术的训练和测试平台，从而为在轨验证奠定基础。

2 在轨服务与操控发展现状

1981年加拿大机械臂I（SRMS）通过遥操作实现货物搬运任务以来［5⁃7］，美国、加拿大、德国、日本等国家先后开展了一系列在轨操作与服务任务，完成了交会对接、抓捕停靠、燃料补加、ORU更换等在轨试验验证。

美国通过军民深度融合的方式，开展了XSS［8］、DART［9］、 轨道快车［10］等飞行器试验项目。基于空间机械臂和空间机器人，开展了货物运输、模块更换、地面遥操作、燃料加注、辅助交会对接等技术验证和预先研究（图1）。2011年10月，美国国防高级研究计划局（DARPA）提出“凤凰”计划的概念［11⁃12］，希望采用刚性和柔性机械臂系统，从GEO废弃卫星上拆解下通信天线并重新利用，以降低卫星开发成本（图2）。美国系绳无限空间技术开发公司（TUI）2012年提出蜘蛛制造的太空制造技术构想［13］，利用多臂空间机器人及自身携带的3D打印材料，完成特定空间结构单元的构建，实现在轨自主装配和制造（图3）。

图1 美国已验证和计划验证的在轨服务项目Fig.1 The verified and to be verified on⁃orbit serv⁃ice projects in USA

图2 DARPA“凤凰”计划构想［11⁃12］Fig.2 The concept of PHENIX plan in DARPA［11⁃12］

图3 NASA“蜘蛛制造”构想［13］Fig.3 The SpiderFab Architecture in NASA［13］

自1993年以来，德国先后开展了 Rotex［14］、GETEX［15］、ESS［16］、ROKVISS［17］等项目，在轨验证了基于多传感器手爪的柔顺抓取控制、基于虚拟现实的机械臂遥操作、交会对接及对接动力学、真空环境下轻型机械臂关节等关键技术；欧空局完成了空间站组装机械臂ERA的研制和试验［18］，通过ROGER项目实现了飞网和飞爪捕获空间碎片等非合作目标的概念设计［19］，通过TECSAS项目完成了飞行器在轨捕获与组合体离轨控制等技术攻关［20］；日本通过 ETS⁃VII开展了飞行器自主交会对接和舱外遥操作试验［21］，通过MFD项目在轨演示了日本实验舱小型机械臂的功能和性能［22］，完成了日本实验舱上的机器人JEMRMS操作试验和维修服务任务［23］；加拿大还研制了国际空间站大型机械臂SSRMS并完成了搬运和维护等空间任务［24］，实现了基于双臂灵巧机械手 SPDM［25］的在轨燃料加注演示验证RRM［26］。上述各国已经开展的各项研究为在轨服务与操控技术的发展奠定了基础。

此外，NASA 的在轨服务路线图（OOS）［27⁃29］中也明确规划了阶段性发展目标，包括：

1）2011－2020年阶段，完成国际空间站演示验证后，在GEO轨道和拉格朗日点开展在轨服务任务；

2）2015－2025年阶段，在轨服务最终用于月球轨道的探测；

3）2030－2040年阶段，开发潜在的下一代天文台级卫星任务客户群。

3 空间领域人工智能技术发展现状

2012年4月，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［30］，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”［31］，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）［32］，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。

空间服务与操控领域人工智能技术应用的公开材料尚不多见，已获知的技术应用主要体现在：空间交会对接；视觉定位、跟踪、测量与目标识别；故障诊断及健康管理；专家系统构建；行为规划和快速搜救等方面。

3.1 空间交会对接

航天器空间交互对接需要在短时间内对航天器进行机动，并使得交会过程消耗的燃料尽可能少，其实质是约束条件下的系统优化问题。王彪等［33］通过粒子群算法和差分进化算法等人工智能算法求解了边值优化问题，利用L⁃M方法对航天器快速主被动交会进行了仿真求解，获得了较理想的优化结果。韩李萍等［34］采用粒子群算法、分布估计算法和量子粒子群算法对协同交会问题进行了初始搜索，再将搜索所得结果带入序列二次规划法中进行精心搜索，最终得到了满足条件的最优解，为交会对接的智能算法应用奠定了基础。

3.2 视觉定位、跟踪、测量与目标识别

月面复杂的自然环境下，移动机器人的导航定位有很大难度，目前国外主要采用基于轨道图像、软着陆降落相机图像和车载视觉系统的图像进行匹配定位，以及基于里程计的航位推算法、路标特征匹配法等实现局部定位，但存在算法效率、求解稳定性和定位精度的不足。Johnson等［35］利用 IMU（Inertial Measurement Unit）获取初始外方位元素与视差图生成等方法，增强了视觉测程的处理效率与算法稳健性；Jones等［36］利用Kalman滤波方法将IMU数据加入视觉测程定位结果中，修正了定位累积误差。王保丰等［37］通过站间图像的特征提取与匹配，实现了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，提高了玉兔号月球车的视觉定位精度（图4）。

由于光照变化、遮挡、目标形变、摄像机抖动等因素的影响，实现鲁棒的视觉跟踪是一件非常困难的事情。近年来深度学习受到了前所未有的关注，李寰宇等［38］针对视觉跟踪中运动目标的鲁棒性跟踪问题，将深度学习方法应用于视觉跟踪，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。李卫［39］针对小样本提出了一种改进的深度信念网络结构，改进的算法在预训练阶段对样本进行降采样，在参数微调阶段引入随机隐退（Dropout），实验表明深度信念网络在识别率和耗时方面都有不错的改善。

图4 玉兔号巡视器前后站左右相机图像匹配特征结果［37］Fig.4 Stereo matching result of Jade Rabbit lunar rover［37］

遥感图像分类是一个有监督的学习过程，常常需要人工标定一些数据作为训练样本。然而人工标定遥感图像费时费力且效率极低，近年来借助深度学习方法自动处理遥感图像已经成为机器学习领域的新兴研究方向，如麦超等［40］采用多层结构的方式，对数据从低层到高层渐进地进行特征提取，从而发掘数据主要驱动源，进而提高分类的准确性。

3.3 故障诊断及健康管理

飞行的安全性和可靠性、航天器后勤保障体系的高效和经济性是航天技术不可回避的问题［41］，航天器系统重要部件的健康监控技术对提高整个系统的可靠性与安全性具有至关重要的作用。NASA开发了一套成熟的归纳式监控算法（Induc⁃tive Monitoring System，IMS）并已开始商业应用［42⁃43］：通过对已有正常数据的训练形成不同数据群，待测数据通过与数据群比较得出与数据群的不同位置关系进而判断是否故障。IMS的优点是不需要故障数据作为训练数据，避免构建系统模型，从而降低了算法复杂度、提高了算法速度。

高克寒等［44］对归纳式监控算法应用于故障检测时虚警率高的问题，提出了一种改进的IMS算法，对测试中可能出现的野点进行了处理，降低了待测数据中野点对测试结果的干扰，在对液体火箭发动机的故障检测中，改进后的IMS将虚警率由37.5%降低到0。

现阶段常用的航天器故障检测方法主要基于人工蚁群算法［45］、模糊算法［46］、以及免疫遗传算法［47］等，自主性差、故障查找频繁，而航天器故障多具有随机性、多层次和非线性的特点，采用传统方法进行检测往往需要耗费巨大成本，且检测的准确性较低，无法获取满意的检测结果［48］；为避免上述弊端，冯通［49］提出了基于深度学习的航天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，从而完成了航天器故障的自助检测，提高了故障检测的准确性和算法运行效率。

3.4 专家系统构建

Sun Yuanyan等［50］在深入分析载人航天系统故障特点的基础上，提出一种基于故障诊断系统的专家系统构建方法，构造出混合型集成式的载人航天故障诊断系统以解决复杂的载荷问题；尹珅等［51］介绍了一种新的混合智能诊断专家系统，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。

空间存在数目繁多的碎片和微流星，航天器轨道规避作为一种主动防御技术，能有效提高航天器在轨运行的可靠性和生存能力。钱宇等［52］提出建立专家系统用在航天器预警领域，采用区域预警判定机制建立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模式匹配算法设计航天器预警专家系统，仿真验证表明，所建立的预警专家系统能根据物体间相对位置信息做出准确的预警判定，从而实现航天器智能预警。

4 人工智能技术应用场景设想

当前空间服务与操控的应用主要包括轨道救援、碎片清理、维修操控、在轨构建、系统重建等任务，需要在交会对接、导航定位及视觉识别、故障诊断和健康管理、精细操作和任务协同等方面提升自主化和智能化水平。而针对非合作目标的在轨燃料补加、合作目标在轨组装、星表太阳能电站建造、微小飞行器集群的协同控制等场景开展人工智能技术应用研究，对构建空间服务与操控的智能技术体系具有重要意义。

4.1 在轨燃料补加

高价值航天器大多分布在中、高轨道，一旦燃料耗尽将会丧失支撑能力。利用空间机器人完成燃料补给是挽回损失、延长寿命的重要措施。在轨燃料补加场景主要包含飞行器捕获接近、绕飞重建、安全逼近、目标抓捕、对接停靠和在轨补加等阶段，对交会对接、目标重建、精确抓捕等操作的要求高，通过研究燃料补加全过程的人工智能技术，对实现准确抓捕、快速响应、精确补加等操作服务具有重要意义。在轨补加应用场景和人工智能关键技术应用如图5～6所示。

图5 在轨补加应用场景Fig.5 Application scenarios of on⁃orbit refueling

图6 在轨补加智能技术Fig.6 Intelligence technology of on⁃orbit refueling

4.2 在轨组装与维护

空间操控服务平台需要具备实现航天器停靠、转运、维修、组装和分离等功能，采用空间机械臂完成对模块化、可重构航天器的在轨组装和维护操作，对延长航天器使用寿命、降低运营成本具有重要意义，人工智能的应用可使在轨组装技术更加适应非定制化任务和紧急突发状态，体现智能化服务与操控能力。在轨组装与维护应用场景及人工智能关键技术应用如图7～8所示。

图7 在轨组装与维护应用场景Fig.7 Application scenarios of on⁃orbit assembly and maintenance

图8 在轨组装与维护的智能化技术Fig.8 Intelligence technology of on⁃orbit assembly and maintenance

4.3 星表太阳能电站建造

采用机器人实现星表太阳能电站的建造是无人科研站建设的重要内容，其任务包括选址勘察、三维地形重建、移动路径规划和动态避障、协同组装操作等，将人工智能技术应用于星表环境下机器人的探测、采样与组装，可有效解决因天地大时延带来的地面遥操作实时性差、操作稳定性不高等难题。星表太阳能电站建造应用场景及人工智能关键技术如图9～10所示。

图9 星表太阳能电站建造应用场景Fig.9 Application scenarios of solar power station construction on planet surface

4.4 微小飞行器“镜群”试验

图10 星表太阳能建造的智能化技术Fig.10 Intelligence technology of solar power station construction on planet surface

为了防止小天体撞击地球，提出微小飞行器“镜群”构想：发射一个航天器群，每颗航天器携带一个小镜子，通过统一的星务系统进行管理，组建成一个天基群镜系统。把反射太阳光聚焦于小天体表面的某一指定点，将小天体的表面加热到至少2100℃，使小天体汽化。汽化后的小天体内部会喷射出气体，产生一个与喷射方向相反的推力，进而改变轨道。该“镜群”试验可体现航天器的群体智能，并能够智能地防护空间碎片或小天体的碰撞，具有较好的创新研究价值。微小飞行器“镜群”试验的应用场景和智能技术如图11～12所示。

图11 微小飞行器“镜群”试验应用场景Fig.11 Application scenarios of Mirror Swarm ex⁃periment with micro space vehicles

图12 微小飞行器“镜群”试验的智能化技术Fig.12 Intelligence technology of Mirror Swarm ex⁃periment with micro space vehicles

5 结论

1）从公开发表的文献来看，尽管空间服务与操控技术已经发展了近37年，但人工智能技术的应用仍然受限，主要是因为针对海量数据的计算处理和分析能力还没有根本性提高，计算机的硬件水平和人工智能算法水平也只是近年来才获得突破性发展。

2）当前人工智能在航天领域的应用研究主要表现在：视觉图像识别－感知－跟踪、交会对接、故障诊断、专家系统等算法应用层面，人工智能技术的体系性不强，而“有意识、可思维、善学习”的强人工智能还远未达到。

3）随着空间操控和服务的复杂化与多样化，精确感知与智能识别、精细操作与多机协同将是需要重点发展的智能化技术，而基于神经网络、深度学习、人机共融的新一代人工智能为空间服务与操控的发展进步提供了重要技术支撑。

［1］ Cernadas E，Delgado M F， Rufino E G， et al.Influence of normalization and color space to color texture classification［J］.Pattern Recognition， 2017（61）： 120⁃138.

［2］ Wang N，Yang CG，Lyu M R，et al.An EMGenhanced im⁃pedance and force control framework for telerobot operation in space［C］ ／／2014 IEEE， Aerospace Conference， March 1，2014.

［3］ Itoh T， Yudate K，Ito S，et al.New predictive display meth⁃od of motion and force information for network teleoperation without using virtual environment model［C］ ／／2003 IEEE／RSJ International Conference on Intelligent Robots and Sys⁃tems， Las Vegas， Nevada， USA， October 27⁃31， 2003.

［4］ Siddharth T，Matthew D， Riccardo N.Development of ther⁃mal capacitors for temperature regulation in spacecraft［C］／／66thInternational Astronautical Congress， IAC2015， Jerusa⁃lem， Israel， October 12⁃16， 2015.

［5］ Chuang L P， Wu S C， Ghofranian S.System level flexible body dynamics analysis integration in space applications［C］ ／／AIAA Modeling and Simulation Technologies Confer⁃ence and Exhibit， Honolulu， Hawaii， USA， August 18⁃21，2008.

［6］ Ravindran R，Assaf SA，Nguyen PK.Shuttle remote manip⁃ulator control system and in⁃flight verification［C］ ／／Interna⁃tional Symposium on Design and Synthesis， Tokyo， Japan，July 11⁃13， 1984.

［7］ Shuichi M，Yasufumi W，Yoshiaki O，et al.Reconfigurable space manipulator for in⁃orbit servicing［C］ ／／4thInternational Conference and Exposition on Robotics for Challenging Situa⁃tions and Environments⁃Robotics 2000， Denver， CO， USA，August 5⁃8， 2000.

［ 8 ］ Madison R W.Micro⁃satellite based， on⁃orbit servicing work at the air force research laboratory［C］ ／／2000 IEEE， Pro⁃ceedings of Aerospace Conference， March 18⁃25， 2000.

［9］ Hintze G C，Cornett K G，Rahmatipour M H，et al.AVGS，AR＆D for satellites， ISS， the moon， mars and beyond［C］ ／／AIAA， 2007 Aerospace and Exhibit， Rohnert Park， Califor⁃nia， USA， May 7⁃10， 2007.

［10］ Pete T J， Anthony H， Jane P， et al.Autonomous satellite docking system［C］ ／／AIAA Space 2001⁃Conference and Ex⁃position， Albuquerque， NM， USA， August 28⁃30， 2001.

［11］ 杨南基，黄献龙，王玉峰，等.细胞卫星体系的关键技术及启示［J］.航天器环境工程，2015，32（4）： 434⁃439.

Yang N J， Huang X L， Wang Y F， et al.Key technologies of cellularized satellite building block system and its enlighten⁃ment［J］.Spacecraft Environment Engineering， 2015， 32（4）： 434⁃439.（in Chinese）

［12］ Charles D E， Philip R B， Roy E G， et al.Replenishing the Mars relay network［C］ ／／2014， IEEE Aerospace Conference

［13］ Hoyt R P， Slosad JT， Moser T J， et al.In⁃space manufactur⁃ing of constructableTMlong⁃baseline sensors using the trussela⁃torTMtechnology［C］ ／／AIAA SPACE 2016， Long Beach，California， USA， September 13⁃16， 2016.

［14］ Heindl J， Dietrich J， Hirzinger G.ROTEX ～ The first robot in space［C］ ／／24thInternational Conference on Environmental Systems and 5thEuropean Symposium on Space Environmental Control Systems， Friedrichshafen， Germany， June 20， 1994.

［15］ Freund E， Rossmann J， Schluse M.Real⁃time collision a⁃voidance in space： the GETEX experiment［C］ ／／SPIE， Sen⁃sor Fusion and decentralized Control in Robotic Systems III，2000.

［16］ Bongardt K， Pabst M.Final bunch rotation and momentum spread limitation for the ESSfacility［C］ ／／Proceedings of the 1995 Particle Accelerator Conference， May 1⁃5， 1995.

［17］ Preusche C， Reintsema D， Landzettel K， et al.Robotics component verification on ISS ROKVISS⁃preliminary results for telepresence［ C］ ／／2006 IEE／RSJ International Confer⁃ence on Intelligent Robots and Systems， Beijing， China， Oc⁃tober 9⁃15， 2006.

［18］ Schoonmade M.Mission preparation and training equipment（MPTE） for the European Robotic Arm （ERA）［C］ ／／Pro⁃ceedings of the seventh international space university alumni conference， Cleveland， Ohio， USA， July 23⁃26， 1998.

［19］ Kassebom M， Koebel D， Tobehn C， et al.ROGER⁃An ad⁃vanced solution for a geostationary service satellite［C］ ／／26thAmerican Control Conference， Chicago， IL， USA， June 2000， 28⁃30.

［20］ Sommer B.Automation and robotics in the German space pro⁃gram⁃unmanned on⁃orbit servicing （ OOS） ＆ the TECSAS mission［C］ ／／55thInternational Astronautical Congress， Van⁃couver， Canada， October 4⁃8， 2004

［21］ Kawano I， Mokuno M， Horiguchi H， et al.In⁃orbit demon⁃stration of an unmanned automatic rendezvous and docking system by the Japanese engineering test satellite ETS⁃VII［C］ ／／AIAA Guidance， Navigation and Control Conference，Scottsdale， AZ， USA， August 1⁃3， 1994.

［22］ Nagatomo M， Hisatome Y， Sato T， et al.Manipulator Flight Demonstration （MFD ）⁃mission and development status［C］ ／／20thInternational Symposium on Space Technology and Science， Gifu， Japan， May 19⁃25， 1996.

［23］ Kazuya I， Shinobu D， Kazutaka W， et al.Japanese Experi⁃ment Module Remote Manipulator System （JEMRMS） opera⁃tions for HTV⁃1 mission［C］ ／／61stInternational Astronautical Congress2010， Prague， Czech republic， September 27⁃Octo⁃ber 1， 2010.

［24］ Kalaycioglu S，Giray M，Asmer H.Identification of structural parameters of SSRMS［C］ ／／The AAS／AIAA Space Flight Me⁃chanics Conference， Huntsville， AL， USA， February 10⁃12，1997.

［25］ Coleshill E.Dextre：improving maintenance operations on the International Space Station［C］ ／／58thInternational Astronau⁃tical Congress， January 1， 2007.

［26］ Gardell G G， Alex J， Joseph P， et al.Advance in robotic servicing technology development［C］ ／／AIAA SPACE Confer⁃ence and Exposition， 2015， Pasadena， CA， USA， August 31⁃September 2， 2015.

［27］ 崔乃刚，王平，郭继峰，等.空间在轨服务技术发展综述［J］.宇航学报， 2007， 28（4）： 805⁃811.

Cui N G， Wang P， Guo JF， et al.A review of on⁃orbit servi⁃cing［J］.Journal of Astronautics， 2007， 28（4）： 805⁃811.（in Chinese）

［28］ 陈小前，袁建平，姚雯，等.航天器在轨服务技术［M］.北京：中国宇航出版社，2009.

Chen X Q， Yuan J P， Yao W， et al.On⁃orbit Servicing Technology of Spacecraft［M］.Beijing： China Astronautics Publishing House， 2009.（in Chinese）

［29］ Piedboeuf JC， Bilodeau G， Lange C， et al.Preparatory ex⁃ploration activities： CSA exploration core program［C］ ／／61th International Astronautical Congress， Prague， Czech repub⁃lic， September 27⁃October 1， 2010.

［30］ Ambrose R， Wilcox B， Reed B， et al.Robotics， tele⁃robotics and autonomous systems roadmap［R］.NASA， Technology Area 04， 2012.

［31］ Holdren JP，Bruce A，Felten E，et al.The national artificial intelligence research and development strategic plan［R］.Na⁃tional Science and Technology Council， Networking and Infor⁃mation Technology Research and Development Subcommittee，2016.

［32］ 中华人民共和国国务院.新一代人工智能发展规划［R］.北京：人民出版社，2017.

State Council of the People＇s Republic of China.New genera⁃tion artificial intelligence research and development plan［R］.Beijing： People’s Publishing House， 2017.（in Chinese）

［33］ 王彪，冯维明.开关函数在航天器主被动交会轨道优化中的应用［J］.力学与工程应用， 2016， 16：165⁃168

Wang B，Feng W M.Application of switch function in orbital optimization for active and passive rendezvous of space vehi⁃cles［J］.Application of Mechanics and Engineering， 2016，16： 165⁃168.（in Chinese）

［34］ 韩李萍，冯维明，王彪.人工智能算法在航天器协同交会优化中的应用［C］／／中国力学大会，2015，CCTAM2015⁃A21⁃E1850.

Han L P，Feng W M，Wang B.Application of artificial intel⁃ligence algorithm in collaborative rendezvous optimization of space vehicles［C］／／China Mechanics Conference， 2015，CCTAM2015⁃A21⁃E1850.（in Chinese）

［35］ Johnson A E， Goldberg SB， Cheng Y， et al.Robust and ef⁃ficient stereo feature tracking for visual odometry［C］ ／／IEEE International Conference on Robotics and Automation， Pasa⁃dena， 2008， 39⁃46.

［36］ Jones E S， Soatto S.Visual⁃inertial navigation， mapping and localization： a scalable real⁃time causal approach［J］.Inter⁃national Jounal of Robotics Research， 2011， 30： 407⁃430.

［37］ 王保丰，周建亮，唐歌实，等.嫦娥三号巡视器视觉定位方法［J］.中国科学： 信息科学，2014，44（4）：452⁃460

Wang B F， Zhou JL， Tang GS， et al.Research on visual lo⁃calization method of lunar rover［J］.Science China： Informa⁃tion Science， 2014， 44（4）： 452⁃460.（in Chinese）

［38］ 李寰宇，毕笃彦，杨源，等.基于深度特征表达与学习的视觉跟踪算法研究［J］.电子与信息学报，2015，37（9）：2033⁃2039.

Li H Y，Bi D Y，Yang Y，et al.Research on visual tracking algorithm based on deep feature expression and learning［J］.Journal of Electronics＆ Information Technology，2015，37（9）： 2033⁃2039.（in Chinese）

［39］ 李卫.深度学习在图像识别中的研究及应用［D］.武汉：武汉理工大学，2014.

Li W.The Research and Application of Deep Learning in Im⁃age Recognition［D］.Wuhan： Wuhan University of Science and Technology， 2014.（in Chinese）

［40］ 麦超，陶迪.深度学习在高光谱遥感图像分类中的应用研究［J］.工程技术， 2016（13）： 298.

Mai C， Tao D.Application research of deep learning in re⁃mote sensing imagine classification［J］.Engineering Technol⁃ogy， 2016（13）： 298.（in Chinese）

［41］ 董志存.航天器综合健康管理系统研究［D］.哈尔滨：哈尔滨工业大学，2013.

Dong Z C.Research on Integrated Health Management System of Spacecraft［D］.Harbin： Harbin Institute of Technology，2013.（in Chinese）

［42］ Schwabacher M，Oza N，Matthews B.Unsupervised anomaly detection for liquid⁃fueled rocket propulsion health monitoring［J］.Journal of Aerospace Computing， Information and Com⁃munication， 2009， 6（7）： 464⁃482.

［43］ David L， Iverson， Rodney M， et al.General purpose data⁃driven system monitoring for space operations［J］.Journal of Aerospace Computing， Information and Communication，2012， 9（2）： 26⁃44.

［44］ 高克寒，张素明，王晓林，等.基于改进归纳式监控算法的液体火箭发动机实时故障检测［J］.航空动力学报，2016， 31（10）： 2554⁃2560.

Gao K H，Zhang SM，Wang X L，et al.Fault detection for liquid⁃propellant rocket engine based on improved inductive monitoring system［J］.Journal of Aerospace Power，2016，31（10）： 2554⁃2560.（in Chinese）

［45］ 樊友平，陈允平，黄席樾，等.运载火箭控制系统漏电故障诊断研究［J］.宇航学报， 2004，25（5）： 507⁃513.

Fan Y P， Chen Y P， Huang X Y，et al.Research on the leak current fault diagnosis system for launch vehicle control system［J］.Journal of Astronautics， Chinese Journal of Aeronautics，2004， 25（5）： 507⁃513.（in Chinese）

［46］ Miao L J， Shi J.Model⁃based robust estimation and fault de⁃tection for MEMS⁃INS／GPSintegrated navigation systems［J］.Chinese Journal of Aeronautics， 2014（4）： 947⁃954.

［47］ Waivio N.Parallel test description and analysis of parallel test system speed up through Amdahl law［C］／／IEEE Aerospace and Electronic System Society.IEEE Autotestcon Proceed⁃ings.Baltimore， USA， 2007： 432⁃450.

［48］ Hiba A S， Nazih M.Research on hybrid renewable energy systems with fault detection technology［J］.Journal of Energy and Power Engineering， 2013， 7（12）： 2256⁃2262.

［49］ 冯通.基于深度学习的航空飞行器故障自助检测研究［J］.计算机仿真，2015， 32（11）：119⁃122.

Feng T.A fault detection algorithm of aviation aircraft based on deep learning［J］.Computer Simulation， 2015， 32（11）：119⁃122.（in Chinese）

［50］ Sun Y Y，Guo L L，Ma Z S.A fault diagnosis system design for space application［C］／／2015 12th IEEE International Conference on Electronic Measurement＆ Instruments， ICE⁃MI2015， Qiangdao， China， July 16⁃18， 2015.

［51］ Yin S， Xiao B，Ding SX，et al.A Review on recent develop⁃ment of spacecraft attitude fault tolerant control system［J］.IEEE Transactions on Industrial Electronics， 2016， 63（5）：3311⁃3320.

［52］ 钱宇，向小军，杨军利.基于CLIPS的航天器预警专家系统的设计与实现［J］.计算机仿真，2012， 29（9）：61⁃64.

Qian Y， Xiang X J， Yang JL.Development of spacecraft col⁃lision warning expert system based on CLIPS［J］.Computer Simulation， 2012， 29（9）： 61⁃64.（in Chinese）