人工智能技术在卫星任务管控领域的应用*

雷永刚,张若禹,马佳楠

(北京跟踪与通信技术研究所，北京 100094)

0 引 言

随着大规模并行计算、大数据、物联网、区块链和深度学习算法等关键技术的突破，人工智能取得了突飞猛进的发展，在图像处理、模式识别、自然语言处理、智能机器人等众多领域展现出令人期望的发展前景，其在航天工程领域表现出的巨大应用潜能尤其引人瞩目。在自主测控、自主故障诊断、任务规划、资源分配等方面，通过采用智能技术，将有效提高运控系统任务的完成效率和资源利用率[1]。

运控系统是卫星工程的六大系统之一，主要承担在轨卫星的运行管理任务，完成用户任务需求受理、载荷任务规划与控制计划制定、控制指令生成、天基与地基站网资源申请、载荷数据接收以及载荷原始数据的汇集、拼接、存储等预处理，并监视星地设备运行状态与健康管理，系统涉及链条环节多、工作流程相当复杂。据UCS(Union of Concerned Scientists)统计，截至2020年全球共4 084颗在轨卫星，其中我国435颗。随着我国在轨卫星数量、功能与载荷类型的不断增多，对运控系统的技术要求也越来越高，尤其对全流程自动化要求更是直接迫切。近年来我国在航天事业方面取得了举世瞩目的成就，但人工智能在卫星运控领域的应用还有待挖掘与研究，整体距离智能化实现还有较长的路要走[2]。

2017年，国务院印发的《新一代人工智能发展规划》[3]提出的战略目标之一为，到2030年，在人工智能理论、技术与应用总体达到世界领先水平，成为世界人工智能创新中心，在类脑智能、自主智能、混合智能和群体智能等领域取得重大突破，并对相关技术发展方向进行了部署。

1 运控系统现状与展望

如图1所示，卫星运控系统一般由任务管控、通信、数据接收等多个分系统组成，其中卫星的任务管制分系统作为运控系统的核心组成，由业务控制、任务规划、计划制定、载荷控制、任务仿真、状态监视和基础支持等多个业务子系统组成。运控系统主要完成任务需求统一受理、多星任务联合规划、卫星计划和各地面站数据接收计划制定、卫星有效载荷控制指令编制、卫星任务的统一指挥、地面站网资源调度、星地系统工作状态监视等多项工作。

图1 卫星工程运控系统组成示意图

为顺利完成在轨卫星的管控任务需要运控系统与测控系统(包含测控中心、地面站和中继卫星)紧密配合，其中运控系统(运控中心)主要完成任务受理、任务规划、计划制定、指令编排等工作，并需与测控系统协调卫星的测控计划(包括地面站和中继卫星的数据接收计划)；测控系统主要根据运控系统需求，制定卫星测控计划，接收有效载荷控制数据，统筹平台控制数据，在测控跟踪弧段内上行发送至卫星，接收卫星载荷数据并发送至运控系统[4]。

目前我国在轨卫星的运控系统一般采用“体系开放、资源共享”的思想设计建设，系统利用通用的信息网络基础技术，构建通用的软件系统，实现了体系架构的统筹设计、基础设施的统一规划和平台的一体化运行，达到系统的“通用化、系列化、组合化”，具备对多种类型多颗在轨卫星的运行管理和控制能力[5]。

1.1 主要差距

(1)任务规划主要侧重单星单任务，多星多任务规划能力不足

由于现有在轨卫星在设计时主要考虑单星执行各种任务，强调大平台、多功能，一颗卫星往往携带多种类型载荷，同时为满足不同使用单位的不同任务需求设计有多种工作模板，同一时段采用同一模式工作为主，因此现有在轨卫星的任务规划系统着重满足单星单任务的规划需求，在多星协同、群体协同方面的联合规划、综合运用能力显著不足，对于任务分解、多任务满足方面还依赖操作人员的经验进行选择，不利于任务实施，很难实现星地整体效能的有效发挥。随着小卫星技术和星座技术等的发展，面对未来多星多任务的工作环境，对卫星的运控系统要求观测目标(区域)数量繁多、需求形式各异、应急响应快速等特点，对于现有航天运控系统这样一个资源有限的系统，实现资源有效利用且最大程度满足各类用户需求的任务，在现有基础上已经无法实现[6]。

(2)任务管控严重依赖人员干预，自动化智能化能力不足

目前已经研制了一些涉及卫星操控、资源调度等方面的自动化软件，系统可在个别环节、个别分机上实现自动运行，但在全流程自动化、全流程智能化方面普遍应用不足。后续随着在轨卫星数量、载荷种类不断的增多，尤其是大型星座、星群等的组网运行，单纯依靠人力投入已不能完成卫星管控任务。另外，现有系统受现场工作人员能力和技术水平制约较大，在轨卫星发生故障后的快速发现、高效定位、迅速解决等无法得有效保证，因此系统必须实现全流程的自动化运行。未来需结合物联网技术、增强现实(Augmented Reality，AR)技术、智能化技术发展，改革创新站网与中心的智能接入方式，优化智能调度以及健康管理、故障预测与诊断、远程维护等智能化管理手段，提高运控系统运行管理效率以及故障发现、解决与恢复的时效性，是实现在轨卫星的运控系统的高水平运行管理的必然之路。

1.2 技术前景

面向以人工智能为中心的新技术变革，围绕人工智能技术在航天建设中的应用与发展，以卫星支援联合任务规划为背景，针对大规模星地资源统筹和复杂任务规划等难点，基于一体化联合任务分析的高动态应用环境，构建卫星群体智能协同系统与卫星智能任务规划系统，深度感知用户的需求偏好，能够自动筹划多源用户需求，智能调度大规模异构资源，充分挖潜不同卫星载荷(可见光相机、高光谱相机、红外相机、电子等)、不同测控数传资源(地面站和中继卫星，以及其他具备通信能力的在轨卫星)的群体协同能力、不同传输途径(星地与星间)，精准规划卫星动作参数，实现卫星智能组网、智能管理、智能规划，支撑地面系统的自主运行。

(1)构建卫星群体智能协同系统与智能任务规划系统

开展智能化运控系统的研制建设，实现在轨卫星群体智能协同、在轨卫星智能任务规划、天地测控数传资源智能调度，研究开发在轨卫星群体智能化协同系统、智能化任务规划系统、智能化资源调度管理系统、智能化基础支撑平台、智能化基础数据工程，实现在轨卫星运控系统的智能联网、智能组网、智能协同、单星智能、多星智能等多项关键技术突破[7]。

(2)建立智能任务规划训练数据系统

建立在轨卫星测控与数传信息需求数据、任务规划方案数据库、在轨卫星的载荷数据拼接、数据融合、数据训练、数据服务功能；建立统一的数据标准规范，实现统一的数据标准规范的和数据标准的全生命周期管理；建立智能化的任务规划数据库管理系统。

2 关键技术分析

2.1 天地资源优化配置建模

2.1.1 主要技术

天地资源主要包括两种设备地面站天线和中继卫星天线，两种资源需求包括测控资源和数传资源。天地资源优化配置模型属于多元整数规划模型。在资源优化设计中，首先要建立天地资源配置的评价指标。目前对于地面资源配置方案优劣的评价方法较多，大多数方法都体现在评价在轨卫星用户的需求满足度和资源利用率两方面。天地资源优化的评价指标结构如图2所示。

图2 天地资源配置评价指标

2.1.2 技术途径

整数规划是对全部或部分决策变量为整数的最优化问题的模型、算法及应用等的研究，是运筹学和管理科学中应用最广泛的优化模型之一[8]。采用整数规划进行星地资源优化时，考虑的星地资源数量为n个，第i个上配置的天线数为xi，则x=[x1,x2,…,xn]T就构成了资源配置的一种组合。资源配置与综合评价之间的基本映射关系如图2所示。

图2 资源配置与综合评价之间的映射关系

上述映射关系说明，一种地面资源的配置方案x对应于唯一的综合评价值D。这种映射关系是在资源调度的算法中隐含存在的，是确定的关系。根据少量的试验样本，建立资源配置方案与的评价指标映射关系，从而避免重新进行调度。进一步，由非线性最优化算法进行求解，即可得出对于给定测控任务需求的优化的资源配置方案[9]。

2.2 多星多任务智能资源调度技术

2.2.1 主要技术

现有在轨卫星资源调度技术大多针对单星或简单资源配置下的测控资源调度问题，难以处理数百颗甚至上千颗的卫星以及几十套地面设备的大型复杂资源调度问题。卫星运控系统制定的有效载荷工作计划一般情况下均需通过测控站网资源将相关指令(或数据)上注给卫星才能按计划执行各类遥感任务。在多星联合规划应用情景下，任务规划和调度周期大大缩短，计划随时可能生成或变更，需要及时上注到卫星，因此测控资源调配情况将直接关系到每颗卫星能否在要求的时间范围内收到相应的指令。在资源有限、时间有限的情况下，如何对可用的现有资源进行高效的管理和调度，因此，结合资源调度场景，研究以遗传算法为代表的智能高效资源调度技术，实现冲突消解率高、计算收敛速度快的资源调度技术尤为关键。此外，在多星多任务模式下，除考虑测控资源调度，还需考虑卫星遥感数据的接收资源调度，尤其需关注不同型号卫星数传体制及多路数传下电磁兼容性问题。

2.2.2 技术途径

多星多任务智能资源调度问题是多种约束并存的组合优化问题，在调度时必须考虑各种约束的满足，并在此前提下实现调度目标和结果的优化。因此在建立相应的多星多任务智能资源调度模型之前，需要首先对问题中涉及到的各种约束进行详细的分析。综合考虑多星多任务问题的特点并结合工程实际，按约束的对象将多星多任务智能资源调度问题的约束分为资源约束、时间约束、状态约束、关系约束4类。

遗传算法的基本思想是将待优化问题的所有可能解定义成问题空间，每个解的优劣程度用适应度来表示。然后，通过某种规则将该问题空间映射成一个编码空间(是双映射关系，将编码空间向问题空间映射的过程称之为解码)，遗传算法处理的对象就是这个编码空间。它通过一定的规则从编码空间中选择一部分元素(或个体)形成所谓的初始种群，然后在初始种群基础上逐代进行交叉变异等遗传操作，使得种群的整体性能越来越好，并最终得到问题的最优解[10]。遗传算法基本运行流程如图3所示。

图3 遗传算法的运行基本流程

遗传算法把问题分解为几个子问题，每个子问题对应一个种群，并且每一个种群用一个遗传算法来进化。每一个进化个体只对应问题的部分解，由不同种群个体构成的一个共生体对应问题的一个完整解。对于多星多任务的资源优化调度问题来说，卫星、载荷、测控与数传资源较多，可见弧段多，需求类型多。对于所建立的调度模型，如果采用一般遗传算法的编码方式，对所有可用弧段进行编码，则编码长度太长，搜索范围迅速增大，算法本身收敛速度减慢，计算时间急剧增加。根据多星多任务智能资源调度的模型和遗传算法本身的特点，综合考虑求解时间和质量因素，将整个调度问题分解为一系列子优化问题，每个子问题对应一个测控需求，这些子问题的进化过程相互独立，但通过系统模型(所有需求的加权满足率)来使各子问题相互合作，共同进化。基于遗传算法的处理流程如图4所示。

图4 基于遗传算法的处理流程

2.3 多用户需求冲突消解技术

2.3.1 主要技术

来自不同卫星用户的任务需求不仅类型多样，而且相互之间存在较为复杂的影响关系，在天地资源紧缺的情况下尤其会有各种潜冲突。因此如何快速判断不同卫星用户需求的可行性，并为冲突协调提供消解依据，是在轨卫星运控系统任务管理与规划的难点之一。多卫星用户需求冲突消解主要面向使用天地资源的各卫星用户以及同一用户内的不同任务需求，对各类卫星用户需求情况需进行统筹分析和汇总分析，结合资源模型和卫星资源功能以及以往消解规则，对存在的需求冲突进行提示和智能化分析，对需求集合内需求进行自动合并聚类。基于约束推理的多用户需求冲突消解技术，以卫星任务和现有资源之间相互的约束拓扑关系为基础，结合各卫星用户任务需求的重要程度和时效性要求，通过约束推理来准确判断潜在的冲突和载荷任务完成的可能性，并优化协调规则与机制，提高对卫星用户需求的响应速度和卫星任务规划的效率。

2.2.2 技术途径

在轨卫星运控系统需要从用户提出任务需求开始，针对任务进行分解、整合、资源匹配等，同时进行跟踪，对分解后的元任务情况分析进行控制，统一管理任务，实现任务与资源的匹配。在轨卫星运控系统的任务分析主要包括分析计算任务的时间窗口、观测质量、任务优先级确定、观测机会选择、最早响应时间、点目标及区域目标覆盖能力分析计算、原始数据质量分析、资源竞争度与负载分析等。对卫星用户需求的冲突和可行性分析是重要环节，由于多卫星用户任务需求之间关系复杂，可采用约束推理技术，将多用户观测需求之间的冲突关系抽象为资源约束、逻辑约束、时间约束等多种类型的约束关系，为快速判断各卫星用户需求的可行性以及冲突协调提供技术支撑，最大限度满足各卫星用户需求。

对于时间约束问题，存在很多检验一致性的方法。较为简单的是图循环检测算法，如果存在循环则表示不一致，若一个新约束导致原本无环的图出现循环，则移除该约束。这样，任务规划中GP任务顺序的调整、任务的选择、任务的增删改等，在时间层次上都可以对应到具体时间变量与时间约束的调整。

在轨卫星运控系统的任务规划与冲突消解中，资源约束推理是在时间一致的前提下对资源约束进行一致性检验，资源约束的一致性问题是资源约束推理要解决的决策子问题。资源约束描述的资源类型分为占用性和库存类，占用性资源限定的是瞬时消耗值，库存类资源限定的是累积消耗值。一般将占用性资源的资源消耗过程分为开始时间的消耗和结束时间的补充，库存类资源的资源消耗过程映射为开始时间的消耗或补充。本文的描述中，资源约束可表示为ar=，其中st、et、d的定义类似于时间约束情况，表示资源变化的活动，只是与活动的对应关系随资源类型不同而有所区别，q表示资源改变值[11]。

3 技术展望

(1)提升卫星群体智能协同能力，充分发挥星地运行效能

进入新的历史时期，世界新技术应用速度明显加快，对空间战略制高点的竞争日趋激烈，其中对卫星遥感应用要求尤其高。作为在轨卫星任务控制中枢的运控系统尤其需要在“快”“准”“全”上下功夫。“快”，就是系统要具备卫星任务管控快速响应、应急任务常态化响应等任务快速处理能力；“准”，就是系统要具备目标观测准确、图像清晰等卫星载荷精准操控能力；“全”就是系统要具备筹划协同运用多型多星、多载荷探测手段，获取重点区域各种环境的全面信息能力。

(2)提升系统智能化运行能力，高效发挥单星使用效能

目前我国大力推动人工智能发展战略，在民用领域，云计算、大数据、区块链等已成为引领国家高科技产业发展的助推器。云计算作为新一代信息技术的重要发展方向，已被广泛认为是支撑信息化应用和业务模式创新的核心。大数据已经成为新时代重要的战略资源，特别在智慧城市、电信和金融等行业中大数据技术得到广泛应用，成为新一代信息技术融合发展的核心支撑。国内人工智能产业应用发展体系初步完成，人工智能产品将在不断迭代中实现较大突破。

目前卫星运控系统在统一功能平台、任务调整灵活、系统可靠运行等方面存在较大不足，需要建设云架构的卫星管控的服务体系；同时系统在长期的业务运行过程中积累了大量的卫星观测方案、数传方案、遥测数据等宝贵的历史数据，结合日益成熟的大数据挖掘、深度学习等新技术手段，可以提高系统在任务规划算法持续优化、卫星操控合理准确、卫星状态故障预测等方面的智能化水平，提升星地执行航天遥感任务的效率，发挥卫星的使用效能。

(3)实现从需求提出到数据传输全链路自动化，提升系统支援多场景遥感任务的快速响应能力

现有各卫星运控系统在自动化程度方面，仅在个别环节实现了系统自动化(如任务受理、遥测数据反演等环节)，支援多场景遥感任务的快速响应能力不足。因此，系统在全链路自动化运行方面存在较大差距，需要在需求处理、需求筹划、任务规划、任务补充、计划制定、指令编制等方面进行自动化设计。

(4)与现有系统铰链，实现无缝接入以及技术成果应用

系统一方面支持天地一体任务规划，能够融入现有卫星管控体系和测控体系，实现与卫星运控系统、各类空间基础设施运控系统、资源管理调度系统的无缝对接；另一方面，系统产生的技术成果可实现向现有卫星相关系统转化、应用，提升现有系统的使用效能。

4 结束语

目前，在以人工智能技术为引领的全球化技术革新与发展背景下，航天任务呈现应急化、智能化和信息化等发展态势。为了发挥卫星遥感的高技术性、创新性以及前沿探索性特征的牵引作用，巩固航天对国家安全和国家利益的战略支撑作用，推进人工智能技术在卫星智能任务规划系统和卫星群体智能协同系统的应用极为重要。对在轨卫星运控软件系统级架构设计进行技术攻关，开展仿真和效能评估，采用智能化技术在自主测控、自主故障诊断、任务规划、资源分配等方面联合，将大大提高测控任务的完成效率和资源利用率。此外，通过科学合理的在轨卫星运控系统功能和指标体系引导，可以系统地考虑卫星设计、数据利用方式，同步牵引相关领域智能技术的发展，改变卫星与地面系统的设计和应用方式，例如以载荷长时间开机、在轨智能处理和不再下传原始图像等为设计原则，实现卫星载荷数据在轨直接处理、直接分发。随着新技术的发展，人工智能技术在卫星运控系统的应用大有可为。