商业航天智能测运控初探

发布时间：2022-01-21 08:52

　　随着商业航天的快速发展,各类卫星星座项目的持续推进,航天器的商业应用日趋普及,在轨航天器呈现出数量多、平台多、种类多、用途广等趋势,重点依靠资源投入和人力增加的测控模式,已经难以适应未来多星、多任务、多用户的测控服务的发展需要。近年来,人工智能技术不断取得突破,在多类单项测试中超越人类。将人工智能的发展成果应用到测控系统中,在自主测控、自主故障诊断、任务规划、资源分配方面,采用智能化方法,促进测运控以平台载荷为核心的管理模式向以数据业务为核心的管理模式转变,大大提高测控任务的完成效率和资源利用率。 

【文章来源】：科技风. 2020,(10)

【文章页数】：3 页

【部分图文】：

典型航天任务的软件系统架构

测运控智能化主要是将灰色系统理论、神经网络算法等已经在人工智能领域得到广泛应用的理论，应用于航天测控，其关键在于基于机器学习的数据挖掘技术，使用一定的初始输入对实时数据以及历史数据进行分析挖掘，将数据分析的结果用于对既有的知识、规则、策略的完善，再使用完善后的规则进行下一轮的数据分析挖掘，数据分析结果，一方面用于对系统性能的评估、系统优化、任务规划等对外输出，另一方面用于对已有知识、规则、策略等内核部分进行修改完善，形成多重反馈机制，经过n轮迭代，最终达到控制条件要求，如图2所示。知识的自动获取是实现智能化的前提，在测运控领域可以通过对历史案例的归纳整理、汲取专家经验、系统仿真推演等方法实现。测运控系统利用各种高精度的遥、外测设备采集大量的遥测信息和外测信息，智能测运控软件则对这些信息进行汇集、分析和处理，通过挖掘各种现象之间的内在联系，进一步发掘各部分之间的关联性，从而发现新的规律。而在掌握规律的基础上，改变或重新制定数据处理规则。智能测运控软件在性能上要求高实时性、一定精度和结构灵活;在质量上要求实现可靠性、可用性、可维护性、可移植性和高效率。

【参考文献】：
期刊论文
[1]一体化航天测控软件框架研究与关键技术[J]. 叶建设,鲍忠贵.  无线电工程. 2008(05)
[2]我国航天测控系统的现状与发展[J]. 于志坚.  中国工程科学. 2006(10)



本文编号：3599967