人工智能技术在航天装备领域应用探讨

doi:10.3969/j.issn.1009-086x.2023.02.004

摘要/Abstract

摘要：

人工智能技术被各主要强国视为“改变游戏规则”的尖端技术之一，有望提升航天装备可靠性、快速性和自主性，从而产生颠覆性影响。简要分析了人工智能的技术发展态势及其在航天装备中的应用态势。建立了人工智能在航天装备领域应用体系，并在此基础上，按照进入太空、利用太空和控制太空的维度，从运载火箭、卫星通信、卫星遥感、卫星导航、载人飞船、太空态势感知等方面，深入分析了人工智能在航天装备领域的应用场景。最后，归纳了人工智能在航天装备领域应用的趋势。为我国发展人工智能技术在航天装备领域的应用提供参考。

关键词: 人工智能, 航天装备, 机器学习, 深度学习, 人机交互

Abstract:

Regarded as one of the “game-changing” cutting-edge technologies by the main powers， artificial intelligence （AI） is expected to improve the reliability， rapidity， and autonomy of space equipment and exert a disruptive impact. In this study， the development state of AI and its applications in space equipment are briefly analyzed. Then， the application architecture of AI in space equipment is established. On this basis， the application scenes of AI in space equipment is studied from several aspects， such as launch vehicles， satellite communications， satellite remote sensing， satellite navigation， manned spacecraft， and space situational awareness according to the dimensions of going into space， utilizing space， and controlling space. Finally， the trends of AI applications in space equipment are summarized. This work can be a reference for the development of AI applications in space equipment in China.

Key words: artificial intelligence（AI）, space equipment, machine learning, deep learning, human-computer interaction

中图分类号:

姚保寅, 毛磊, 王智斌. 人工智能技术在航天装备领域应用探讨[J]. 现代防御技术, 2023, 51(2): 33-42.

Baoyin YAO, Lei MAO, Zhibin WANG. Applications of Artificial Intelligence in Space Equipment[J]. Modern Defense Technology, 2023, 51(2): 33-42.

图/表 11

图1 人工智能航天装备领域应用的需求分析

Fig. 1 Demand analysis of AI applications in space equipment

图2 人工智能技术在航天装备领域应用体系

Fig. 2 Application architecture of AI in space equipment

图3 “艾普斯龙”自动/自主检测系统

Fig. 3 Automatic/autonomous checking system of Epsilon rocket

图4 “猎鹰”-9系列火箭应用强化学习技术实现着陆智能控制

Fig. 4 Reinforcement learning for SpaceX’s self-landing rocket Falcon 9

图5 “真北”类脑芯片及其组成的系统

Fig. 5 Brain-like TrueNorth chip and its system

图6 英特尔Myriad人工智能视觉处理器

Fig. 6 Intel Myriad vision processing unit using AI

图7 NASA空间通信与导航（SCaN）试验台

Fig. 7 Space communications and navigation （SCAN） testbed of NASA

图8 Pit Boss人工智能系统用于“黑杰克”低轨卫星星座集群控制

Fig. 8 Pit Boss in Blackjack program for low-earth-orbit satellite constellation control

图9 首款人工智能宇航员“西蒙”-1

Fig. 9 The first AI astronaut CIMON-1

图10 美国防部提出的低轨小型军事自主空间站概念图

Fig. 10 Self-contained and free-flying orbital outpost proposed by the Department of Defense， the United States

图11 基于人工智能的天基监视网络调度算法架构

Fig. 11 Allocation algorithm of space surveillance network

参考文献 44

1	高天，胡笑旋，夏维.基于分布式协同进化的星座自主任务规划算法［J］.系统工程与电技术， 2022， 44（5）： 1600-1608.
	GAO Tian， HU Xiaoxuan， XIA Wei. Constellation Autonomous Mission Planning Algorithm Based on Distributed Co-evolution ［J］. Systems Engineering and Electronics， 2022， 44（5）： 1600-1608.
2	YAO Feng， LI Jiting， CHEN Yuning， et al. Task Allocation Strategies for Cooperative Task Planning of Multi-autonomous Satellite Constellation ［J］. Advances in Space Research， 2019， 63（2）：1073-1084.
3	LIU Shuai， ZHANG Lu， LU Huchuan， et al. Center-Boundary Dual Attention for Oriented Object Detection in Remote Sensing Images ［J］. IEEE Transactions on Geoscience and Remote Sensing， 2021， 60：1-14.
4	SONG Zhina， SUI Haigang， HUA Li. A Hierarchical Object Detection Method in Large-Scale Optical Remote Sensing Satellite Imagery Using Saliency Detection and CNN ［J］. International Journal of Remote Sensing， 2021， 42（8）：2827-2847.
5	姚保寅，毛磊，肖柯，等. 人工智能技术在光学对地观测领域应用探讨［J］. 现代防御技术， 2021， 49（5）： 26-31.
	YAO Baoyin， MAO Lei， XIAO Ke， et al. Applications of Artificial Intelligence on the Optical Earth Observation ［J］. Modern Defense Technology， 2021， 49（5）： 26-31.
6	REITER J A， SPENCER D B， LINARES R. Spacecraft Detection Avoidance Maneuver Optimization Using Reinforcement Learning ［C］∥29th AAS/AIAA space Flight Mechanics Meeting. Maui： Univelt Inc.， 2019：3055-3069.
7	李晓理，张博，王康，等. 人工智能的发展及应用［J］.北京工业大学学报， 2020， 46（ 6）：583-590.
	LI Xiaoli， ZHANG Bo， WANG Kang， et al. Development and Application of Artificial Intelligence［J］. Journal of Beijing University of Technology， 2020， 46 （6）： 583-590.
8	ZHANG Rui， WANG Zhaokui. An Intelligent Nano-Satellite for Astronaut Assistance［C］∥69th International Astronautical Congress （IAC）. Bremen： International Astronautical Federation， IAF， 2018：15539-15366.
9	ROSSS A， RICHARD R， SHANE M. NASA Advanced Space Suit Pressure Garment System Status and Development Priorities， ICES-2019-185［R］. Boston： 49th International Conference on Environmental Systems， 2019.
10	IZZO D， MRTENS M， PAN B F. A Survey on Artificial Intelligence Trends in Spacecraft Guidance Dynamics and Control ［J］. Astrodynamics， 2019， 3（4）： 287-299.
11	HUANG Yixin， LI Shuang， SUN Jun. Mars Entry Fault-Tolerant Control Via Neural Network and Structure Adaptive Model Inversion［J］. Advances in Space Research， 2019， 63（1）： 557-571.
12	JIANG Xiuqiang， FURFARO R， LI Shuang. Integrated Guidance for Mars Entry and Powered Descent Using Reinforcement Learning and Pseudo Spectral Method ［J］. Acta Astronautica， 2019， 163：114-129.
13	FURANO G， TAVOULARIS A， ROVATTI M. AI in Space： Applications Examples and Challenges［C］∥2020 IEEE International Symposium on Defect and Fault Tolerance in VLSI and Nanotechnology Systems （DFT）. Frascati： IEEE Press， 2020：1-6.
14	郝晓龙，白鹤峰，熊春晖，等. 人工智能技术在航天工程领域的应用体系研究［J］. 航天器工程， 2020， 29（5）： 26-31.
	HAO Xiaolong， BAI Hefeng， XIONG Chunhui， et al. Research on Application Framework of Artificial Intelligence in Space System［J］. Spacecraft Engineering， 2020， 29（5）： 26-31.
15	LI Haiyang， TOPPUTO F， BAOYIN H X. Autonomoustime-Optimal Many-Revolution Orbit Raising for Electric Propulsion Geosatellites Via Neural Networks ［DB/OL］.（2019-09-19）［2022-10-24］. .
16	DARPA. AI Next ［EB/OL］. ［2022-10-24］..
17	SULLIVAN C J， BOSANAC N. Using Reinforcement Learning to Design a Low-Thrust Approach into a Periodic Orbit in a Multibody System［C］∥AIAA Scitech 2020 Forum， Reston： AIAA， 2020：1-19.
18	SHANAHAN PATRICK M.. Remarks by Acting Secretary Shanahan at the 35th Space Symposium ［EB/OL］. ［2022-10-24］. .
19	Harper Jon. U.S. Space Command to Leverage AI to Maintain “Digital Superiority”. ［EB/OL］. ［2022-10-24］. .
20	Pugliese David. Canada’s Long-Awaited Space Strategy Emphasizes AI， EO and Deep-Space Robotics ［EB/OL］. ［2022-10-24］. .
21	Ministry of Defense （Japan）.Defense of Japan 2019［R］. Shinjuku-ku， Japan： Ministry of Defense， 2019.
22	莫宏伟，丛垚. 类脑计算研究进展［J］. 导航定位与授时， 2021， 8（4）：53-67.
	MO Hongwei， CONG Yao. Research Progress in Brain-Inspired Computing ［J］. Navigation Positioning & Timing， 2021， 8（4）：53-67.
23	LI Ang， ZALCSKY A， YUE Weihua， et al. A Neuroimaging Bio-Marker for Striatal Dysfunction in Schizophrenia ［J］. Nature Medicine， 2020， 26（4）： 558-565.
24	PALAR P S， ZUHAL L R， SHIMOYAMA K. Gaussian Process Surrogate Model with Composite Kernel Learning for Engineering Design ［J］. AIAA Journal， 2020， 58（4）： 1864-1880.
25	张铧予，吴小宁. 日本艾普斯龙火箭的发射场测发控技术分析［J］. 中国航天， 2017（10）： 20-26.
	ZHANG Huayu， WU Xiaoning. Analysis of Detection and Launch as Well as Control Technology in Japanese Epsilon Rocket Launch Site ［J］. Erospace China， 2017（10）： 20-26.
26	杜涛，许晨舟，王国辉，等. 人工智能气动特性预测技术在火箭子级落区控制项目的应用［J］. 宇航学报， 2021， 42（1）：61-73.
	DU Tao， XU Chenzhou， WANG Guohui， et al. The Application of Aerodynamic Coefficients Prediction Technique via Artificial Intelligence Method to Rocket First Stage Landing Area Control Project ［J］. Journal of Astronautics， 2021， 42（1）：61-73.
27	陈海听，邓凯文，李润泽.机器学习技术在气动优化中的应用［J］. 航空学报， 2019， 40 （1）：522480.
	CHEN Haiting， DENG Kaiwen， LI Runze. Utilization of Machine Learning Technology in Aerodynamic Optimization ［J］. Acta Aeronautica et Astrona-utica Sinica， 2019， 40（1）：522480.
28	BOCHKOVSKIY A， WANG C Y， LIAO H Y M. YOLOV4： Optimal Speed and Accuracy of Object Detection ［J］. Computer Vision and Pattern Recognition， 2020， 17（9）： 198-215.
29	吴兆香，欧阳权，王志胜，等. 基于人工智能的无人机区域侦察方法研究现状与发展［J］. 航空科学技术， 2020， 31（10）： 57-68.
	WU Zhaoxiang， OUYANG Quan， WANG Zhisheng， et al. Status and Development of Regional Reconnaissance Methods of UAV Based on Artificial Intelligence［J］. Aeronautical Science & Technology， 2020， 31（10）： 57-68.
30	SHI Lukui， TANG Zhenjie， WANG Tiantian， et al. Aircraft Detection in Remote Sensing Images Based on Deconvolution and Position Attention ［J］. International Journal of Remote Sensing， 2021， 42（11）：4241-4260.
31	张小龙，吕菲，程时伟，等. 智能时代的人机交互范式［J］. 中国科学：信息科学， 2018， 48（4）： 406-418.
	ZHANG Xiaolong， Fei LÜ， CHENG Shiwei， et al. Interaction Paradigmin Intelligent Systems［J］. Scientia Sinica Informationis， 2018， 48（4）： 406-418.
32	REHMAN M H U， LIEW C S， WAH T Y， et al. Mining Personal Data Using Smart Phones and Wearable Devices： Asurvey［J］. Sensors， 2015， 15： 4430-4469.
33	DAVIES M， SRINIVASA N， LIN T H， et al. Loihi： A Neuromorphic Manycore Processor with on-Chip Learning［J］. IEEE Micro， 2018， 99： 82-99.
34	PEI Jing， DENG Lei， SONG Sen， et al. Towards Artificial General Intelligence with Hybrid Tianjic Chip Architecture ［J］. Nature， 2019， 572（7767）：106-111.
35	MEROLLA P A， ARTHUR J V， ALVAREZ-ICAZA R， ET AL. A Million Spiking-Neuron Integrated Circuit with a Scalable Communication Network and Interface ［J］. Science， 2014， 345（6197）：668-673.
36	HOCHREITER S， SCHMIDHUBER J. Long Short-Term Memory ［J］. Neural Computation， 1997， 9（8）：1735-1780.
37	黄子昊，李红波，张超. 基于长短期记忆网络的城市轨道交通系统通信延时补偿方法［J］. 控制与信息技术， 2021（3）：8-13.
	HUANG Zihao， LI Hongbo， ZHANG Chao. A Method of Communication Delay Compensation for Urban Transit System Based on Long-Term and Short-Term Memory ［J］. Control and Information Technology， 2021（3）：8-13.
38	朱喆，许少华. 降噪自编码器深度卷积过程神经网络及在时变信号分类中的应用［J］. 计算机应用， 2020， 40（3）： 698–703.
	ZHU Zhe， XU Shaohua. Denoising Autoencoder Deep Convolution Process Neural Network and Its Application in Time-Varying Signal Classification ［J］. Journal of Computer Applications， 2020， 40（3）：698-703.
39	DU Bin， LI Shuang. A New-Multi-Satellite Autonomous Mission Allocation and Planning Method［J］. Acta Astronautica， 2019， 163（Part B）： 287-298.
40	ZHENG Zixuan， GUO Jian， GILL E. Distributed Onboard Mission Planning for Multi-Satellite Systems［J］. Aerospace Science and Technology， 2019， 89： 111-122.
41	DARPA. Blackjack Pit Boss Broad Agency Announcement （HR001119S0012）［R］. Arlington， Virginia： DARPA Tactical Technology Office， 2019.
42	蔡亚梅，陈利玲，张天娇. 从“黑杰克”项目看美国低轨卫星系统发展［J］. 航天电子对抗， 2021， 37（4）：57-59.
	CAI Yamei， CHEN Liling， ZHANG Tianjiao. LEO Satellite System Development of USA from Blackjack Program［J］. Aerospace Electronic Warfare， 2021， 37（4）：57-59.
43	MITANI S， GOTO M， KONOMURA R， et al. Int-Ball： Crew-Supportive Autonomous Mobile Camera Robot on ISS/JEM ［C］∥2019 IEEE Aerospace Conference. Montana： IEEE， 2019： 1-15.
44	张锐. 基于深度学习的空间站舱内航天员智能检测与跟踪研究［D］.长沙：国防科技大学， 2019.
	ZHANG Rui. Research on Intelligent Detection and Tracking of Astronauts in Space Station Based on Deep Learning ［D］. Changsha： National University of Defense Technology， 2019.

[1]	李洋, 梁潇, 贾海萨. 基于知识蒸馏的SAR图像舰船目标检测[J]. 现代防御技术, 2023, 51(4): 78-85.
[2]	张进, 徐国亮, 郭浩. 人工智能技术在国外舰载武器系统中的应用浅析[J]. 现代防御技术, 2023, 51(1): 42-49.
[3]	岳磊, 袁建虎, 杨柳, 吕婷婷. 一种巡逻执勤目标检测算法研究[J]. 现代防御技术, 2023, 51(1): 67-74.
[4]	暴佳伟, 田小平, 刘宇娜, 邹长宽, 张雨晴. ADS-B安全问题研究综述[J]. 现代防御技术, 2022, 50(5): 28-35.
[5]	孙涛, 龙庆华, 巢育龙, 董博, 罗军. 防空反导雷达高作战效能人机系统设计方法[J]. 现代防御技术, 2022, 50(4): 107-115.
[6]	姚保寅, 毛磊, 肖柯, 曲徽. 人工智能技术在光学对地观测领域应用探讨[J]. 现代防御技术, 2021, 49(5): 26-31.
[7]	姬正一, 陈阳, 沈培志, 韩先平, 齐鸿坤. 决策树集成方法在反舰导弹效能评估中的应用[J]. 现代防御技术, 2021, 49(4): 15-23.
[8]	汤润泽, 张承龙, 李林林, 王世凯. 多武器跨域智能协同对空作战应用及关键技术[J]. 现代防御技术, 2021, 49(2): 26-34.
[9]	李欢, 刘欣璐. 智能雷在特种作战中的应用[J]. 现代防御技术, 2021, 49(2): 20-25.
[10]	张兆晨, 毛晓彬, 周光霞. 面向人机融合的C⁴ISR系统架构研究[J]. 现代防御技术, 2021, 49(1): 32-39.
[11]	王文庆, 庞颖, 刘洋, 杨东方, 张萌. 双重注意机制的空对地目标智能检测算法[J]. 现代防御技术, 2020, 48(6): 81-88.
[12]	王青, 刘华华. 变体飞行器智能自主决策与控制[J]. 现代防御技术, 2020, 48(6): 5-11.
[13]	郭泽, 焦倩倩. 一种面向自动化标检的文本分类方法[J]. 现代防御技术, 2020, 48(5): 97-104.
[14]	王志虎, 沈小青, 桂伟龙. 光学成像小目标检测技术综述[J]. 现代防御技术, 2020, 48(5): 67-73.
[15]	房霄, 曾贲, 宋祥祥, 贾正轩. 基于深度强化学习的舰艇空中威胁行为建模[J]. 现代防御技术, 2020, 48(5): 59-66.