空间碎片的智能识别技术研究

打开文本图片集

摘要：航天器如何应对飞行过程中可能的空间碎片危害是一项复杂的问题。本文对航天飞机识别空间碎片的智能检测逻辑概念进行了探讨，并对智能识别危害规避进行了分析。

关键词：空间碎片、航天器、识别、碎片规避

1 概述

本文的空间碎片物体是指位于近地轨道、尺寸较大的人类空间开发活动产生废弃物体，如遗弃的航天器、抛离的运载工具、废弃的燃料箱、特别是意外撞击形成的残余体等。此类物体的体形较大，将会在地球引力的作用下最终坠入地面，但其在轨飞行期间会对正常的空间往返飞行活动造成严重危害。

空间碎片的智能识别技术研究是探索建立一种合适的智能工作方式，实现对空间碎片的实时探测、特征识别、危害预测、预警、规避等，确保空间飞行的安全。

2 空间碎片智能检测逻辑

图1所示为研究中的空间碎片的智能检测逻辑结构示意图。

空间碎片的智能检测逻辑在概念上可分为两个层次：第一个层次是基于先验知识的即时响应执行，第二个层次是基于现场数据的知识生成和应用执行。先验知识一般是通过对碎片目标信号检测各种问题的比较与分析得出的规律性的知识，可表述为规则、定律、目标特征数据等，如碎片分类模型、碎片加速能力模型和常数、反射面积模型和常数等；对智能信号检测技术来说，先验知识是否具有数学意义上的充分必要性，将直接影响到对目标识别的概率及其可信度，是智能识别技术的基础。

经验可定义为由一组工作状态和判别逻辑组成的数据库，如空间碎片散布统计模型与当前航天器飞行区域、探测系统工作状态等；经验通常与系统当前工作状态有关，其数据呈现某种确定性的概率分布，有关判别逻辑准则、条件、数据等亦作为经验的一部分而设计。因此、经验也可称为控制性知识。

知识生成是一个综合先验知识、目标当前信息、以及外部支援信息的过程。知识生成的期望是对复杂不确定问题具有自适应和自学习能力，本质是对空间碎片的探测识别和航天器的运动状态进行估计，建立碎片目标的参考运动方程。这一过程是通过对当前测量值与先验知识之间的相对变化情况进行比较、递推，得出估计数据，进而不断修正、迭代目标状态的估计值，使碎片目标的运动模型不断得到适时更新，满足危害预测和预警的需求。

归纳是对碎片目标的能够观测获取的特征数据进行统计处理，补充先验知识的不足，提高检测概率。从概念技术的角度说，归纳包括：（1）信号数据预处理，既对获取的碎片目标原始特征数据进行滤波处理，将受干扰的信息尽可能的还原，为之后的特征提取做准备的过程；（2）持征提取及特征选择，通常假设碎片目标的特征的原始信息在预处理后数据非常离散，处于一种多维状态。为了更好地进行检测，往往对这些多维的数据进行降维处理，通过一定的变换将多个特征用少数的特征的线性组合来进行替换，用它来表示该类目标所具有的模式特征向量，该过程可去除掉无用或冗余的数据。如对碎片目标飞行曲线识别的特征提取，就要选择有代表性的点集。归纳的信息处理设计为并行机制，以解决过程中的大规模实时计算问题、能同时处理定量和定性的信息、能很好地协调多种输入信息的关系等。

决策是知识应用的过程，核心是实现对目标信号的确证检测并输出正确体现目标特征的检测数据。作为智能检测技术的决策，可分为两类：（1）在“是”和“不是”的选择决策状态下，主要是根据状态特征向量和一定的聚类方法（先验知识类比、数据分布概率集中等）进行决策，如碎片目标危害预测等；（2）在要维持某种状态下的决策，如对碎片目标飞行速度指向、位置角度的持续检测等，则决策应是对状态特征向量进行数学模型建立和现场综合知识建立的过程，亦即是一个具有自学习功能的决策过程。

3 空间碎片智能识别危害规避

从理论上说，变轨是规避空间碎片危害的可行方法之一。但这种变轨具有不定状态的特点，其变轨控制方式的数学结构复杂，至少需以相对碎片目标的距离、速度向量、以及加速度向量等信息为状态变量，当这些信息精确已知时，变轨控制具有较高的效率，或者说较低的变轨代价。但在实际应用中，碎片目标的加速度向量信息是无法测量的，只能靠滤波估算得到。这样，就必须建立一个随机数学模型来描述其变化规律。已有很多非线性控制理论方面的新成果被应用到了类似的不定状态制导律设计中，特别是微分对策理论在此类情形中的应用。微分对策理论的变轨控制，是根据危害预测预警的状况，构造变轨性能指标泛函，求得最优变轨控制方法，它充分考虑如何获取有效安全的最小变轨量，和为完成变轨所消耗的控制能量为最小，其使得变轨过程尽量按最小过载状态机动飞行等。简而言之，微分对策变轨控制的性能指标是使获得安全变轨的时间短、能量小。

与变轨控制设计相关的另一个关键问题是碎片目标的运动模型。目前较为实用的是交互多模型滤波方法，该方法不需要建立准确的碎片目标运动模型，而是采用多个模型的组合来逼近其真实运动状态，模型之间的转移概率通过计算滤波残差进行调整。交互多模型算法具有以下优点：一是由于对参数空间采用的多模型描述，可以通过适当的扩充模型来达到对建模的细化，对空间碎片目标的不确定性具有较好的模型自适应能力；其次是算法的计算量与选用的模型数几乎是线性关系，而其性能与二阶广义伪贝叶斯算法相当，具有较好的代价可控性；第三是在滤波过程中，通过模型概率的变动实现自适应的变结构，便于并行运算处理，适合危害预测预警实时性要求。

4 结束语

适用于航天器的空间碎片的智能识别技术的研究还处于概念过程和起步阶段，要形成一个初步的技术方案也还有许多问题要研究和解决。比如、对碎片目标的智能识别必须遵循一定的工作逻辑，能同时兼顾时间的限制性、任务的优先权和紧迫性。如果工作逻辑设计仅依赖于对状态的一种初始估计，则一个状态在判定过程中的变化意味着以那种状态模式为基础的逻辑设计存在不可靠因素，这种情况必须避免。

对目标的探测、识别和跟踪是一个复杂的系统，目前、多数采用定量数学解析法与基于知识的定性方法的混合研究方式。作为期望，空间碎片智能识别技术能在非确定和不可预测的环境下，在缺少先验知识和不完全、不精确的信息情况下，均能有效地實现工作目的。随着应用需求的不断发展和相关技术的不断进步必将成为可能。

参考文献：

1.程陶.《空间碎片预警中的碰撞概率方法研究》，空间科学学报，2006，26（6）

2.E.Taenzer.《Tracking Mutiple Targets Simultaneously with A Phased Array Radar》.IEEE Trans.OnAerospace and Electronic Systems，AES-16.1980.9：604-614

3.Gabriel M.Rebeiz著，黄庆安、廖小平译，《RF MEMS理论？设计？技术》，东南大学出版社，2005年