在轨集群操控关键技术研究进展与展望

岳程斐，陆 浪，吴云华，曹启鹏，曹喜滨

(1. 哈尔滨工业大学(深圳)空间科学与应用技术研究院，深圳 518055；2. 南京航空航天大学航天学院，南京 210016；3. 航天东方红卫星有限公司，北京 100094；4. 哈尔滨工业大学卫星技术研究所，哈尔滨 150001)

0 引 言

近些年来,以大型空间站、空间望远镜、空间太阳能电站等为代表的大型空间设施在轨建造任务得到了越来越多的关注与研究[1-3]。这些任务的提出与实施,极大地促进了在轨操控技术的发展。同时,随着大型空间结构建造要求的提高及模块化设计建造技术的发展,满足更高效率建造要求的在轨集群操控技术成为了新的研究热点[4-5]。

在轨集群操控指多个操控工具航天器或者带动力组件聚集在一定空间内,通过信息交互、协调和控制,使集群系统自主协同地完成在轨巡检、制造、搬运、组装、拆解等任务。从技术途径来看,大致可以分为两类:模块化带动力智能组件集群的在轨自组装和集群操控工具航天器对部件的制造、搬运、组装与维修,分别如图1、图2所示[6-7]。

图1 智能组件集群在轨自组装示意图[6]

图2 操控航天器集群在轨组装示意图[7]

与生物集群类似,在轨集群操控系统主要有以下5个特点[8-10]：①集群操控系统由大量具备操作能力及运动控制能力的在轨操控工具航天器(个体成员)组成;②各操控航天器模块化、型谱化设计,系统成员同/异构混合;③系统对周围环境及目标具备局部的感知能力,相互间有有限的通信能力;④系统多采用自组织网络进行信息交互,控制则采用分布式控制或分层的混合控制方式;⑤在轨操控通过自组织协同实现串/并行流水线形式作业。

与单一操控航天器相比,集群在轨操控主要具备以下5方面的优势[8-10]：①可扩展:集群操控工具航天器的分布式协调机制可确保群体在不同规模下运行,易扩展;②更灵活:集群系统能够兼容多种形态航天器,并基于成员特点适配不同任务;③更高效:集群系统依靠数量上的优势,可进行串/并行流水线作业,加速任务进程;④更鲁棒:集群操控航天器中的故障个体可被快速替换,不会严重影响群体全局任务;⑤更经济:集群系统降低了单体航天器的设计难度与复杂度,可批量化制造。

目前,对集群操控的研究主要集中在海陆空无人集群系统上,并且已部分实现工程化、产业化[11]。而空间在轨集群操控的相关研究还主要集中在理论研究与关键技术突破上,距离工程化还有较远的距离。这种差异主要归因于在轨集群操控航天器自身成本高、地面验证难、运载部署花费高、在轨试验风险大等多重因素。而随着单体操控航天器在轨服务技术的不断成熟、集群控制技术的不断发展、航天器模块化、规模化制造技术的实现及运载能力的不断提升,在轨集群操控有望在未来的空间任务中发挥越来越重要的作用。

本文着眼于未来集群操控任务与关键技术,在对在轨集群操控任务计划进行分析的基础上,对其关键技术研究现状进行了系统梳理与分类阐述,提出了一套面向大型空间设施在轨建造与维护的集群操控体系能力框架,对在轨集群操控技术在太空建造中的应用前景与挑战进行了展望,期望为我国未来大型空间设施建造任务的实施提供参考。

1 国内外在轨集群操控任务与计划

目前,各国提出和开展了各类大型空间设施建造计划和任务,典型任务如表1所示。这些任务呈现出如下4方面的发展趋势:①规模大型化:以超大口径空间望远镜等为代表的空间设施建造向规模大型化方向发展;②设计模块化:采用标准化、模块化设计,配备通用接口,便于在轨制造、组装与维护;③易拼接/展开:采用可伸缩杆件、柔性薄膜等结构或材料,易拼接易展开;④模态多、形变大:杆-板-膜结合,刚-挠-柔等多形态混杂。以上趋势决定了单一功能航天器很难胜任未来航天任务,其必将由单体模式向型谱化系列化、集群化智能化方向发展。

表1 典型大型空间设施在轨建造任务

具体而言,美国已经对智能化航天器集群操控系统进行了深入研究,先后提出了“弹性太空”概念、F6系统、ANTS任务、超大型天基望远镜在轨集群自组装任务,并通过ST-5计划、MMS任务、飓风全球导航卫星集群任务等项目进行了在轨技术演示与验证[17]。欧洲则提出了模块化镜片在轨集群组装望远镜方案,并通过NetSat项目、CLUSTER计划试验了在轨集群导航与控制的技术[17]。中国“天拓”系列微纳卫星集群飞行计划以主从跟踪控制方式在太空形成了微小卫星网,成功验证了6颗卫星在空间中集群飞行的技术[18]。

综上,国外已经对在轨集群操控开展了长时间的研究,立项了多个相关项目,并进行了一定的在轨验证;国内也对相关技术展开了研究,发展迅速,但与国外相比仍有一定差距。

2 在轨集群操控关键技术研究现状

现有的在轨服务任务大致可以分为在轨制造、在轨组装、在轨维护3大类。为了满足各类任务需求,需要研制型谱化的空间制造航天器、空间搬运航天器、空间组装航天器、空间维修航天器、空间观测航天器等多型别航天器,并协同地开展各类任务[7,19]。这一过程涉及航天器型谱化设计技术、群体行为建模与智能涌现技术、集群自组网技术、集群智能感知技术、集群自主任务规划技术与分布式自主协同控制等关键技术。

2.1 集群操控航天器型谱化设计技术

航天器型谱化设计技术为在轨集群操控系统提供了专业化、精细化的操控工具和分工明确的同/异构操控航天器;提供了更多任务执行模式,便于器/部件的维修、替换与更新;是集群操控任务分工的基础,也决定了集群操控系统的能力下限。

型谱化设计过程涉及到了标准化模块化可替换关节模组设计、标准化可自锁对接接口设计、不同功能专精末端执行器设计、可变构/重构航天器构型设计、操控航天器构型表达、设计与优化等关键技术,具体可参照文献[20-21]。这些关键技术多集中于设计满足通用任务的单体航天器,对本文所提出的有任务分工的航天器设计涉及较少。

考虑多样化、高冗余、低成本的空间建造需求,需要开展“末端执行机构-功能部件-各型工具航天器”等多个层次的型谱化、系列化设计和优化,形成任务分工明确的同/异构组合操控航天器集群。

2.2 集群行为建模与智能涌现技术

集群行为建模与智能涌现是指探究集群系统聚集、分散、编队等多种行为特征和内在机理[22-23],引导群体快速、准确地涌现出决策行为,为实现集群系统任务分工、调度和群体决策提供基础。

集群行为建模是描述、预测集群系统行为和智能的基础。目前对集群行为的描述方法大致可以分为图论、仿生模型、动力学模型以及学习模型等4大类[24]。其中图论主要包含无向图和以有限状态机、马尔可夫链为代表的有向图,图论方法能够将复杂的模型通过矩阵代数来表示,便于求解优化,被广泛应用于集群系统协作行为建模;仿生模型则通过观测模仿生物群体的协作行为,构建出适合于集群行为描述的模型,如蚁群觅食模型、鸽群编队模型、蟑螂聚集模型等;动力学模型主要以人工势场法、正余弦优化算法(SCA)模型和微分方程等,将系统中的个体视为物理粒子,通过个体之间存在的力的作用产生群体行为;学习模型则包括神经网络模型、强化学习模型等。集群系统的每个个体通过学习自身及其他个体的经验,实现对个体行为到群体行为演变过程的描述。

在群体智能涌现机制方面,目前研究主要包含自上而下有组织的集群智能行为和自下而上自组织集群智能涌现两类[25],如图3所示。

图3 两种典型的群体智能组织形式

自上而下机制是一种分层有序的组织形式,适用于整体问题可分解成若干子问题的情况,个体间通过协同控制算法进行合作,实现群体协作这类复杂问题的高效求解[26]。美国DARPA的“进攻性蜂群战术”(OFFSET)项目是应用此种群智能行为机制的代表,且基于该机制的系统已达到实战水平[27]。

自下而上的自组织集群智能涌现机制则更加贴近对生物群体行为的模仿,该机制能使集群系统整体涌现出个体所不具备的新属性/行为[28-29],例如蚂蚁搭桥、蜜蜂筑巢等。然而对该机制的研究仍停留在解释现象和规律的阶段,对群体智能涌现机理缺乏深入理解,也尚无通用化的方法,不能保证群体智能行为重复可控地出现[25,30]。因此自组织形式的群智涌现机理仍有待深入研究与挖掘。此外,Canciani等[31]针对蜂群组织行为的分析提出了等级组织方法,该方法认为复杂生物集群内部的相互作用网络具有等级组织,群体智能行为是高层次自上而下等级组织与低层次自下而上自组织共同作用的结果。

综上,目前对于集群智能涌现机理的研究还停留在对一些简单行为机制的研究与数学转化描述上,如分散、聚合、对齐等,对于更深层次分工合作、团队协同的群体智能涌现机理还有待进一步研究。

2.3 集群自组网技术

集群自组网技术决定了集群操控系统的通信结构与拓扑方式。航天器集群通过微波/毫米波/激光等通信介质自主形成星间通信链路,并按照设定的协议实现信号的发射与接收。航天器集群网络需要进行物理层、数据链路层和网络层等3个层面设计,包含发射器、传感器、处理器、大型存储器等硬件、数据传输方式与协议、集群网络的拓扑设计与优化等技术[8, 32]。本文着重对集群网络拓扑设计与优化进行综述,其余内容可参见通信领域相关文献。

网络拓扑结构是研究集群自组网技术的基础,反映了集群系统中每个成员节点的状态与相互间的链接方式。目前自组网拓扑结构主要由总线、环形、星形、网格、树等基本的形状组成[33]。从组织方式来看,自组网架构可以分为扁平化单层单簇简单拓扑结构、单层多簇拓扑结构以及多层多簇拓扑结构,分别适用于小规模同构的集群自组网、中大规模的同构集群自组网、异构的大规模集群自组网。Liu等[34]引入分层卫星网络结构作为提升卫星网络能力的有效途径,并采用联合博弈论框架,解决了分层网络自主聚类决策问题,降低了计算复杂度。Zhu等[35]针对低轨巨星座的激光链路通信网络建立与维持问题,构建了静态拓扑结构,提出了Starlink星座的最优激光链路连接策略。Zhai等[36]针对小型航天器集群低能耗需求,采用图论方法研究了航天器集群无线自组网低能耗路由路径构建方法。Venkatapathy等[37]则开发了一种在轨自组装分布式通信架构,采用多跳路由来保证网络稳定性。可见,拓扑结构的设计以可扩展性、稳健性、效率、能耗和经济性等多种指标为准则,结合任务需求设计优化,形成稳定的拓扑结构。

然而,在轨集群自组织网络具有高动态拓扑结构、异构网络集成、多通信方式、时延长、宽带不对称、对可靠性和安全性要求高等约束[38],因此,研究者对上述约束下的网络结构设计与优化进行了研究。其中,Peng等[38]提出了卫星数据中心网络框架,并针对组网中的网络异构性、动态变化、资源受限和多粒度服务等问题进行了综述,提出跨层级网络资源调度方法以提高整体资源效率。Burleigh等[40]针对集群系统端到端的通信延迟问题,提出了基于延迟容忍网络协议的卫星通信网络架构。Chen等[41]针对小型卫星集群通信网络设计问题,提出了基于蚁群优化的群体智能新型网络框架,可实现小型卫星集群间的自适应路由、通信和网络重建,对网络拓扑具有适应性和可扩展性。Lun等[42]用复杂网络理论描述了卫星集群网络的创建过程,提出了基于社区的卫星集群网络构建方法及其改进方法,实现集群系统网络动态连接。

综上,对集群航天器网络架构的设计与优化研究为集群操控系统空间自主组网奠定了基础。但是,现有结果多针对空间巨型星座,且网络拓扑形式较为简单,针对复杂异构、超大规模、分域作业的操控航天器集群仍需进一步研究。

2.4 集群在轨智能感知技术

在轨智能感知是指根据操控航天器自身配置的单/多目相机、激光雷达及其他环境感知传感器获取多源相对位姿数据,实现对空间目标的自主精确感知和识别,是实现在轨集群操控的前提条件。

空间目标分为合作目标与非合作目标。目前对于合作目标感知技术的理论研究与在轨验证都取得了广泛的成功[43],典型代表为ETS-VII任务,其采用相机加主动光源照亮合作目标标记点的方式,实现了厘米级的相对位置测量和0.1°级的相对姿态测量[44]。然而,在实际在轨服务任务中,对象的信息往往是未知的。因此,非合作目标智能感知成为近年来的研究热点。其中视觉测量方案因具有非接触、低功耗、低成本的优势而成为主流探测方式[45]。

具体而言,Guthrie[46]针对未知特征的非合作空间碎片自主识别问题,提出了一种基于连体卷积神经网络的自主目标姿态动态检测方法,在非合作目标识别精度与速度方面有了较为显著的提高。Mahendrakar等[47]针对空间非合作目标自主识别、表征和特征提取问题,对比了Faster R-CNN和YOLOv5两种基于深度学习的对象检测算法。实验结果表明Faster R-CNN比YOLOv5更准确,但识别时间增加了5倍。Li等[48]针对空间非合作目标识别的模型体量约束、实时性和鲁棒性要求,提出一种新的航天器卷积神经网络(SCNN-lite)精简模型,并采用Darknet骨干网络,进一步提高检测效率。目前,这类研究还存在一些共性问题:神经网络模型体量无法满足硬件约束、处理速度无法满足在轨操控实时性要求、复杂光照及动态变化环境下的目标感知识别鲁棒性需提高、模型的可解释性欠缺、数据样本小模态多等。

考虑到传统单星测量感知能力有限,且无法应对目标遮挡的问题,集群协同在轨感知成为研究热点[49]。相比于单体感知,在轨集群系统具有多节点局部感知能力[50],但是其难以直接获取全局信息。同时,集群成员互为感知目标,大大增加了感知环境的复杂性。Zhao等[51]提出了一种点云匹配与扩展卡尔曼滤波相结合的多航天器协同观测方法,该方法能够在没有先验信息的情况下估计出翻滚目标姿态,避免观测过程中存在遮挡或数据丢失的情况,但并未考虑空间复杂光照环境的影响。Kruger等[52]针对航天器集群的多目标识别导航问题,提出了一种航天器仅角度多目标跟踪新算法,该方法可以在无先验知识的情况下仅使用连续的相机图像自主跟踪多个未知目标。Koenig等[53]则针对航天器集群系统的多视点多目标识别问题,研发了一套由图像处理、批量定轨和顺序定轨3个模块组成的绝对和相对轨迹测量软件系统,可实现无先验知识多目标识别导航,批量化估计集群成员轨道。然而,这两项研究仅提供了角度测量目标识别与导航,无法提供近距离精细化作业任务所需的目标形态与运动状态信息。

综上,复杂光照条件下动态目标的识别精度与准确度仍有待提升,识别算法轻量化、实时性、可靠性、可解释性等方面仍面临巨大挑战,空间目标图像样本小模态多的问题仍制约着在轨智能感知算法的稳定性与准确性。此外,对于大规模在轨集群操控任务而言,还存在个体难以全域感知,多目标准确识别困难、多视点感知信息融合困难等问题,需进一步发展分域精确感知策略,融合包含时空特征与时序连接的分域信息,实现全域感知。

2.5 集群操控航天器自主任务规划

集群系统自主任务规划指不依赖地面站系统和人员的支持,在时间与系统等资源条件的约束下,集群系统根据任务需求、系统运行状态以及每个工具航天器的活动能力,自我决策,生成合理的任务执行序列并自主有序地执行任务[54]。其包括操控任务的分解与分配、群体成员调度、操控路径生成与优化等内容[55],是自主高效完成操控任务的基础,为控制系统提供了顶层决策信息。在调度层,系统可根据任务的重要程度、总体操作时间、总体预估能耗、机器人分组搭配等进行多目标优化[56];操作层可以考虑空间长周期轨道摄动、时间、能量、整体系统稳定性、个体作业能力等约束,得到操作时间与能耗均衡的任务操作流程与系统操作路径[57]。

目前针对集群自主任务规划的研究基本上都采用“分层规划+智能优化”的策略,将集群协同任务调度问题简化为优化问题,并使用蚁群算法、回溯算法、差分进化算法及强化学习等方法来求解[58]。具体操作路径则考虑时间、能量、自避障与环境避障等约束[59],采用图搜索类算法(A*/D*算法)、随机采样类算法(PRM、RRT)以及仿生智能算法(GA、PSO)等算法生成全局路径,配合特定设计的局部动态规划器实现动态避障规划。算法方面,Yu等[60]针对大尺度空间结构多航天器在轨装配任务分配问题,考虑在轨装配过程的类约束、时间约束和能量约束,提出了一种基于扩展CBBA(Consensus-based bundle algorithm)的拍卖算法,为多航天器在轨装配任务分配问题提供了无冲突解。Chai等[61]提出一种回溯任务分配方法,利用触发条件和反馈信息实现动态任务分配。针对任务分配与具体操作路径结合的多层级混合任务决策规划问题,罗建军等[62]研究了多机器人在轨组装空间桁架结构的路径协同规划,对单个机器人采用A*算法进行规划,对多机器人采用优先级与交通规则约束相结合的协调方法实现整体协调。该方法避免了多个体间产生碰撞,也保证了各机器人总路径最短。She等[63]研究了大型空间望远镜在轨组装任务规划问题,提出一种结合分支绑定法和改进蚁群算法的混合优化算法,解决了任务分配与路径规划问题。Rodríguez等[64]为ESA大型空间结构模块化组装项目MOSAR设计了自主任务规划系统。该系统具有逻辑层和物理层,逻辑层生成组装空间望远镜所需的步骤序列,物理层生成优化后的机械臂装配轨迹,最终生成合理的整体行动序列。但是,上述研究均将集群成员视为同构个体,与实际系统有较大差距。

为进一步考虑群体成员差异和分工,研究人员提出了集中式和分布式两类任务调度和规划算法。Gombolay等[65]提出了Tercio集中式任务分配和调度算法,其可扩展到多代理、不同规模的调度问题,并支持在存在时间和空间邻近约束情况下的动态调度,实现异构集群任务分解、分配与排序。Foust等[66]研究了异构空间智能组件在轨组装策略。其通过添加势函数来处理有限类型的异构性,并使用分布式拍卖算法实现群体任务目标分配;然后使用顺序凸规划实现实时路径规划,可完成大规模异构空间组件的无碰组装。Moser等[67]针对异构自主机器人集群在轨组装、服务和维修的自主任务分配问题,考虑空间太阳能电站组装场景,利用混合整数规划策略求解自主任务分配问题,得到机器人团队搭配策略、任务目标分配以及类似于柔性车间的作业流程。Wei等[68]面向合作目标的集群在轨维修任务,设计了三层自主任务决策系统,先采用贪婪算法选择功能异构子卫星搭配组合,再利用遗传算法选择子卫星与目标星的最优对接组合模式,最后通过逆分法规划子卫星对接顺序。可见,集群系统的异构性在带来更加灵活丰富搭配组合方式的同时,也增加了任务规划决策的复杂度。

为适应越来越复杂的空间自主建造、装配场景,提高对任务的适应性和算法稳定性,Dai等人[69]针对大型空间桁架结构在轨集群装配问题,采用强化学习算法生成桁架装配步骤最少的最优装配序列与对应的集群机器人动作序列,通过贪婪策略训练机器人集群,避免了装配不确定性引起的故障问题。但该方法还存在模型复杂、实时求解困难等问题。

综上,现有研究涵盖了任务建模、集群调度分配、装配顺序规划、操作路径规划等,为集群操控系统自主任务规划奠定了基础。但是,现有研究多针对特定环境、特定优化指标进行,对非预设环境下的多指标实时规划和优化还需进一步研究。同时,针对模块异构、建造序列对整体系统影响大、总体性能要求高的多目标协同规划难题仍有待解决。

2.6 集群操控航天器分布式协同控制

集群分布式协同控制技术能够实现对集群各个成员的自主管控与协同合作,是保障集群操控任务安全稳定进行的核心,决定着集群操控系统所能发挥的能力上限。由于集群操控系统技术难度高、风险大、在轨验证难,目前的研究还主要集中在集群分布式协同控制理论研究上[70]。从集群航天器协同的控制架构上看,已发展出领航跟随控制法、基于行为的控制方法、虚拟结构法、人工势场法、基于蜂拥控制法以及混合集群智能控制方法等集群分布式协同控制策略[71]。表2对文献[72-85]所给出的不同控制架构和方法进行了归纳和总结,给出了不同控制架构下分布式协同控制架构和方法的基本思路、优点、缺点和可能的改进方向,可为未来分布式集群操控控制方法设计提供指导。

表2 集群航天器分布式协同控制架构

结合文献[72-85]及表2可知,未来还需考虑大型空间任务中串/并行交替作业模式,结合航天器动力学特性、输入输出特性,研究系统多层级结构和多样态作业模式下的集群航天器控制方法,整合去中心化与层级结构,实现群体自主智能与分层指挥控制的兼容。

3 在轨集群操控关键技术发展趋势

多个同构/异构混合的操控航天器通过有效分工和分布式的自组织、自感知、自规划、自决策协作机制完成单个操控航天器难以完成的任务,是在轨集群操控的显著优势。其通过不同规模的多种专精化航天器协同,能够实现并行作业,具备更大的工作空间、更精细的定位以及更强大的与目标/环境交互能力,达到“单体小专精,集群能力强”的目的。同时,集群操控航天器分布式结构可提高操控系统任务适应能力,降低任务风险。通过发展集群操控技术,可满足未来大规模空间设施建造和集群操控需求。本节围绕前文所述的关键技术,论述其相应的发展趋势。

3.1 集群操控航天器型谱化模块化设计

航天器型谱化需针对不同的基本在轨作业任务开发适配的专精化操控航天器,形成能够满足整个大型空间设施在轨建造与维护任务的操控航天器型谱。其以用最少数目不同型别的工具航天器,在较长任务周期内胜任一定范围或全部任务需求为准则。模块化则是实现型谱化的重要手段,通过设计标准化的通用模块,灵活配置出所需的多种操控航天器,并且进行批量化生产制造,用于集群系统扩展、升级、重构、替换,适应多样态任务需求。未来,操控航天器型谱化模块化设计需要结合在轨操控任务在航天器模块化标准化设计、不同功能专精末端执行器设计、可变构/重构航天器构型设计、操控航天器构型设计与优化、机电一体化和相应软件设计等方面重点突破。

3.2 集群行为建模与群体智能涌现技术

在轨集群操控试验风险大、成本高,且目前的技术成熟度仍远未达到应用需求,亟需在集群智能涌现机理、群体决策方法方面进行深入研究。目前,类似于蚁群、鸟群、蜂群等生物天然的集群智能行为得到了广泛的研究,并基于简单模仿原则提出了蚁群觅食模型、椋鸟群编队模型、鱼群聚集模型等。在未来,可通过对生物集群行为的观察、解析与建模更加深入地揭示其生物群智行为涌现机理,结合在轨建造任务规模大、形态多、集群聚散、分组编队等多行为特点,通过一定的手段将群体智能行为映射到在轨操控航天器集群上,有针对性地构建航天器集群行为模型,提出群体决策方法,揭示群体智能涌现机理,实现群体智能在轨操控。

3.3 在轨集群智能自主组网技术

在轨集群自组网需要能够自发现、自配置、自切换,动态维护网络拓扑结构;具备局部通信优化、数据路由、通信协议体系兼容、跨层级协议资源调配等能力。需进行更深入的探索,提出在轨拓扑管理优化的新理论,兼容同/异构成员、不同规模集群的路由新方法,形成一套完整灵活可靠的在轨通信协议体系。针对不同任务规模与串并行作业需求,发展集群自组网技术,实现区域互通与整体协同。

3.4 在轨集群多节点协同智能感知技术

面向大型空间设施在轨建造、维护需求和单个操控航天器节点有限感知能力,需要从硬件设计和智能感知算法上实现突破。硬件上,需进一步提升现有传感器的感知能力并降低功耗,可采用多传感器融合方式进一步提升感知范围与精度。算法上,需要重点突破合作与非合作目标共存、多尺度目标共存及复杂光照条件下动态目标的快速精确识别与三维环境重构技术,并且对现有的目标智能识别算法实现轻量化、实时性、可靠性、可解释性方面的突破。此外,对于全局信息感知难题,需结合在轨集群系统多节点协同感知特点,提出集群系统分域感知方法,并利用分域信息时空特征与时序连接,探索基于分域信息的全局信息生成方法。

3.5 具有群体智能决策的自主任务规划技术

在轨集群操控任务自主规划是一个多层级多约束多目标的高复杂度优化求解问题。在顶层任务决策与分配方面,需考虑集群任务与成员分工,研究集群航天器多目标任务分配与规划技术,实现多成员、多任务、多指标下的集群任务模式设计与多目标协同优化。下层的个体/集群操作路径规划与实时动态优化,需考虑航天器长周期轨道摄动、时间、能量、自避障与环境避障、团队协同等约束,得到操作时间与能耗均衡且无碰撞的安全可靠系统操作路径。同时,未来集群自主任务规划还需在实时性、可靠性、自主性方面进行突破,发展一套具备群体智能决策能力的多层级一体化快速任务规划理论方法,并结合新一代人工智能技术、群体智能技术与算法轻量化技术,实现大规模多层级多约束优化问题的快速求解。

3.6 多层级多模式分布式协同控制

针对在轨集群操控任务中同异构混杂、去中心化/层级结构混合的特点以及串/并行交替作业模式,考虑作业过程中的时变拓扑、通信时延、状态约束、执行器饱和、个体故障、障碍规避等多样化的限制,需结合航天器动力学特性、输入输出特性,研究系统多层级结构和多样态作业模式下的集群航天器分布式协同控制新理论。结合群体智能的顶层协同决策能力与现有编队控制的局部协同控制能力,形成一套复杂系统网络结构和多样作业模式情况下的集群航天器多层级串/并行自主作业控制理论架构,具备群体智能优化能力与编队控制能力,兼容群体自主智能与分层指挥控制架构,实现区域自治与整体协调。

4 在轨建造集群操控体系能力框架

针对未来空间任务无人化、自主化、集群化作业需求,本节提出一套面向在轨建造的集群操控体系能力框架,如图4所示。具体而言,航天器集群操控体系能力主要包含3方面要素,分别是操控航天器设计能力要素、航天器集群设计要素与群体智能/群体操控要素。其中,操控航天器设计是整个集群操控体系的基础,是实现群体智能操控的前提;航天器集群设计是整个操控体系的关键,是实现群体操控的载体保障;群体智能操控系统是整个操控体系的核心,是实现群体操控的决定因素。

图4 航天器集群操控体系能力框架

在该体系架构中,操控航天器自身设计的合理性和先进性将直接影响整体集群操控性能。为此,操控航天器设计包含了航天器系统设计、操控模式设计、专用工具设计等内容,以形成单个操控航天器的感知测量能力、路径和运动规划能力、动态跟踪控制能力和安全稳定操控能力。同时,其还应满足标准化、专一化、型谱化要求,实现操控航天器及其部组件的批量化生产、组装、制造,以及自我更新和维护,为集群航天器的分工、协同奠定基础。

航天器集群设计包含了编队自组网、网络维护、集群管理等内容,其设计的好坏将直接影响群体的组织形式和通信效率,是实现群体协同的媒介和基础,且影响集群操控系统的稳定性和鲁棒性。为此,需针对不同任务和集群规模,发展自组织网络构建、动态拓扑更新,实现集群网络的区域自治与整体稳定;考虑集群任务、整体分工及串并行作业模式,发展集群和个体的自主管理与调度,实现动态化、弹性化的集群资源调配;同时针对网络效率和成本等,发展高容量、低能耗的通信网络和技术,提升通信效率、降低通信能耗、增强网络弹性。

集群航天器群体智能是群体操控的核心,其直接决定了集群操控的成败。为实现集群操控,亟需开展群体“智能”涌现、群体决策和协同控制机理研究,使群体具备面向多样态操控任务的自决策、自协同能力。其中,“智能”涌现包含个体/群体行为描述、群体动力学建模、群体交互机制设计、群体行为预测与干预等内容;群体决策包含局部信息感知与综合、多层级任务规划、集群成员分工与调度、协同目标设定等内容;协同控制则包含群体成员身份确认与信任、串并行任务融合、多成员交互与协同,群成员任务能力学习与演化等内容。通过智能涌现、群体决策和协同控制,实现群体优势,提升单体操控航天器任务能力和效率。

5 结束语

目前各主要航天大国都提出了自己的大型空间设施在轨建造方案,而小型化、专业化、模块化、型谱化、智能化的航天器集群操控是实现未来大型空间设施在轨制造、组装、维护的重要手段。在轨集群操控具备同异构兼容、网络更灵活,多节点计算、系统更可靠,分布式容错、系统更弹性,串并行融合、作业更高效,非固连接触、操控更安全,型谱化设计、可重构升级,批量化制造、系统更经济等突出优势。但也面临集群航天器型谱化设计、群体行为建模与智能涌现、集群自组网、集群智能感知、集群自主任务规划与分布式自主协同控制等多个关键技术亟待突破的难题。

本文在综述在轨集群操控关键技术发展现状与趋势基础上,初步提出了适应未来大规模集群操控的能力体系框架,明确了集群操控中操控航天器设计、集群设计与群体智能等3要素,并阐述了3要素之间的关系。该能力体系的提出有望为未来大型空间结构在轨建造及集群操控发展提供借鉴和参考。