人工神经网络在未来深空探测中的应用

□ 郑昱 陶倩楠

人工神经网络在未来深空探测中的应用

□ 郑昱 陶倩楠

目前，1977年发射的第一艘无人外太阳系太空探测器“旅行者1”号，已经成为第一个实质意义上进入行星际空间的人造物体。2013年9月美国宇航局宣布“旅行者1”号进入星际空间时，与地球间的距离已经超过了180亿千米，“旅行者1”号发射的无线电信号需要经过17个多小时才能到达地球。控制中心实际上已经无法对“旅行者1”号进行有效的控制。

就探索宇宙而言，“旅行者1”号更多地是承担了一种象征意义，象征着人类对于宇宙的执着求索。随着航天器与地球距离的增加，航天器与地球之间的通信会越来越困难，地面控制中心会越来越难以实现对航天器的有效控制。因此，可以预见的是，在未来，不论是有人的深空探测还是无人的深空探测，都需要将人的智能延伸到航天器中，从而打造出适合执行深空探测任务的人工智能航天器。

人工神经网络技术是一种重要的人工智能技术，通过对人类大脑和神经系统进行模拟的方法，可以克服传统方法对于直觉信息处理方面的缺陷，并且具有较强的适应和学习能力，这使得人工神经网络技术在未来的深空探测中拥有巨大的应用潜力。

什么是人工神经网络

人工神经网络可以看成是对生物神经网络的一种模拟和近似，这种模拟分为结构上的模拟和功能上的模拟两种方式。结构上模拟的目标是从结构和实现机理上完全复现生物神经网络，由于生物神经网络的结构和机理相当复杂，这一目标很难实现。而功能上的模拟则是使用合适的工具，尽量使得人工神经网络具有生物神经网络的某些特性，如学习、识别、控制等功能。

神经元细胞从结构上可以分为细胞膜、细胞质、细胞核、树突和轴突五部分。每个神经元都具有兴奋与抑制两种状态，兴奋状态是指神经元细胞膜电位升高，且超过了动作电位的阈值，此时产生神经冲动并由树突传出，抑制状态是指细胞膜电位下降到低于动作电位的阈值，无神经冲动输出。树突负责接受来自其他神经元的神经冲动；轴突负责神经信息的传出，通过尾部分出的许多神经末梢以及梢端的突触向其他神经元输出神经冲动。

人工神经网络使用数学工具对上述过程进行模拟，人工神经网络由数个人工神经元构成，每一个人工神经元都有若干个输入和一个输出，模拟的是生物神经细胞的树突和轴突；人工神经元基于输入信息选择输出的数值，模拟的是生物神经细胞输出神经冲动的过程；人工神经网络中，每一个人工神经元的输出值都会被做为一个或多个人工神经元的输入值，模拟的是生物神经细胞的相互关联。根据输出结果与预期结果之间的误差，不断调整各个神经元的权值，最终得到最理想的输出结果，则是对人类学习行为的模拟。

因此，人工神经网络通过模拟人脑的工作方式搭建变量之间的映射，使得人工神经网络具备了传统技术不具备的非线性信息处理能力。但目前人工神经网络的规模并不大，毕竟在生物神经网络中，每个神经元细胞都与大约1万到10万个神经元相连。如果人工神经网络的规模与生物神经网络处于同一量级，那么由此产生的计算任务将是世界上任何计算设备都无法胜任的。

2006年，深度卷积神经网络的提出，在世界范围内掀起了研究神经网络的高潮，业界众多国际巨头纷纷投入到人工神经网络的研究中。2016年3月，谷歌基于神经网络技术开发的人工围棋系统“阿尔法狗”以4∶1的比分战胜世界冠军李世石，标志着人工神经网络已经具备了很高的智能。而人工神经网络的作用绝不仅仅局限在下围棋上，在未来的深空探测中，人工神经网络势必会发挥重要的作用。

深空探测中的人工智能应用

小推力轨道优化：在深空探测中，小推力推进器具有比冲高、质量轻、成本低的优点，更为世界各国所青睐，美国的深空一号、日本的隼鸟号和欧空局的SMART-1探测器均是小推力航天器，但是小推力航天器任务时间长、速度变化慢、轨道不确定性因素多，导致其轨道优化工作非常耗时费力。

从本质上来说，小推力轨道优化就是根据某一时刻，航天器的位置、速度和加速度，为航天器选择下一时刻最合适的位置、速度和加速度，选择的依据可以是飞行时间最短、推进剂消耗量最小、飞行距离最短等。而航天器要想达到选择出的最合适的位置，需要控制自身在x、y、z三个方向的推力值。因此，如果能够搭建出航天器位置、速度、加速度与推力之间的映射关系，并以此为依据控制小推力航天器的飞行，就可以使小推力航天器按照最优的轨道进行飞行。而这部分工作，恰恰是人工神经网络可以完成的。

在2004年的国际宇航大会上，欧空局的科研人员发表了使用进化神经网络控制算法优化太阳帆飞往1996FG3小行星轨道的成果。科研人员选择航天器的速度、加速度、角速度、角加速度作为神经网络的输入集合，航天器的推力数值作为神经网络的输出集合，使用进化神经网络搭建两个集合之间的映射。太阳帆飞行过程中的加速度为0.14，属于小推力航天器。仿真结果显示，航天器按照进化神经网络选择出的轨道飞行，飞行时间可以减少561天。

▲ 风云一号卫星

▲ 尚未与火箭分离的月球陨坑观测和遥感卫星（LCROSS）

▲SMART-1接近月球

▲ 深空1号

▲ 优化前轨道

▲ 优化结果1

▲ 优化结果2

航天器故障诊断：深空探测任务周期长，航天器工作环境复杂，为了保障航天器的正常运转，故障诊断系统势必会成为航天器的“标配”。“阿波罗”计划中出现的一系列的设备故障，促使美国宇航局倡议，由美国海军研究室主持于 1967 年成立了美国机械故障预防小组，开始有计划地对故障诊断技术分专题进行研究。为便于描述，科研人员将航天器发生故障前和发生故障时的各种现象定义为征兆空间，航天器发生的故障定义为故障状态空间，故障诊断的过程，就是搭建征兆空间和故障状态空间之间的映射的过程。

目前，搭建映射的基础，依旧是工作人员的经验。这种诊断模式中，航天器缺乏自主诊断技术，同时诊断结果过分依赖于行业领域专家的智慧，工作人员长时间高强度工作，容易引起疲劳和误判。深空探测中，航天器与地面的通信时间长，航天器一旦出现故障，地面人员无法及时判断并排除故障。如果应用神经网络搭建征兆空间到故障状态空间的映射，就可以将人类专家从繁重而复杂的故障诊断任务中解放出来，使得航天器可以自行进行故障诊断。目前，国内外科研人员已经开展了相关领域的研究工作。

哈尔滨工业大学的科研人员使用径向基神经网络对风云一号卫星电源分系统进行故障诊断。卫星电源分系统由太阳电池阵、镍镉电池组、电源控制器和指令配电器等组成，其中太阳电池阵和镍镉电池组一起构成卫星的供电系统，太阳电池阵负责的是卫星日常工作期间的电力供应，镍镉电池组负责的是卫星在阴影区和发射场内的电力供应，以及运载火箭起飞、星箭分离到太阳电池阵结构解锁伸展之前卫星上的电力供应。电源遥测器负责的是把电源分系统的主要电压、电流等参数变换成0V～6V的遥测信号。指令配电器负责的是卫星全星的供电转换。

经过分析，这个案例中的征兆空间中包含5个元素，分别是镍镉电池组中心温度、指令配电器电压、电压调压器电压、电压调节器电流、电压调节器电流。相对应的，故障状态空间中包含5个元素，分别为镍镉电池温度异常、指令配电器电压异常、电压调压器电压异常、电压调压器电流异常和电压调节器电流异常。经过训练，径向基神经网络可以在不借助任何外界帮助的情况下，迅速判断出故障所在。研究表明，径向基神经网络判断的准确率在95%以上。

地外天体特征识别：深空探测不是航天器在太空中漫无目的地飞行，最终还是要落实到对地外天体的探测活动上。在未来的深空探测中，人工神经网络的一项应用就是与遥感技术相结合，对地外天体的特征进行识别。

▲ “旅行者1”号探测器

由于航天器的寿命是有限的，而且在飞往地外天体的过程中，已经不可避免地消耗掉了一部分资源，因此实际开展探测活动的时间是有限的，这就要求航天器尽可能快速地完成对地外天体的探测工作。在这种要求下，遥感技术就成为了一个可行的方案。

遥感的原理是当电磁波照射到目标物体时，物体可以将电磁波散射出去，不同物体对电磁波的吸收能力和散射能力存在差异，同一物体对不同频率电磁波的吸收能力和散射能力也有所不同。因此，通过测量天体反射电磁波，即可识别出天体的地貌特征和组成成分。而为了提高测量的精度，可以使用多个不同频率的电磁波分别照射被测天体，并将返回的信息按照波谱进行记录，最终获得更加精准的遥测信息。

由于遥测测量的信息是电磁波的参数信息，需要通过技术手段将电磁波信息“翻译”成目标信息，换言之，就是要搭建电磁波信息与目标信息之间的映射，映射搭建得越快、越准确，深空探测的效率就越高，而这恰恰是人工神经网络的优势所在。

▲ alphago对阵李世石

多光谱遥感影像数据来源多、数据量大，如果使用传统的基于统计的分类方法进行处理，需要使用高性能的计算机。未来的深空探测中，受限于硬件要求，航天器上搭载的计算机不可能完成数量如此之大的处理工作，而且深空探测中，航天器与地面距离远，如果将采集的数据传回地面进行处理，通信距离长，数据损耗大，会浪费很多宝贵的能源。因此，未来深空探测中，传统的分类方法不能满足分类的要求，而人工神经网络在大规模并行、分布式存储和处理信息的优势，可以有效降低分类过程中对硬件的要求，同时在保证分类准确度的前提下有效提升分类速度，这就使得神经网络可以应用于未来深空探测中的天体特征识别。

深空探测活动之于人类，宛如大航海活动之于当时的世界，二者所体现的，都是人类对未知世界的探索和向往。然而，不同于驾一叶扁舟孤单远航的旧时代探险者，深空探测的探险家们，将拥有人工智能的陪伴。1977年卡纳维拉尔角的轰鸣犹在耳边回荡，“阿尔法狗”的胜利已经打开了新时代的大门。随着技术的进步，在未来的深空探测中，高度发达的人工神经网络，将逐步从仿真研究走向实践应用，成为人类的得力助手，在小推力轨道优化、航天器故障诊断、地外天体特征识别等领域中得到应用并发挥重要作用，从而使得深空探测活动更加高效。★