科研之友
微信
新浪微博
Facebook
分享链接
摘要
自1957年第一颗人造卫星发射以来，日益增加的人类太空活动导致空间环境不断恶化。地球轨道上出现大量微小空间碎片（毫米到微米级），其超高速撞击会对航天器的结构和功能单元，如舱室外表面、热障材料、热控涂层、太阳能电池板、管道、电缆等，造成严重破坏。因此，对空间碎片造成的撞击损伤进行探测和评估，提供风险预警和及时修复是保证航天器安全运行和空间任务顺利完成的重要环节。然而，由于航天器外表面材料的复杂性以及撞击损伤事件的不可预测性，采集的损伤检测数据呈现多样性特点。传统的基于人们经验的损伤特征提取与识别评估方法难以准确描述复杂损伤特征信息。近年来，人工智能技术受到相关学者及工程技术人员广泛关注，在解决诸如空间碎片撞击感知、损伤检测、风险评估等复杂技术问题上取得一系列突破。然而，应用人工智能技术解决空间碎片问题仍有许多难题需要解决。在此背景下，利用人工智能方法进行航天器损伤检测和评估显现出以下几个重要趋势：1.运用并结合多种人工智能学习算法（如神经网络与深度学习），实现航天器复杂损伤检测与特征分类。人工智能学习算法具有多样性的算法架构，不同学习算法擅长解决不同问题。结合不同应用场景下的多种人工智能学习算法，可有效提高航天器复杂撞击损伤检测效率和损伤特征分类效果。2.改进和优化学习算法，更准确有效地进行损伤模式识别和评估。为提高学习算法性能，优化与改进是必不可少的环节。对算法本身的优化与改进，包括损失函数设置、迭代步骤优化、终止条件判断等，可对学习算法的性能产生重大影响。此外，复杂学习算法网络本身拥有大量需要优化的参数，网络参数的优化方法已成为决定学习算法性能的核心因素之一。3.扩展人工智能学习算法和模型，更好地适应航天器损伤检测与评估系统。结合具体的航天器损伤检测与评估系统，扩展现有学习算法和模型，包括对实际输入的测试数据进行预处理以获得更好的迭代算法计算结果，对不同损伤检测场景进行分类，使用不同优化模块以获得更好的性能对比测试，以及依据损伤评估输出结果划定合理分类标准。4.利用人工智能技术分析典型航天器撞击损伤样本的数据特征，指导航天器空间碎片防护设计。人工智能技术的优势在于可从大量数据样本中提取典型特征。基于在轨空间碎片环境试验和地面模拟试验的大量损伤样本，人工智能技术可表征不同撞击条件下航天器损伤特征差异，建立撞击条件与损伤结果之间的联系。因此，工程师可通过优化航天器的防护结构提高航天器在轨运行的安全性。5.利用人工智能技术对空间碎片环境建模和分析，实现空间碎片的监测、预警、减缓和清除，以减轻空间碎片对航天器的影响。利用人工智能技术对空间碎片建模和分析，能描述复杂的、难以用数学公式描述的定性经验知识，具有较强表达能力。人工智能建模可根据对空间碎片模型知识的新领悟进行修改和扩展，系统可以更加灵活地适应新的需求。对空间碎片的建模和分析越清晰，对碎片影响的监测、预警、减缓和消除就越准确，从而大大降低空间碎片对在轨航天器的影响。总之，基于人工智能的航天器损伤检测识别和空间碎片风险评估对于航天工业的发展至关重要，这些挑战需要航天装备研究、模式识别和人工智能等领域工作者的不断努力。在此背景下，《信息与电子工程前沿（英文）》期刊组织了“人工智能在空间环境和航天器中的应用”专题。主要内容关于利用人工智能方法学习检测数据，以及对航天器进行损伤检测与损伤评估的方法，包括航天器损伤特征与检测数据之间的层次关联性和如何利用人工智能分析数据对航天器进行损伤评估。经严格审查，选用了5篇研究论文。
- 出版日期2022
- 单位中国航天科技集团有限公司; 电子科技大学
