在当今科技飞速发展的时代，人工智能（Artificial Intelligence，AI）已经逐渐渗透进了各个领域，其中航空航天领域也在积极探索AI的应用。AI 不仅能够提高飞行安全和效率，还能够帮助优化设计和维护程序，同时也对航空航天行业的未来发展产生着深远影响。要在航空航天领域实现AI的突破，仍然面临着诸多挑战。
航空航天领域的数据量庞大而复杂，这对AI算法的处理能力提出了极高的要求。航空航天领域涉及飞行数据、气象数据、工程数据等多种数据类型，这些数据量大、更新快，同时具有高度的关联性和时效性，要求AI算法具备快速处理和分析数据的能力。航空航天领域的数据往往具有噪声、缺失值等问题，需要AI算法具备强大的数据处理和清洗能力。
航空航天领域的确切问题和应用场景多样复杂，需要AI算法具备较高的智能和学习能力。例如，飞机的自主飞行、航班调度优化、发动机健康监测等领域都需要AI算法能够根据实时数据做出快速决策和优化方案。因此，如何让AI算法能够适应不同的航空航天问题和场景，具备灵活性和智能性，是实现AI突破的关键挑战之一。
航空航天领域对算法的可靠性和安全性要求极高。飞行安全一直是航空航天领域的首要问题，AI算法在飞行控制、故障诊断等方面的应用，需要保证算法的稳定性和可靠性，不能出现误判误识的情况。航空航天领域的数据安全和隐私保护也是重要问题，AI算法在应用过程中需要保障数据的安全和隐私，确保不受到恶意攻击和泄露。
而在面对这些挑战时，航空航天领域也在积极探索AI技术的应用和突破。例如，航空公司利用AI算法进行航班调度的优化，可以提高航班效率和准时率；航空制造商在飞机设计和维护过程中利用AI算法进行模拟和预测，可以降低成本和提高效率；航空航天研究机构也在探索利用AI算法进行飞行控制和自主飞行技术研究，以提高飞行安全性和效率等。
虽然航空航天领域在AI技术应用方面还面临诸多挑战，但随着AI技术的不断发展和完善，相信在不久的将来AI将会在航空航天领域取得更多突破，为航空航天产业的发展带来新的机遇和挑战。
人工智能在太空探索中的终极考验是什么？
想象一下，一个星际探测器可以自己选择轨道，自己拍摄照片，然后在没有人类帮助的情况下，将探测器发送到遥远的星球表面。这是NASA希望使用人工智能的一个例子，该机构已经在地球和火星的任务中使用了AI技术。
据了解，去年12月，NASA正式宣布在一个恒星周围发现由8颗行星组成的行星系统——开普勒90系统，科学家有史以来第一次发现了一个和太阳系类似的8颗行星的星系。这次发现离不开AI的助攻，NASA利用谷歌的机器学习分析开普勒太空望远镜的数据，实现了更高的分析效率。
其实NASA早就利用AI做到了很多事。
对于天文、宇宙这方面的工作来说，到底适不适合应用人工智能技术呢？
答案是当然的。
第一，由于载人成本过高、危险系数大，宇宙探索、星球探索这类工作都在无人化倾斜；
第二，NASA所做的工作中有很大一部都是对传感器回传图片资料进行分析，分析图像当然是人工智能最擅长的工作；
第三，另外就是航空、天文领域是一个数字化、信息化程度相当高的领域，适合挖掘历史数据，训练各种帮助科学家工作的算法模型。
和以往相比，利用机器人探索太阳系寻找生命迹象的最大困难就在于，它们无法像人类一样有效地进行直观甚至创造性的决策。
人工智能方面的最新进展有望缩短这个差距——目前还没有计划派遣人类去探索火星的地下洞穴，或者在木卫二Europa的冰冷水域里寻找热液喷口。有生之年，这些角色很可能会被更智能的探测器和潜艇所替代，即使与地球失联数周甚至数月，它们也能承受恶劣的环境并进行重要的科学实验。
20世纪90年代中期，当Steve Chien接手美国宇航局喷气推进实验室（JPL）的人工智能团队时，彼时的人工智能更像是存在于科幻小说中，没有人能够想到它会在NASA 2020年的火星任务中发挥重要的作用。 Chien一直有一个愿望，那就是让人工智能技术成为美国宇航局里不可或缺的一部分。但是，那时候的人工智能并没有获得足够的重视，用不那么复杂的算法运行在老旧的计算机上，技术根本无法胜任太空任务。
不过，Chien很耐心。他的团队正在利用技术将太空任务自动化，并改进长期依赖于研究人员艰苦观察的工作。例如，利用决策树的决策模型，JPL创建了天空图像分类和分析工具（SKICAT），并利用它帮助NASA在20世纪80年代初进行的第二次帕洛马山脉调查中发现的物体进行自动分类。只要SKICAT获得足够多的图像来进行训练，就能够对调查中成千上万个模糊、低分辨率的物体进行分类。
了解到，经过多年的渐进式改进，当NASA要求他们设计用于EO-1卫星自动化的软件时，Chien和他的团队获得了突破性的进展。NASA于2003年将JPL的自主科学技术实验(ASE)软件应用到该卫星上，并在十多年的时间里帮助研究了洪水、火山爆发和其他自然现象。在3月份EO-1停用之前，ASE软件有时还会收到来自其他卫星或地面传感器发出的警报，并在地面上的人类意识到事件发生之前自动提示EO-1捕获图像。
JPL在ASE和其他项目上的工作给了NASA信心，认为人工智能可以在“火星2020”的任务中发挥重要作用。Chien和他的团队正在开发一种新型的探测车，它比任何其他车辆都要先进得多，可以在星球崎岖不平的表面上行驶。在火星上寻找生命迹象的时候，“火星2020”探测器在选择研究和实验目标时拥有相当大的自由度。
最近，美国宇航局喷气推进实验室的技术小组主管、实验室任务规划和执行部门的高级研究科学家Chien在接受《科学美国人》采访时谈到了太空旅行对人工智能系统的需求。随着人类探索的目光越来越远，对智能的需求越来越大，“终极”的人工智能太空任务将会是什么样子？
以下是整理内容
问：控制EO-1卫星的ASE软件是不是NASA在AI应用方面的里程碑？
这绝对是人工智能的一个里程碑，不仅仅是对于JPL和NASA，还包括整个AI生态圈。那是因为ASE的巨大成功加上它的长寿。这个软件是相当不可思议的——它控制了航天器超过12年。在这段时间里，它发出了大约300万条指令，进行了六万多次观测，实际上达到了高于人类操作飞船的可靠性。这样的一种成功实际上可以使太空资源变得民主化。我们就有一个网页，世界各地的机构可以在上面提交请求，直接向航天器发送。
问：NASA愿意向人工智能交付多少任务？
人工智能在NASA面临的挑战之一是，由于我们正在处理太空任务，因此需要花费大量的时间和很长的时间来考虑。我们必须确保人工智能始终保持良好的运行状态，即收集科学知识，保护太空船。但是这并不意味着你可以准确预测它将要做什么。有人想摆脱这种微观管理水平，希望人工智能成为科学家的助手而不是机器，因为机器必须是微观管理的。有些人担心取代优秀的科学家，但这远远不够，我们不必为此担心。
问：你如何准备用AI来了解未知的世界？
无监督学习对分析未知情况非常重要。人类能够做的很大一部分是解释不熟悉的数据。在NASA会有许多这样的问题。你会看到一些数据，而这些数据的某些部分却不合适。以Lewis和Clark探索西北地区为例，他们没有每10英尺画一张地图（这是目前大多数探测器所做的工作），但是Lewis和Clark的探险队描述了山脉、河流和其他特征——将它们置于环境中。我们想要人工智能系统做同样的事情。
为了开发这样一个系统，我们让一个学生在一次越野飞行中用数码相机拍摄图像。然后，我们将不同的无监督学习方法应用于我们捕获的数据。我们希望人工智能自己知道有山、森林、河流，学习有云、白天、夜晚等等。
问：人工智能在即将到来的“火星2020”漫游者任务中扮演什么角色？
这项任务应用到了三个方面的人工智能技术。首先是“漫游者”的自动驾驶技术，这项技术可以追溯到“探路者”，也是MER（火星探测漫游者）计划的一部分。自主驾驶就像是一个拨号盘，你可以严格控制它，告诉“漫游者”去哪里，或者你可以让它们驾驶，在速度和安全性方面都有不同的权衡。
人工智能的第二个领域包括将帮助漫游者进行科学研究的系统。定位能力将会好得多，而且会有更多的仪器 – 不仅仅是漫游者的SuperCam – 它将提供成像，化学成分分析和矿物学。SuperCam是早期火星探测器上特有的ChemCam的一种演变，可以通过激光进行扫描并研究产生的气体来了解岩石的化学成分。先前的火星探测器、火星科学实验室和现在的M2020，已经越来越有能力选择目标，并根据科学标准（如目标形状、质地或纹理）进行后续图像研究，这种能力被称为自主探索收集增加科学（AEGIS）系统，使得“漫游者”可以在更短的时间内进行更多的科学研究。
第三，“火星2020”漫游者也将拥有更复杂的调度系统，使他们更具活力。如果工作提前或落后，探测车将自动调整行程，从而提高生产率。
问：AI如何帮助“漫游者”探索火星的洞穴？
当我们探索火星的表面时，科学家们想调查火星上的熔岩洞穴。因为深入到山洞内部就类似于一场“接力赛”，这样的任务也许只能持续几天，因为“漫游者”完全依靠电池供电，洞穴勘探将需要大量的人工智能。人工智能必须在有限的时间内尽可能有效地协调、绘制和探索尽可能多的洞穴。我们一直在研究的方法之一就是动态区域分配，它可能是以这种方式开始的：你有四个探测器，想要在火星上的一个洞穴里走100英尺。第一个漫游车的地图为0至25英尺，第二个为25至50英尺，依此类推。它们将逐步地绘制洞穴地图。这是经典的分治法。
它们也利用彼此将数据从洞穴中传递出去。将“漫游者”送入洞穴意味着它们无法继续与外界交流。所以它们开始做我们所谓的“sneaker netting” ——第一个“漫游者”进入洞穴，直到它离开通信范围、完成观察，然后返回射程内发送数据。第二辆车进入山洞深处，但只需要返回到第一辆火星车的范围之内，为了覆盖100英尺，每一个探测器都在洞穴中逐渐深入。探测器不会从洞穴中出来，但它们收集的数据是可以出来的。这将是一个为期3天或4天的任务，因为电池只能撑这么长时间。
问：在太空探索中人工智能的终极考验是什么?
人工智能在太空中的最终考验是“时间”。例如，Europa潜水器不得不独自存活数年，可能每30天才能与地球接触一次。当你想要等到冰盖融化的税后再将潜水器降落在地球的表面，这需要一年的时间。此外，探测器想要在赤道到两极间寻找热液喷口，就像山洞里的“漫游者”一样，为了和外界沟通，它必须走出去再回来。在这种情况下，“漫游者”可能会在六个月或一年的时间内独自生存。为了模拟这一点，我们设计了一个由AI控制的潜水器来研究冰层下的热液喷口。科学家们想要在南极冰架下研究气候变化的影响——这些任务需要类似的技术。
即便如此，与星际任务相比，这也算不了什么，因为宇宙飞船将完全自主地运行，往返于Proxima Centauri（最近的星系）的通讯之旅可能长达9年。如果你去Trappist-1（一颗表面温度极低的红矮星），这个星系里是至今最有可能在太阳系以外存在生命的星球，距离我们大约有40光年。由于通信的延迟，飞船更多地要靠自己，所以执行这样的任务时，你就需要一个足够强大的AI。
如何看待ai技术在航天事业中的应用？
探月工程首任首席科学家欧阳自远就AI技术在中国航天的应用发表观点。他在对谈中表示，人工智能以后必然会越来越多的渗透到、利用在航天技术方面，使航天技术拥有更精确的感知能力和更简便的控制能力。而且快速的能够实现目的。我认为中国的深空探索已经取得巨大的成就，未来AI一定会与航天事业深度融合，发挥巨大的作用。
一、AI在航空事业的应用
1、AI技术帮助实现智能航空
自动化系统在商用航空已应用多年，机器学习和人工智能技术承担了部分飞行员的职责。目前，已有多项技术应用与实践中。例如，跑道超限保护（ROPS）软件可以快速计算飞机进近速度和重量，将得到的物理模型与公布的跑道长度和当地的天气进行比较。如果检测到不安全的情况，系统会广播警示讯息。ROPS还可计算最佳的进近下滑道或轨迹，帮助飞行操作。一些新兴系统也在不断开发，如机动特性增强系统（MCAS）可以在需要补偿飞机操纵特性时增加安全性，利用传感器数据根据飞行条件自动调整飞机的控制。
2、AI指导精准全面的监测
机械故障是飞行事故最大的诱因之一，在引入了人工智能系统之后，这一切将在很大程度上得以避免。比如，人工智能系统可以更快、更准确地分析数据，对飞机进行健康和使用周期监测，从而传达预防措施。而随着技术的进一步发展，人工智能可以应用于飞机的各项系统及零部件中，进行全面精准的分析和监测。例如，去年10月发生的LionAir610坠机事件，飞行前已有多项重要数据参数出现错误，飞机若能进行检测验证、自动纠错，或者提前告警提示，或许能有效预防飞机事故。
3、识别安全风险，预防灾难发生
如果能够利用AI技术预防未来灾难的发生，可以说航空领域的重大突破。位于硅谷的美国航空局（NASA）的艾姆斯研究中心从事航空相关的AI研究，重点针对识别商业航空事故数据中预示飞机存在潜在系统性大问题的“异常运行”。
目前，NASA已经对异常情况监测和事故先兆识别进行了初步开发，并已经能够接受专家们的相关反馈。同时，NASA正在开发一套用于飞机数据安全性分析的系统──特别为联邦航空管理局数据分析合作伙伴Mitre服务，目的是在NASA、FAA、国家运输委员会、飞机制造商和各大航空公司之间建立一个安全数据共享联盟，希望通过人工智能分析航班飞行数据，及时发现潜在问题。
4、AI帮助机场提高运营效率
在机场安全人工智能项目中，视频监控信息快速检索、人脸识别技术的自动核验设备、异常车辆排除等技术已逐步投入使用推广。借助人工智能算法整合关键业务的不同平台数据，并将数据进行共享，实现以机场为中心和各个运营方资源合理调配，帮助管制员监控飞机飞行状态和气象信息。同时，使用机器学习和人工智能，可预测机场流量分布，能帮助航空简化地面运营，在提高机场运行效率的同时，降低了管制员工作管理难度和强度。
二、总结
总的来说，各个领域都在积极探索AI技术的潜力，并利用人工智能应用于航空领域智能化、保障航空安全、提高运营效率等多个领域之中。虽然目前从技术层到应用端，都存在很多问题和风险，但可以预见，日趋成熟的AI将会为航空事业带来真正意义上的变革。
人工智能在航天领域的应用
人工智能在航天领域的应用包括机器人、卫星操作、数据分析、天体地质学、火箭回收，具体如下：
1、机器人
AI有能力在障碍物周围自主导航，已经不是新鲜事了，好奇号这样的火星车已经在火星表面进行了十多年的全自主导航工作。火星车的传感器可以探测环境中存在的危害，例如岩石、陨石坑和其他情况。然后，车载AI系统分析数据以确定最佳前进路径，确保火星车可以安全通过而不会有任何碰撞风险。
2、卫星操作
AI正在革新卫星的操作方式，为管理卫星提供更高效、更智能、更快的解决方案。比如，SpaceX使用AI驱动的算法帮助其卫星避免与轨道上的其他卫星发生碰撞。该算法使用了来自卫星传感器的综合数据，包括其位置和速度，以识别潜在的危险机动，星载计算机控制并调整卫星的速度和方向以避免碰撞。
3、数据分析
通过提供更准确、有效的任务数据分析方法，AI有助于空间探索中的数据分析。机器学习算法可以帮助识别来自卫星、探测器和其他空间探索工具的数据模式，从而检测到可能意味着潜在发现或风险的异常情况。
4、天体地质学
利用AI，科学家可以对行星和卫星上的地质特征进行检测和分类，如陨石坑、火山和其他地表特征。这项技术还用于生成行星表面的详细3D模型，以帮助科学家更好地了解行星或其卫星的环境、历史。
5、火箭回收
SpaceX一直在提高和改进火箭的飞行方式，它们使用AI监控、分析来自火箭传感器和遥测系统的数据，从而更好地做出决策，更精确地控制火箭的轨迹与速度。SpaceX还把AI用于火箭着陆程序某些部分的自动化，例如控制发动机和起落架，以确保火箭处于最佳着陆位置。
生活中的人工智能之航天应用
姓名：陈心语 学号 书院：海棠1号书院转自： 人工智能在中国航天的应用与展望_数据 () 【嵌牛导读】 随着物联网、大规模并行计算、大数据和深度学习算法等技术的突破，人工智能近年来取得了突飞猛进的发展，在图像识别、语音识别、自然语言处理、无人驾驶、智能机器人等众多领域展现出令人期待的发展前景，并得到了国内外各政府的关注和支持;该文将人工智能技术与运载火箭、深空探测器、武器装备等航天应用相结合，论述其在自主规划航天任务、高效智能地面测试、全面快速设计保障等方面的应用模式，并从产品规划、顶层设计、产品打造、具体实施几个方面对中国航天后续发展人工智能技术提出了相关的对策建议。
【嵌牛鼻子】人工智能运用于航天。
【嵌牛提问】人工智能在航空航天中有什么运用呢？ 【嵌牛正文】岳梦云, 王 伟, 张羲格 (北京宇航系统工程研究所，北京 ) 摘要： 随着物联网、大规模并行计算、大数据和深度学习算法等技术的突破，人工智能近年来取得了突飞猛进的发展，在图像识别、语音识别、自然语言处理、无人驾驶、智能机器人等众多领域展现出令人期待的发展前景，并得到了国内外各政府的关注和支持;该文将人工智能技术与运载火箭、深空探测器、武器装备等航天应用相结合，论述其在自主规划航天任务、高效智能地面测试、全面快速设计保障等方面的应用模式，并从产品规划、顶层设计、产品打造、具体实施几个方面对中国航天后续发展人工智能技术提出了相关的对策建议。
关键词：人工智能；大数据；航天应用 0引言 在十二届全国人大五次会议上，国务院总理李克强在作政府工作报告时表示，要“全面实施战略性新兴产业发展规划，加快新材料、人工智能、集成电路、生物制药、第五代移动通信等技术研发和转化”，这也是“人工智能”这一表述首次出现在政府工作报告中。
近年来，物联网、大规模并行计算、大数据和深度学习算法这四大催化剂的发展，以及计算成本的降低，使得人工智能技术突飞猛进。
2016年12月，升级版“AlphaGo”化名“master”在60场互联网棋局车轮大战中连胜柯洁九段、陈耀烨九段、朴廷桓九段、芈昱廷九段、唐韦星九段等高手，取得全胜战绩，引起各界对人工智能的广泛关注与讨论。
1人工智能的四大先决条件 1.1物联网 随着摄像头、麦克风、各种类型传感器的发展，基于物联网技术的智能设备得到了飞速提升，而大量智能设备的出现则进一步加速了传感器领域的繁荣。
这些传感器负责采集数据、记忆、分析、传送数据，将外部世界数字化，为智能系统提供了多维度的数据输入，成为数字世界与物理世界交互、反馈的接口和手段。
1.2大规模并行计算 并行计算(Parallel Computing)指同时使用多种计算资源解决一个计算问题的过程，能够有效的提高计算速度和处理能力的一种有效手段。
海量的分布式计算资源和超高速计算能力，令快速处理大量数据、训练复杂模型、用知识体系代替人类常识成为可能。
这些知识和模型为人类和机器人提供智能的辅助决策，让人工智能成为现实。
1.3大数据 大数据具备Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)的5V特点。
在过去，要尽可能全面地认识某项事物，必须合理设计抽样调查的策略，使样本能够尽量覆盖全集特征。
随着计算能力的提升，可以不再采用随机分析法这样的权衡之策，而采用所有数据进行分析处理。
大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。
海量的数据为人工智能的学习和发展提供了资源。
通过知识挖掘，可以从大量有噪声的随机实际应用数据中，提取人们事先不了解但是隐藏在数据中的有价值的信息和知识。
这种对隐性信息的挖掘是大数据价值的核心，也是实现人工智能的关键。
1.4深度学习算法 深度学习算法作为机器学习的一个分支，由Hinton等人于2006年提出，是人工智能迎来新一轮飞速发展最重要的核心技术[1]。
深度学习算法用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征，其中最广为使用的算法包括卷积神经网络(convolutional neural networks，CNN)、循环神经网络(recurrent neural network，RNN)长短期记忆网络(long short-term memory，LSTM)等，需要根据具体应用场景和数据特征加以选择。
深度学习是对人类思维方式的建模，让机器能够理解人的行为，并将知识运用到与用户的交互中，达到机器“人性化”的终极目标，实现人工智能技术在商业中的落地。
2人工智能的细分领域 2.1图像识别 通过结合大数据的训练，人工智能可以对图像进行预处理、图像分割、特征提取和判断匹配。
在图像识别的技术框架中，人脸识别应用非常广泛。
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。
目前国内领先企业旷视科技的人脸识别准确率已高达99.999%。
此外，在产品生产质量检验上，图像识别技术应用也非常广泛，例如：机械类产品的裂纹自动识别检测。
2.2语音/语义识别 利用特征提取技术、模式匹配准则及模型训练技术，语音识别能够让机器对采集到的语音信息进行识别和理解，转化为文本或命令。
例如在军事上，可通过语音识别确认说话人的身份、侦听情报内容、或下发操作指令，具有非常重要的价值。
目前，针对中小词汇量非特定人的语音识别系统识别精度已超过98%，针对特定人的识别精度甚至更高。
2.3自然语言处理 语言是人类区别其他动物的本质特性，因此理解语言也是人工智能的一个核心方向。
综合语言学、计算机科学、数学等多种科学，自然语言处理研究能实现人与计算机之间有效通信的各种理论和方法，以一种智能高效的方式，对文本数据进行系统化分析、理解与信息提取。
通过使用自然语言处理技术，可以管理大块的文本数据，或执行大量的自动化任务，并且解决如自动摘要，机器翻译，命名实体识别，关系提取等语言相关任务[2]。
2.4无人驾驶 无人驾驶的核心技术是即时空间建模和人工智能技术。
低成本高效率的感知解决方案是无人驾驶的基础，高精度底图的建立是无人驾驶的关键，具有深度学习的算法芯片是无人驾驶的核心。
在过去六年内，谷歌无人驾驶汽车在公路上安全行驶220多万公里，仅发生17起交通以外，而且均是由人类失误引发的。
2.5智能机器人 智能机器人融合了几乎所有人工智能分支技术，它至少需要具备感觉要素、反应要素和思考要素。
它能够理解人类语言，感知、分析周围环境信息并调整自己的动作。
目前已发展出多样化的机器人种类，从智能水平较低的工业机器人，到智能陪护机器人再到高级智能机器人。
3人工智能在中国航天上的应用前景 3.1更自主的任务规划 航天飞行任务规划是一个典型的知识处理过程，其中涉及较为复杂的逻辑推理和众多的约束条件，这种问题适合采用人工智能的方式加以解决，实现“人工智能+”。
3.1.1 “人工智能+运载火箭”——高容错飞行 运载火箭的飞行入轨面临的是一个地面难以复制和仿真等效的全新环境，飞行阶段程序转弯、发动机关机、级间分离、再次点火、姿态修正、载荷分离诸多环节中数百个零部件任一失效偏差都可能给火箭带来不可挽回的损失，是运载火箭成败与否的核心一环。
高机动性、短飞行周期、恶劣环境都意味着人无法有效干预，因此，发动机推力下降、姿控极性接反均直接造成了任务失败，飞行风险居高不下。
目前的箭载计算机大多不具备重新规划飞行任务的能力，或需要地面人工计算制导诸元后，通过测量系统进行了上行注入，一定程度上实现弹道的重规划，将卫星送入轨道[3]。
未来，将运载火箭设计阶段梳理的飞行过程故障模式与传感器参数相结合，研究基于人工智能的运载火箭飞行阶段故障自诊断以及深度学习训练方法，在分秒必争的运载火箭飞行段完成故障预测、故障定位与故障隔离工作，并通过轨迹弹道重规划、制导姿控模型重生成，有效隔离局部故障，规避失败风险，最优化飞行轨迹与姿态控制，有效挖掘潜在运力资源[4]。
除此之外，在运载火箭发动机关机、级间分离后，分离的舱部段通过自主感知和自主控制技术，与卫星定位信息、地形布局信息动态匹配，通过发动机再次点火，实现舱部段自主飞行、平稳下落、精准落地以及主动防护，通过舱部段及各级发动机的回收再利用，显著压缩运载火箭任务周期，降低运载火箭制造成本。
3.1.2 “人工智能+深空探测器”——自主规划 现有行星探测器的主要前进方式为：拍摄前方照片通过遥测发回地面站，操作人员根据图像确定前进路线，再通过上行通道上注行动指令，实现探测车的行驶操作。
这种模式过于依赖地面测试人员，效率较低，很多时候由于行星表面环境较为恶劣，或者由于距离的确过于遥远，遥测控制信号也比较微弱，或者由于地球自转引起相对位置改变，无法实现遥测遥控，更难以实现探测器的实时控制。
基于人工智能、视觉计算、监控装置的自动驾驶将大幅提高探测、地形勘测的效率。
根据视频摄像头、雷达传感器以及激光测距器来了解周围的地形状况，利用图像识别等智能感知技术、智能决策和智能控制技术可以实现行星探测车的自主行动，选取最优探测路线，智能避开障碍物体，以最小的代价、最高的效率采集有用信息，大大辅助深空探测应用。
深空探测应用中，复杂航天器是由大量元器件和软件组成，长期的在轨运行，元器件的故障和软件的不完善在所难免，由于太空环境的特殊性，当某部分损坏时，难以通过人员进入太空进行判别和修复，利用人工智能技术结合空间高精度、高灵敏度机械臂，通过智能分析航天器数据，实现故障的自主定位、自动识别和在轨自主修复，在轨操作、组装、拆卸、管理。
3.1.3 “人工智能+武器装备”——智能作战 通过多维度侦查探测系统，智能感知、发现、定位、跟踪敌方动态、电磁频谱信息、作战行动等战场态势信息，以最少的人员、更少的代价、最大化地获取战场情报数据，辅助智能判别与智能决策应用。
如利用覆盖红外、可见光、微波雷达等多种技术手段，实现一体化、集成化的多模融合探测装置，智能感知多维度、多层次、多类型数据，然后应用数据配准、智能去噪等预处理手段获取高质量多源数据，再利用深度学习、模糊推理、专家系统等智能技术，建立目标识别和威胁判别模型，实现武器装备作战环境中目标智能探测感知和识别。
通过给武器装备各类传感器、探测器，智能探测感知飞行空间信息、拦截弹信息等，数据传输给弹载智能“大脑”，设定相应的优化准则、目标等，通过数据分析，智能自主决策，规划调整飞行弹道，通过动力学气动调整，改变飞行轨迹，增强突防性能[5]。
人工智能使无人机个体具备较高的智能水平，协同作战能力显著提高，从而形成低成本的无人机蜂群战术。
目前，以美国国防高级研究计划局(DARPA)为首的众多机构，都投入了大量经费就无人机集群在空中的协同作战理论和技术展开研究，包括无人机的快速编队、多机间通信协同，自主战术决策与下达作战命令等，构建多无人飞行器的任务自组织系统分布式体系结构。
3.2更高效的地面测试 运载火箭的测试发射同样是一个多学科交叉，多专业耦合的复杂系统工程，是运载火箭成败与否的关键一环。
状态准备、测试操作、预案决策、数据判读，每一环都是技术能力的保障，都是知识经验的考验，同样每一步都离不开人的参与，成败维系在每一名人员身上，高水平人员的稀缺造成测试发射无法多任务并举，以及连续疲劳带来的风险造成测试发射周期无法进一步压缩，通过应用人工智能技术，可显著提升测试效率，降低发射成本[6]。
3.2.1 采集层 通过多样化的手段代替传统的传感器采集或人工直接观测，基于视频语音识别技术的应用可以大大减少火箭本身测点的布置。
例如：发动机工作状态，可以通过对其工作时的声音进行频谱分析；一些机构的动作，可以通过非接触的摄像机直接观察；仪器仪表的指示灯状态监控，可以通过摄像头摄录信息，之后在后台用图像识别的方式的进行自动判断。
3.2.2 处理层 人工智能技术极大的提升了设备的数据处理与故障诊断的能力。
对地面测试数据进行统一管理和应用，除了完成流程自闭环的反馈判断，还能够对数据的趋势、关联进行综合分析，设备不但可以掌握自身的运行状态，实现故障检测与隔离，启用合适的故障预案，还能够想设计操作人员提供辅助决策和任务规划建议。
3.2.3 执行层 前端无人值守是未来火箭发展的必然趋势。
电测过程中的脱查脱拔等人为操作、异常故障时的抢险操作，可以采用带视觉定位系统的机械臂来完成。
此外，后端的人机交互也可以加入语音识别、手势感知等新型指挥手段，提高测试效率。
3.3更全面的设计保障 3.3.1 智能设计 引入人工智能技术，可以将目前的半智能化计算机辅助设计系统升级为智能化计算机辅助设计系统，整合现有的海量资料及资源，模拟人脑思考的过程，彻底解决上述三类问题。
采用人工智能技术的“航天大脑”可以根据型号需求提供总体文件的初稿，总体设计师进行决策修改后，“航天大脑”将系统需要的文件自动下发至系统级，并形成系统级文件的初稿，系统设计师进行决策修改后，“航天大脑”再将单机需要的文件下发至单机。
在进行具体设计时，设计师仅需将设计输入文件提交至“航天大脑”，系统则会根据需求以及所学习的设计文件完成设计工作。
如设计电缆网图时，设计师仅需将电缆的几何尺寸、点位定义等提交至“航天大脑”，“航天大脑”会自动绘制出电缆网图的模板，并自动给出诸如线缆型号推荐、连接器型号推荐等辅助决策信息，设计师将不需逐个翻阅厂家的手册即可完成设计，设计效率将大大提高。
此外，由于“航天大脑”能够在很短的时间内完成大量文件的学习工作，并从中找出最优方案，设计的标准化和设计水平也能够得到保证。
3.3.2 智能制造 智能制造是一种由智能机器和人类专家共同组成的人机一体化智研制造系统，通过人与智能机器的合作共事，扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。
它把制造自动化的概念更新，扩展到柔性化、智能化和高度集成化。
利用大数据技术，对于运载火箭制造装配需要的物资、工具、生产线、场地、工装、人员、运输车辆都统一进行编码采集与实时定位管理，将散布在全国各地的运载火箭制造装配资源条件，进行投筹管理，真正做到全国一盘棋。
并与运载火箭发射任务计划有机对接，通过态势分析与智能预测，实现生产规模进度的最优化预测管理，成本进度最优化，并能够实现突发风险的动态应变处置，实现成本最优化管理。
在生产过程中，也完成了对火箭全生命周期信息的收集与保障。
建立火箭的综合档案履历资料库，收集制造、装配、测试各个过程的数据与知识，构建大数据分析中心，作为智慧火箭的数据支撑与健康诊断的依据，降低设计和研制成本、提升测发效率、提升火箭的可靠性[7]。
3.3.3 远程支持 随着在运载火箭高密度发射、零窗口点火变得常态化，靠大量人力在靶场保障发射任务的模式已难以适应未来的发展需求。
发射中心将从逐步从靶场向远程后方迁移，以日本epsilon火箭为例，科研人员远程使用两台笔记本就可实现火箭发射控制。
远程支持中心能够统一接收、存储各靶场各型号发回的测试数据并存储，并通过智能搜索引擎随时搜索查看关心的数据及相关文档；针对当发测试数据，结合历史数据进行大数据分析，提前识别出可能有质量隐患的关键节点；当靶场出现故障时，远程支持中心通过多媒体、虚拟现实等手段开展协同排故工作。
4中国航天发展人工智能的对策建议 4.1聚焦航天 “大脑”技术体系，做好战略规划和顶层设计 基于对大数据与人工智能的探索和积累，提出以技术-产品-服务为核心的航天“大脑”，其技术体系设想如图1所示。
图1航天“大脑”技术体系 4.1.1 技术层 智能感知是为机器装上触觉、视觉、听觉、神经和运动机构等智能硬件，使其具备感知世界的能力。
通过集群和虚拟化技术实现对海量数据的快速预处理、分布式存储、并行计算等，为智慧大脑提供强大的记忆”和“计算”能力。
4.1.2 产品层 智慧产品包括智慧院所、智慧火箭、智慧装备和智慧民用产业。
其中，智慧院所是所有智慧产品研制的基础，其可以充分激发员工创新创业热情，并为员工提供高效便捷的管理方式；智慧火箭指的是为火箭装上“触觉”和“大脑”，降低测发控对人的依赖，提升火箭可靠性；智慧装备指的是通过全寿命周期的健康管理，实现装备自主保障；智慧民用产业指的是通过军民融合方式，将军用技术转向民用领域，如智能健康监测、智慧家电远程测控、智慧照明、智慧安防等领域。
4.1.3 服务层 未来应全力推动大数据人工智能等技术与航天装备的结合，实现装备信息智能采集、远程保障、智能决策的完美集成，发展模式也将由提供产品向提供全方位解决方案的服务转变。
4.2打造航天“大脑”系列产品，快速形成专业的能力和队伍 4.2.1 智慧院所 以创新为驱动、以信息化为基础、以知识为载体，利用智能科学理论、技术、方法和信息及自动化技术工具，充分有效地整合和优化利用各类内外部资源，保证能够持续创新，不断开发新产品、新服务，为航天单位的发展提供智能决策。
4.2.2 数据银行 建立航天大数据中心，成立“航天数据银行”，对产品研制、生产等多环节的数据进行统一管控、统一挖掘，实现数据挖掘效果的最大化，创造服务价值。
智慧管理通过实现产品全寿命周期的统一管控，建立基于数据信息驱动的智能化研制模式，提升工作效率。
智慧决策基于大数据技术，将先进管理理念、业务流程和管理模式等融合，实现管理信息化和智能化，达到“降本增效”的目的。
4.2.3 智能装备 通过大数据与互联网等高新技术，实现火箭的高度信息化与智能化。
包括智慧的远程发射支持平台，智慧的测发指控平台，智慧的全寿命周期综合保障平台。
智慧的远程发射支持平台通过大数据技术，训练后方的智能机器大脑，提升异地协同保障能力，减免专家到一线协助排故，解决问题。
智慧的测发指控平台依托于语音识别、图像识别、大数据等技术，实现自主的测发指控过程。
智慧的全寿命周期综合保障平台利用大数据技术保障数据统一化规范，完成自主健康评估、精准的寿命预测和数据驱动的视情维修[8]。
4.2.4 智慧产业 依托剩余载荷和末级监控，实现对地观测等服务，依托远程测控、健康监测、大数据、新一代信息应用技术，通过融合智慧城市中的多源数据，在智慧城市和智慧产业中，提升城市的精细化管理水平，同时为航天单位军民融合开拓增收，锻炼队伍。
4.3分布落地执行，拓展航天“大脑”的服务 未来，应全力推动大数据人工智能等技术与航天装备的结合，实现装备信息智能采集、远程保障、智能决策的完美集成，航天企业的发展模式也将由提供产品向提供全方位解决方案的服务转变，如智慧的发射服务、全面的体系作战服务和智慧的军民融合服务。
智慧发射最终要实现输入一个指定的位置坐标，为其精准、快速、智能、高效、低廉地发射到指定地点。
全面的体系作战服务基于大数据和人工智能技术，能够实现装备的自主保障、战时智能决策和一体化的体系作战。
智慧的军民融合服务结合现有的技术和民用产业，开展更多的智慧产业服务，通过信息和通信技术的应用，提升城市的管理水平，提高市民的生活质量，令城市运行和市民生活更加智能。
参考文献: [1]夏定纯, 徐 涛. 人工智能技术与方法[M].华中科技大学出版社, 2004. [2]张 妮, 徐文尚, 王文文. 人工智能技术发展及应用研究综述[J]. 煤矿机械, 2009, 30(2):4-7. [3]沈林城, 关世义. 开放式飞行任务规划方法[J].宇航学报, 1998, 19(2):13-18. [4]席 政. 人工智能在航天飞行任务规划中的应用研究[J]. 航空学报, 2007, 28 (4) :791-795. [5]张 克, 邵长胜, 强文义. 基于面向Agent技术的任务规划系统研究[J]. 高技术通讯, 2002, 12(5):82-86. [6]鲁 宇. 中国运载火箭技术发展 [J]. 宇航总体技术, 2017(3):5-12. [7]郭凤英, 何洪庆. 人工智能技术在航天领域的应用[J]. 中国航天, 1996(6)：19-21. [8]谭 勇, 王 伟. 智能故障诊断技术及发展[J].飞航导弹, 2009(7) and Prospect of Artificial Intelligence in China Aerospace Yue MengYun, Wang Wei, Zhang Xige (Beijing Institute of Aerospace SystemEngineering, Beijing ,China)Abstract : With the breakthrough of technology such asnetworking, massively parallel computing, big data and deep learningalgorithms, Artificial Intelligence has achieved rapid development in recentyears, exciting prospects for development in image identification, voicerecognition, Natural Language Processing(NLP), self-driving, thus got theattention and support from governments of the world. This paper combinesartificial intelligence technology with space applications such as rockets,deep-space detector and weapon equipment, then describes its applicationprospect in space Mission Planning, Ground Testing, Integrated Support, puts forward relevant countermeasures and suggestions on the subsequentdevelopment of AI technology in China : Artificial Intelligence; Big Data; China Aerospace 收稿日期：2019-02-18；修回日期：2019-02-26。
作者简介：岳梦云(1988-)，女，安徽合肥人，硕士，工程师，主要从事运载火箭与导弹的地面测发控系统设计方向的研究。
文章编号：1671-4598 ( 2019 ) 06-0001-04 DOI ： 10. / .11-4762 / tp.2019.06.001 中图分类号：TP18 文献标识码：A
未来航空航天的发展趋势
未来航空航天的发展趋势是向着更加可持续、智能化和多元化的方向发展。
随着环境问题的日益严重，未来的航空航天技术将更加注重环保和可持续性。
电动飞机和绿色燃料将成为发展的重点，以减少碳排放和噪音污染。
例如，一些初创公司正在研发以电力为动力的垂直起降飞行器，这些飞行器不仅能在城市中快速穿梭，还能显著减少对环境的影响。
在智能化方面，航空航天技术将与人工智能、大数据等先进技术深度融合，实现更加精准、高效的飞行。
自主飞行系统、智能航空交通管理等将成为可能，提高飞行的安全性和效率。
例如，利用AI技术，飞机可以在复杂的气象条件下自主规划最佳飞行路径，确保乘客的安全和舒适。
多元化是未来航空航天发展的另一重要趋势。
随着技术的进步，航空航天的应用领域将不断拓宽，除了传统的客运和货运，还将涉足太空旅游、资源勘探、应急救援等多元化领域。
例如，太空旅游已经成为现实，未来将有更多的人有机会体验太空之旅，这将极大地推动航空航天技术的发展和创新。
总之，未来航空航天的发展将更加注重环保、智能化和多元化。
这些趋势不仅将推动航空航天技术的革新，也将为人类创造更加美好的未来提供强大支持。
未来航天技术面临的挑战有哪些？
航天技术经过四五十年的发展，已进入全面收益阶段。目前，应用卫星在不断完善和扩大应用的范围；军用卫星在不断地更新换代；天文卫星和星际探测器在不断地发回有关宇宙的新信息；载人航天飞行在有条不紊地进行着；航天飞机和宇宙飞船经常性地往来于天地之间；国际“阿尔法”空间站已经建造……在更加遥远的将来，航天技术将朝着哪些方向发展，航天技术的未来将面临哪些挑战呢？
无论进行何种选择，航天技术的发展必须以解决人类面临的问题、造福于人类和增进人类知识财富三大目的为本。当前，人类面临着数不清的问题，工业化的发展使这些问题变得日益严重。航天时代以来，人们提出了种种解决上述问题的途径。有些也许可以作为航天未来发展的方向。
人口、生态和环境是当今世界的热点问题。1969年，美国物理学家奥尼尔提出了太空城和太空移民的设想。他认为，解决上述问题的最好的办法是在太空中建造一个个太空城，逐步把人类移居到地球周围的太空城中。太空城内建有一种适于植物生长的自然环境，上面有百草、树木、河流和湖泊。除了这些人工自然环境外，太空城内还有道路、居住区、娱乐区、商业区、工作区等等。人类移居太空后，让地球长时间按着自然力的作用进行重新改造，恢复过去的生机和良好的生态环境。经过几百年后，地球会在没有人类干预的情况下，轻装上阵，变得更加生机勃勃、动物成群、绿树成荫、风调雨顺、风和日丽、万象更新。如果有必要，人类还可以重返地球。
作为太空移民概念的扩大，20世纪70～80年代出现了大量建立月球基地甚至改造火星的设想。美国宇航局科学家于1991年7月8日就提出了这样一个设想。他们就改造火星的进程制定了大致的时间表：在完成初步探测后，到公元2014年，人类先遣队将率先登上火星。他们先进行考察工作，初步开辟赤道地区。再过15年后，1万名专家将登上火星。他们架起太阳光反射器、开办核化工厂、建立核电站煅烧火星矿石和乱石。这些工作都是为了大量产生二氧化碳，创造人工温室效应，使火星表面气温逐渐升高。
大约到2080年，火星的平均气温将达到-15℃，这时，天空将会出现云层；赤道附近的冻原植物也开始放出氧气；两极地区的冰和干冰开始融化。渐渐地，大气层变得更加浓厚、河流和湖泊慢慢形成，植物生长更加旺盛，氧气量更加充足。这个过程不断向良性方向发展：低等动物和植物越来越多，氧气越来越丰富，温度越来越高，涓涓细流汇成大海。到2130年，火星温度将升至10℃以上；大约到2170年，巨大的植物系统将足以使大气富含氧气。这时，火星上看到的景象是：蓝蓝的天空、碧绿的原野、清清的河流、茂密的森林，一切都是那么生机勃勃。到那时，人类终于把比萨哈拉大沙漠还恶劣百倍的火星改造成了第二个地球。
为解决能源问题，科学家们提出了卫星太阳能电站设想。20世纪70年代美国有多家公司深入研究了卫星电站问题。波音公司在太阳能卫星电站上所做的工作最多，也最细致。该公司设想的电站有两种形式：一是光电转换方案，另一种是勃莱顿热循环方案。每一种方案都以发出电力10GW的电功率为目标。第一种方案又包括使用硅光电池和砷化镓光电池两类。第二种方案同地面上的汽轮发电机很相似，它依靠巨大的空腔式吸热器吸收太阳辐射，吸收的热量使循环器中的液氦气化并达到上千度高温。氦气膨胀时，通过上部的涡轮并驱动其高速旋转。回流经冷却器进入压缩机。涡轮驱动压缩机和发电机，可产生伏交流电输出，经变压器升至33万伏后再以微波形式发送回地面。
在美国，还有科学家和有关部门研究在月球表面建设太阳能电站的问题。研究表明，在月球表面可以建造2万个太阳能电站，发电功率在2万GW以上，每年产生收益15万亿美元。这个数字相当于世界总产值的60％。它虽然初期投资很大，但以后运营成本及维护成本都很低，因此具有十分广阔的发展前景。
太空工业化是航天未来发展的又一大主题。太空工业化的含义十分宽泛，可以从太空加工、生产、制药、冶炼等扩展到太空信息产业、太空旅游业和太空能源，更远期的太空工业化还包括月球和行星资源开发。许多专家指出，太空工业化初级阶段完全可能在医药、光学玻璃、电子器件、磁性材料、工业工具、新型材料以及加工工艺等方面导致新的工业革命。
在太空环境中，微重力和超真空提供了制造纯度极高、均匀性极好的大块半导体晶体的可能性；能够大量生产应力均匀、纯度高、性能极好的光导纤维和玻璃材料；可以生产高性能合金、磁性材料以及金属泡沫等新材料。许多科学家十分看好在太空生产生物制品和特种药物。生物制品商业化的三大应用领域是：生物分子结晶、生物分离和培养活细胞。特种药物生产前景也十分广阔，目前许多昂贵、且无法大量生产的特效药可望在太空大量生产，经济和社会效益非常明显。材料、加工和生物医药制品的收益保守的估计可达数千亿美元。如果包括太空信息服务、太空旅游、太空能源在内，未来15年太空工业化的总收益将超过亿美元。
从上面的描述可以看出，航天技术的未来发展前景十分广阔，对人类社会的影响也将更加深远，但面临的挑战也将是巨大的。技术上，要解决大量载荷的低成本发射问题，大型空间结构的组装问题，材料、药品和其他产品的工业化生产问题等等。从目前的状况看，太空城、太空移民、月球基地和改造火星所需要的基本技术人类已经具备，太空生产、加工的可行性已经得到实验验证。目前全世界航天年潜在发射能力可达上万吨，大型空间构件的组装已不存在很大困难。因此从技术角度上讲，太空工业化的目标并不遥远。显然，巨额资金需求将制约着未来航天技术的发展进程，但实现太空工业化等目标的最大挑战或许来自于人类的价值观和人类的合作精神。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...