王曉晨，劉 鵬，朱 瑪，粘丹妮，張香燕，羅毓芳

基于知識(shí)和大數(shù)據(jù)的多航天器管理云平臺(tái)設(shè)計(jì)

王曉晨，劉 鵬，朱 瑪，粘丹妮，張香燕，羅毓芳

（北京空間飛行器總體設(shè)計(jì)部 北京 100094）

在軌衛(wèi)星數(shù)量呈爆發(fā)式增長。在應(yīng)用方面，亟需提升海量衛(wèi)星并行管理能力和自動(dòng)化、智能化水平。設(shè)計(jì)并構(gòu)建了一種基于知識(shí)和大數(shù)據(jù)的航天器在軌管理云平臺(tái)，通過工程實(shí)際應(yīng)用，驗(yàn)證了系統(tǒng)設(shè)計(jì)的可行性，實(shí)現(xiàn)了200余顆在軌航天器的并行管理，可以為我國未來復(fù)雜星座星群的高效運(yùn)行管理提供參考。

知識(shí)；大數(shù)據(jù)；云平臺(tái)；多航天器；在軌管理

引 言

隨著我國航天事業(yè)的發(fā)展，在軌航天器的數(shù)量日益增多，截至2020年底，我國在軌運(yùn)行的航天器有400余顆，預(yù)計(jì)“十四五”期間將達(dá)到千星規(guī)模[1]。航天器上遙測參數(shù)的數(shù)量也大幅增加，以某領(lǐng)域衛(wèi)星為例，二代衛(wèi)星的遙測參數(shù)就比一代衛(wèi)星的遙測參數(shù)增加了十幾倍，達(dá)到2萬多個(gè)，無論是單星遙測還是多星累計(jì)遙測已然進(jìn)入了大數(shù)據(jù)時(shí)代。另一方面，隨著我國航天器從早期的試驗(yàn)型逐步發(fā)展到目前的應(yīng)用型，在以往保障航天器安全的基本前提下，最大程度地挖潛航天器的應(yīng)用效能，最大限度地延長航天器壽命，發(fā)揮其潛能，對在軌管理提出了更高要求[2,3]，也對地面系統(tǒng)的故障發(fā)現(xiàn)及處理、性能分析與預(yù)測水平均提出了更高的要求。新一代航天器在軌管理平臺(tái)需要充分利用專家知識(shí)和大數(shù)據(jù)，進(jìn)一步提升航天器并行管理、異常發(fā)現(xiàn)、性能預(yù)測能力，提升自動(dòng)化、智能化水平。

本文根據(jù)多航天器在軌管理和應(yīng)用的實(shí)際需求，結(jié)合大數(shù)據(jù)和云技術(shù)，設(shè)計(jì)構(gòu)建了基于知識(shí)和大數(shù)據(jù)的多航天器在軌管理云平臺(tái)，以期為我國未來復(fù)雜星座星群的高效運(yùn)行管理提供參考。

1 需求場景分析

隨著航天器在軌數(shù)量的爆發(fā)式增長，航天器在軌管理面臨諸多機(jī)遇和挑戰(zhàn)，主要包括：高密度發(fā)射呈常態(tài)化，新增在軌航天器的快速部署能力需要提升；在軌航天器總量逐年躍升且遙測參數(shù)量顯著增加，多航天器并行管理能力需要提升；任務(wù)持續(xù)增長，人力資源、設(shè)備資源受限，智能管控、資源優(yōu)化能力需要提升。但利好的一面是，隨著在軌管理經(jīng)驗(yàn)和航天器在軌數(shù)據(jù)的逐年積累，為共性知識(shí)管理、應(yīng)用和在軌大數(shù)據(jù)分析、挖掘提供了可能。

總體來說，多航天器在軌管理應(yīng)用場景主要包括以下兩方面：

①基于知識(shí)的應(yīng)用

該場景重點(diǎn)面向基于當(dāng)前狀態(tài)的實(shí)時(shí)監(jiān)測、基于事件的事后處置或基于時(shí)間的定期維護(hù)，需要綜合利用各種類型的多元診斷知識(shí)，對獲取的航天器設(shè)計(jì)數(shù)據(jù)、測試數(shù)據(jù)、測控?cái)?shù)據(jù)、軌道數(shù)據(jù)、空間環(huán)境數(shù)據(jù)等多源數(shù)據(jù)進(jìn)行融合處理與分析，對航天器狀態(tài)進(jìn)行判讀，推理判斷完成故障定位，給出相應(yīng)的處置策略。

未來我國航天器逐漸向平臺(tái)化、體系化方向發(fā)展，尤其是巨型星座在軌運(yùn)行后，該特點(diǎn)更為明顯。需要從橫向維度實(shí)現(xiàn)基于知識(shí)的平臺(tái)化管理，即采用“A+B”管理模式，復(fù)用A類共性知識(shí)，補(bǔ)充B類個(gè)性知識(shí)，支持新增同平臺(tái)航天器的快速部署和管理。由于航天器的“設(shè)計(jì)”屬性比較明顯，工程實(shí)踐中基于知識(shí)的管理能夠有效解決95%以上的異常發(fā)現(xiàn)和定位問題。

②基于大數(shù)據(jù)的應(yīng)用

該場景重點(diǎn)面向基于大數(shù)據(jù)的分析和挖掘，實(shí)現(xiàn)主動(dòng)性、先導(dǎo)性的健康管理和決策支持。需要對多源在軌數(shù)據(jù)進(jìn)行橫向比對與關(guān)聯(lián)分析等深加工，一方面可以建立或訓(xùn)練出單機(jī)量化評(píng)價(jià)模型，分析、挖掘單機(jī)性能變化、異常演化的趨勢規(guī)律，根據(jù)現(xiàn)在或歷史性能狀態(tài)預(yù)測性地診斷未來的在軌健康狀態(tài)或性能變化趨勢，在早期識(shí)別出產(chǎn)品性能隨時(shí)間的推移逐漸變化，而可能產(chǎn)生的漸變性故障，有利于從根本上改變現(xiàn)行的“定期維修”或“事后處理”的被動(dòng)模式，避免非預(yù)期的重大惡性事故的發(fā)生；另一方面，通過跨型號(hào)、跨型譜橫向比對分析太陽電池陣、星敏、陀螺等典型單機(jī)產(chǎn)品的故障發(fā)生率、可靠性指標(biāo)、性能指標(biāo)等，為國產(chǎn)/進(jìn)口元器件性能比對、產(chǎn)品選型、后續(xù)設(shè)計(jì)改進(jìn)、優(yōu)化使用策略等提供參考。

2 在軌管理云平臺(tái)架構(gòu)設(shè)計(jì)

面向大規(guī)模星群開展上述兩個(gè)場景的應(yīng)用，對于數(shù)據(jù)處理、存儲(chǔ)、診斷、評(píng)估等在軌管理能力提出了較大的挑戰(zhàn)，數(shù)百臺(tái)套設(shè)備構(gòu)成的地面軟硬件系統(tǒng)日益龐大復(fù)雜，對性能、可靠性，以及快速升級(jí)與及時(shí)響應(yīng)的要求不斷提高，因此需要能夠采用最優(yōu)化的方式對地面軟硬件系統(tǒng)進(jìn)行管理和升級(jí)，提高系統(tǒng)的性能、安全性、彈性、靈活性，降低運(yùn)營維護(hù)成本，為上層各業(yè)務(wù)系統(tǒng)的高效運(yùn)行、智慧運(yùn)維、彈性擴(kuò)展提供有力支撐。在美軍、NASA、ESA的航天地面軟件系統(tǒng)中，已開始大規(guī)模利用云技術(shù)提升系統(tǒng)的性能、彈性、靈活性，降低成本[4,5]。

本系統(tǒng)結(jié)合基于知識(shí)和大數(shù)據(jù)的應(yīng)用場景需求，以及多源數(shù)據(jù)接入、系統(tǒng)并發(fā)訪問、硬件資源共享等能力需求，設(shè)計(jì)了多航天器在軌管理云平臺(tái)，主要包括資源層、數(shù)據(jù)層、中臺(tái)層、應(yīng)用層四個(gè)層次，其總體架構(gòu)設(shè)計(jì)如圖1所示：

（1）資源層

主要包括虛擬化平臺(tái)、容器化平臺(tái)和服務(wù)器、網(wǎng)絡(luò)、安全、存儲(chǔ)、備份等設(shè)備，旨在將云平臺(tái)的計(jì)算資源、網(wǎng)絡(luò)資源和存儲(chǔ)資源等基礎(chǔ)硬件設(shè)施虛擬化后進(jìn)行池化管理，統(tǒng)一調(diào)配使用，具備彈性伸縮機(jī)制。在系統(tǒng)建成后，通過增設(shè)服務(wù)器、網(wǎng)絡(luò)設(shè)備和存儲(chǔ)容量即可支持未來新業(yè)務(wù)擴(kuò)展。

（2）數(shù)據(jù)層

一方面，結(jié)合數(shù)據(jù)特點(diǎn)，采用關(guān)系型、非關(guān)系型等多種數(shù)據(jù)庫實(shí)現(xiàn)多元異構(gòu)在軌大數(shù)據(jù)的存儲(chǔ)管理；另一方面，采用消息中間件來實(shí)現(xiàn)系統(tǒng)內(nèi)部組件的通信，對應(yīng)功能模塊自主根據(jù)需要向消息中間件發(fā)布數(shù)據(jù)，或從消息中間件訂閱消息，統(tǒng)一數(shù)據(jù)傳輸?shù)膮f(xié)議，降低數(shù)據(jù)交互的復(fù)雜度和系統(tǒng)耦合度[6]。

（3）中臺(tái)層

無論是基于知識(shí)的監(jiān)視診斷，還是基于大數(shù)據(jù)的分析評(píng)估，其基礎(chǔ)均可分解為對在軌數(shù)據(jù)和相關(guān)信息的預(yù)處理、存儲(chǔ)、查詢、運(yùn)算、評(píng)估等細(xì)粒度功能，將這些通用功能模塊化，抽象出來封裝為中臺(tái)層，為上層各業(yè)務(wù)系統(tǒng)提供共享服務(wù)。每個(gè)服務(wù)采用微服務(wù)架構(gòu)開發(fā)并進(jìn)行獨(dú)立部署、獨(dú)立維護(hù)、獨(dú)立擴(kuò)展，服務(wù)與服務(wù)間通過RESTful API的方式互相調(diào)用[7-9]。

圖1 多航天器在軌管理云平臺(tái)架構(gòu)

部署的服務(wù)包括信息查詢類、運(yùn)算函數(shù)類、信息存儲(chǔ)類、系統(tǒng)管理類等，見表1。

表1 中臺(tái)層部署的服務(wù)

（4）應(yīng)用層

主要包括5個(gè)子系統(tǒng)，面向在軌管理實(shí)際業(yè)務(wù)提供用戶交互服務(wù)。

①在軌數(shù)據(jù)管理與應(yīng)用子系統(tǒng)，主要實(shí)現(xiàn)在軌航天器遙測數(shù)據(jù)的處理、存儲(chǔ)和查詢，包括曲線/列表查詢、分析比對和多元異構(gòu)數(shù)據(jù)關(guān)聯(lián)查詢等。

②航天器故障診斷子系統(tǒng)，主要實(shí)現(xiàn)多航天器的知識(shí)編輯、并行診斷和故障處置策略生成等。

③航天器評(píng)估評(píng)價(jià)子系統(tǒng)，主要實(shí)現(xiàn)基于數(shù)據(jù)的航天器分系統(tǒng)/單機(jī)性能的評(píng)估評(píng)價(jià)。

④綜合信息監(jiān)視管理子系統(tǒng)，主要實(shí)現(xiàn)一體化、多元信息的綜合監(jiān)視，一方面提供統(tǒng)一頁面對不同信息來源的報(bào)警、預(yù)警信息進(jìn)行統(tǒng)一監(jiān)視，對實(shí)時(shí)報(bào)警信息、歷史報(bào)警信息、遙測數(shù)據(jù)、測控計(jì)劃、實(shí)際測控跟蹤弧段、地月影預(yù)報(bào)、航天器基本信息、在軌異常和在軌支持隊(duì)伍等多元信息的一鍵式關(guān)聯(lián)分析；另一方面提供統(tǒng)一入口、統(tǒng)一權(quán)限對各子系統(tǒng)進(jìn)行訪問。

⑤運(yùn)行管理子系統(tǒng)，主要實(shí)現(xiàn)對用戶和權(quán)限的管理、系統(tǒng)運(yùn)行狀態(tài)監(jiān)控等。

3 在軌監(jiān)視和診斷知識(shí)設(shè)計(jì)

3.1 知識(shí)分類描述

根據(jù)在軌航天器特點(diǎn)，以及實(shí)際監(jiān)測過程中對航天器故障的判斷流程，可以將在軌監(jiān)視和故障診斷知識(shí)分為4大類，主要描述方式如下所示：

①工況識(shí)別知識(shí)

描述航天器工作在某種工作模式（如側(cè)擺模式、正常模式）或狀態(tài)（如地影期、光照期）的專家知識(shí)，描述方式如圖2所示。該類知識(shí)主要表征了航天器所處的狀態(tài)，其推理結(jié)果可作為其它知識(shí)的輸入。

②參數(shù)條件判讀知識(shí)

描述航天器某遙測參數(shù)在某判讀條件（條件A）成立情況下是否工作在正常值范圍（條件B）的專家知識(shí)，描述方式如圖3所示。

圖2 工況識(shí)別知識(shí)描述方式

圖3 參數(shù)條件判讀知識(shí)描述方式

③過程監(jiān)視知識(shí)

針對航天器在軌某一特定工作過程（如軌道控制），用與工作過程動(dòng)作、事件相關(guān)的遙測數(shù)據(jù)、時(shí)間、工況及判斷邏輯描述過程監(jiān)視的專家知識(shí)，描述方式如圖4所示。

圖4 過程監(jiān)視知識(shí)描述方式

④故障診斷知識(shí)

針對預(yù)想的或已發(fā)生的故障，用與故障相關(guān)的遙測數(shù)據(jù)、時(shí)間、動(dòng)作、工況及判斷邏輯描述故障判斷的專家知識(shí)，描述方式如圖5所示。

圖5 故障診斷知識(shí)描述方式

3.2 知識(shí)邏輯模型設(shè)計(jì)

知識(shí)的表示是知識(shí)符號(hào)化的過程，即將知識(shí)編碼成一種適當(dāng)?shù)臄?shù)據(jù)結(jié)構(gòu)。目前，典型的知識(shí)表示法有產(chǎn)生式規(guī)則、語義網(wǎng)絡(luò)、謂詞邏輯等。本系統(tǒng)采用基于模糊產(chǎn)生式規(guī)則知識(shí)的故障診斷技術(shù)，模擬在軌管理專家分析衛(wèi)星在軌狀態(tài)的思路，以接收到的航天器遙測數(shù)據(jù)為激勵(lì)，以森林遍歷方式對專家知識(shí)進(jìn)行搜索和匹配，通過推理運(yùn)算得出航天器狀態(tài)信息和異常信息，并提取得到異常信息的知識(shí)鏈中的推理邏輯和輔助處理信息，給出異常的輔助處理決策信息。

針對3.1節(jié)中描述的4大類在軌監(jiān)視和故障診斷知識(shí)，分別設(shè)計(jì)了邏輯模型，具體如下：

① 狀態(tài)監(jiān)視知識(shí)

工況識(shí)別和條件判讀知識(shí)均為基于當(dāng)前狀態(tài)的實(shí)時(shí)監(jiān)視，屬于狀態(tài)監(jiān)視知識(shí)，是一種正向規(guī)則，描述的是從現(xiàn)象到結(jié)論的推理過程。其邏輯模型描述如下：

<狀態(tài)監(jiān)視知識(shí)> =規(guī)則名:Rule( {<推理結(jié)果>|<邏輯運(yùn)算表達(dá)式>} )

Begin

[<數(shù)值運(yùn)算知識(shí)>]

{<報(bào)警結(jié)果表達(dá)式>|{<報(bào)警規(guī)則>[…n]}}

End

上述模型中的數(shù)值運(yùn)算知識(shí)，是指在進(jìn)行規(guī)則匹配過程中進(jìn)行大量的數(shù)學(xué)運(yùn)算之前進(jìn)行的數(shù)值準(zhǔn)備工作，由變量定義、變量聲明、賦值、條件、循環(huán)、函數(shù)調(diào)用六種基本語句組成。該定義適用于以下所有邏輯模型。

②過程監(jiān)視知識(shí)

在實(shí)際在軌復(fù)雜過程監(jiān)視中，存在多個(gè)過程的監(jiān)視，系統(tǒng)設(shè)計(jì)每個(gè)過程都用一個(gè)獨(dú)立的過程監(jiān)視規(guī)則來描述。過程監(jiān)視知識(shí)的邏輯模型如下：

<過程監(jiān)視知識(shí)列表> =

Begin

[<數(shù)值運(yùn)算知識(shí)>]

<過程監(jiān)視規(guī)則>[…n]；

End

每一個(gè)過程監(jiān)視規(guī)則的邏輯模型說明如下：

<過程監(jiān)視規(guī)則> =規(guī)則名：process(<推理結(jié)果> )

Timelimit:運(yùn)行時(shí)限

[State：狀態(tài)名稱]

[Continuance:持續(xù)時(shí)間 [reliability：可信度]]

Begin

[<數(shù)值運(yùn)算知識(shí)>]

[<狀態(tài)判定規(guī)則>]

<過程狀態(tài)監(jiān)視規(guī)則>[…n]

End

過程監(jiān)視規(guī)則描述了這個(gè)過程監(jiān)視的啟動(dòng)條件，運(yùn)行時(shí)間限制和這段過程中存在的所有狀態(tài)，當(dāng)滿足過程監(jiān)視的啟動(dòng)條件后就開始對這個(gè)過程的監(jiān)視。

③故障診斷知識(shí)

故障診斷知識(shí)主要用于描述專家對航天器故障分析判斷的知識(shí)，是一種反向規(guī)則，即先假設(shè)某種故障，再檢查這種故障在何種條件下所表示出來的癥狀，如果癥狀全部滿足，則可以認(rèn)定為這種故障成立。根據(jù)以前出現(xiàn)的故障或故障定位方法中故障的判定原則，可以組織成反向推理知識(shí)，在系統(tǒng)推理時(shí)可以根據(jù)是否滿足現(xiàn)象確定具體故障。

故障診斷知識(shí)的邏輯模型描述如下：

<故障診斷知識(shí)> =規(guī)則名：( <故障表達(dá)式> ) <故障輸出表達(dá)式>

Begin

[<數(shù)值運(yùn)算知識(shí)>]

{<故障條件表達(dá)式>}|

{[<數(shù)值運(yùn)算表達(dá)式> […n]}]|<故障現(xiàn)象表達(dá)式>[…n]}

End

對于航天器的反向推理生成的故障，可以作為最終確定的推理結(jié)果，也可以作為其它規(guī)則的匹配條件。通常情況某些深層次的故障通常表現(xiàn)為許多方面的異常（這些異?？赡苁瞧渌?guī)則推理出來的故障），可以根據(jù)這些異常進(jìn)行進(jìn)一步推理，最終分析確定航天器的深層次故障原因。

此外，為便于專家知識(shí)繼承、共享和快速部署，將專家知識(shí)從層次上劃分為：整星類、分系統(tǒng)類、部件類知識(shí)，新航天器部署時(shí)可以按照類別直接進(jìn)行復(fù)用。

4 在軌大數(shù)據(jù)分析設(shè)計(jì)

4.1 多源異構(gòu)在軌數(shù)據(jù)存儲(chǔ)與關(guān)聯(lián)查詢設(shè)計(jì)

航天器在軌運(yùn)行產(chǎn)生的相關(guān)數(shù)據(jù)種類豐富，包括遙測數(shù)據(jù)、遙控指令、測控事件、異常信息、軌道根數(shù)等，這些數(shù)據(jù)的特點(diǎn)和結(jié)構(gòu)不一樣，存儲(chǔ)方式也有差異。經(jīng)過多年長期積累，這些在軌數(shù)據(jù)已各自形成了獨(dú)立的數(shù)據(jù)庫。對于遙測數(shù)據(jù)這種數(shù)據(jù)規(guī)模大、實(shí)時(shí)性高、屬性少的數(shù)據(jù)，采用了非關(guān)系型分布式數(shù)據(jù)庫Cassandra存儲(chǔ)[10-12]，而對于其他的測控事件、在軌異常信息等非遙測數(shù)據(jù)，由于數(shù)據(jù)量較小、屬性較多，關(guān)聯(lián)關(guān)系復(fù)雜，則采用了神通數(shù)據(jù)庫、Oracle等關(guān)系型數(shù)據(jù)庫存儲(chǔ)。面對日益迫切的航天器設(shè)計(jì)優(yōu)化與可靠性研究需求，如何能夠?qū)⑦@些多源異構(gòu)在軌數(shù)據(jù)庫進(jìn)行有效集成，為用戶提供一個(gè)統(tǒng)一的在軌數(shù)據(jù)共享和分析平臺(tái)尤為必要。

現(xiàn)有的多源數(shù)據(jù)集成技術(shù)大致分為倉庫法和虛擬法兩種實(shí)現(xiàn)方式[13]：

①倉庫法。該方法要建立數(shù)據(jù)倉庫，將分散在各數(shù)據(jù)源中的數(shù)據(jù)副本統(tǒng)一集中存儲(chǔ)在數(shù)據(jù)倉庫中，其缺點(diǎn)是數(shù)據(jù)遷移和維護(hù)麻煩，成本較高。

②虛擬法。該方法是在不改變數(shù)據(jù)存儲(chǔ)位置的前提下，在用戶與數(shù)據(jù)源間建立虛擬層，屏蔽底層數(shù)據(jù)源差異，為用戶提供統(tǒng)一的全局視圖，實(shí)際應(yīng)用更為廣泛。但是這些方法中，異構(gòu)數(shù)據(jù)庫只能是支持SQL的關(guān)系型數(shù)據(jù)庫，數(shù)據(jù)的查詢條件都必須用SQL語言來描述，并不適用于存儲(chǔ)海量遙測數(shù)據(jù)的非關(guān)系型分布式數(shù)據(jù)庫。

因此，本系統(tǒng)設(shè)計(jì)了一種既支持關(guān)系型數(shù)據(jù)庫，同時(shí)也支持非關(guān)系型數(shù)據(jù)庫的多源異構(gòu)航天器在軌數(shù)據(jù)關(guān)聯(lián)查詢方法，其基本思想是，構(gòu)建數(shù)據(jù)查詢中間件，該數(shù)據(jù)查詢中間件與現(xiàn)有技術(shù)的中間件不同，其解析用戶層面的查詢腳本。該查詢腳本采用邏輯數(shù)據(jù)對象的方式對查詢目標(biāo)進(jìn)行指定，而不是采用物理地址的方式對查詢目標(biāo)進(jìn)行指定，從而降低了對用戶的要求，屏蔽了異構(gòu)數(shù)據(jù)庫在查詢上的不同和難度。每種類型的數(shù)據(jù)庫都配備一個(gè)數(shù)據(jù)引擎，負(fù)責(zé)查詢中間件和數(shù)據(jù)庫的銜接，起到翻譯的作用。該方法的應(yīng)用流程如圖6所示，具體應(yīng)用流程描述如下：

①用戶采用一套支持在軌飛行數(shù)據(jù)關(guān)聯(lián)查詢的描述腳本發(fā)起請求，該腳本采用面向?qū)ο蟮狞c(diǎn)分法表示航天器、分系統(tǒng)、單機(jī)、遙測參數(shù)之間的層次關(guān)系。每個(gè)航天器用一個(gè)由六個(gè)字符組成的唯一代號(hào)表示，例如：SZ0901表示神舟九號(hào)飛船，分系統(tǒng)用SubSystem表示，設(shè)備用Device表示，遙測參數(shù)用TM表示，遙控指令用TC表示。又如：SZ0901.SubSystem[電源].TM.TJ10代表神舟九號(hào)飛船電源分系統(tǒng)中代號(hào)為TJ10的遙測參數(shù)。在腳本的設(shè)計(jì)中同時(shí)包含各類數(shù)值計(jì)算語句，以及函數(shù)語句，支持?jǐn)?shù)據(jù)的二次計(jì)算。用戶只需根據(jù)數(shù)據(jù)的邏輯結(jié)構(gòu)，用腳本的方式動(dòng)態(tài)定制查詢條件即可，而無需考慮對具體數(shù)據(jù)源的存儲(chǔ)結(jié)構(gòu)。

圖6 多源異構(gòu)在軌數(shù)據(jù)關(guān)聯(lián)查詢方法

②實(shí)現(xiàn)一個(gè)查詢分析器，對輸入的查詢腳本進(jìn)行詞法、語法和語義分析，分解、重寫成針對每個(gè)數(shù)據(jù)源的子查詢，傳輸給任務(wù)調(diào)度。

③實(shí)現(xiàn)一個(gè)任務(wù)調(diào)度模塊，接收拆分后的各個(gè)子查詢命令，調(diào)用數(shù)據(jù)查詢引擎接口獲取數(shù)據(jù)，如果指令中包含二次計(jì)算的參數(shù)，則調(diào)用擴(kuò)展函數(shù)庫進(jìn)行計(jì)算。

④擴(kuò)展函數(shù)庫在收到任務(wù)調(diào)度指令后，調(diào)用數(shù)據(jù)查詢引擎接口獲取數(shù)據(jù)，擴(kuò)展函數(shù)庫還提供了一個(gè)統(tǒng)一的函數(shù)擴(kuò)展接口，用戶可以自己開發(fā)滿足該接口的函數(shù)包，在系統(tǒng)中注冊其調(diào)用方式與入口參數(shù)，實(shí)現(xiàn)動(dòng)態(tài)擴(kuò)展新的二次計(jì)算方法。

⑤實(shí)現(xiàn)一個(gè)統(tǒng)一的數(shù)據(jù)查詢引擎接口，針對每一種在軌數(shù)據(jù)庫，開發(fā)一個(gè)實(shí)現(xiàn)該接口的數(shù)據(jù)查詢引擎，并在系統(tǒng)中注冊。各類數(shù)據(jù)查詢引擎負(fù)責(zé)完成數(shù)據(jù)的查詢?nèi)蝿?wù)，并將所有結(jié)果返回。

⑥數(shù)據(jù)查詢引擎接口收到查詢結(jié)果后，將不同任務(wù)的結(jié)果打包成單獨(dú)的數(shù)據(jù)包返回。

⑦實(shí)現(xiàn)一個(gè)結(jié)果合成模塊，對各個(gè)子查詢結(jié)果進(jìn)行合成運(yùn)算，并形成最終結(jié)果返回給用戶。

上述方法的優(yōu)點(diǎn)在于：

①采用邏輯數(shù)據(jù)對象的方式對查詢目標(biāo)進(jìn)行指定，用戶只需根據(jù)航天器的邏輯結(jié)構(gòu)，用腳本的方式自由靈活的定制查詢條件即可，而無需考慮對具體數(shù)據(jù)源的存儲(chǔ)結(jié)果，提高了用戶編輯的效率。

②不僅可以直接查詢原始數(shù)據(jù)內(nèi)容，還可以利用復(fù)雜數(shù)學(xué)運(yùn)算自定義查詢二次計(jì)算的數(shù)據(jù)內(nèi)容，從而通過查詢邏輯條件約束下的數(shù)據(jù)信息，將原本孤立的數(shù)據(jù)內(nèi)容關(guān)聯(lián)起來進(jìn)行查詢處理，可用于海量數(shù)據(jù)中的有效信息提取及分析，大大提高了數(shù)據(jù)的應(yīng)用價(jià)值。

③查詢引擎屏蔽了底層異構(gòu)數(shù)據(jù)庫的差異性，將系統(tǒng)的變化部分限制在了查詢引擎中，實(shí)現(xiàn)各種異構(gòu)在軌數(shù)據(jù)的統(tǒng)一訪問，不僅支持關(guān)系型數(shù)據(jù)庫，也支持非關(guān)系型數(shù)據(jù)庫，同時(shí)支持動(dòng)態(tài)增加新的數(shù)據(jù)庫。

4.2 基于在軌大數(shù)據(jù)的評(píng)估評(píng)價(jià)設(shè)計(jì)

在多源異構(gòu)在軌數(shù)據(jù)存儲(chǔ)與關(guān)聯(lián)查詢的基礎(chǔ)之上，還需要進(jìn)一步對一些典型單機(jī)產(chǎn)品進(jìn)行深度評(píng)估評(píng)價(jià)，分析、挖掘單機(jī)性能變化、異常演化的趨勢規(guī)律，總體來說，其應(yīng)用流程主要包括：首先，進(jìn)行格式轉(zhuǎn)換、時(shí)間對齊、數(shù)據(jù)清洗等，并對各類數(shù)據(jù)標(biāo)識(shí)好血緣關(guān)系，便于后續(xù)的融合利用；其次，根據(jù)大數(shù)據(jù)分析的目標(biāo)，對分析算法進(jìn)行建模[14]，如圖7所示。

圖7 在軌大數(shù)據(jù)評(píng)估評(píng)價(jià)流程

本系統(tǒng)設(shè)計(jì)了一套“通用+專用”的指標(biāo)計(jì)算體系，涵蓋以下幾類計(jì)算方法：

①預(yù)處理算法，包括數(shù)據(jù)清洗、數(shù)據(jù)抽樣、數(shù)據(jù)插值、遙測去重、時(shí)間過濾、幀長過濾、航天器標(biāo)識(shí)過濾、數(shù)據(jù)校驗(yàn)、格式檢驗(yàn)等；

②統(tǒng)計(jì)類計(jì)算算法，包括變化范圍統(tǒng)計(jì)、持續(xù)時(shí)間統(tǒng)計(jì)、循環(huán)計(jì)數(shù)統(tǒng)計(jì)、功率積分等；

③基于機(jī)器學(xué)習(xí)的計(jì)算算法[15]，包括相關(guān)性分析、聚類、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等人工智能相關(guān)的基礎(chǔ)算法；

④基于數(shù)據(jù)特征的計(jì)算算法，通過對航天器/分系統(tǒng)/單機(jī)等不同層次的數(shù)據(jù)特征分布及其特征變化情況的分析，得到反映航天器或設(shè)備健康狀態(tài)的指標(biāo)計(jì)算算法；

⑤專用計(jì)算算法，例如導(dǎo)航、遙感等特定產(chǎn)品指標(biāo)的專用算法。

基于上述指標(biāo)計(jì)算體系，基于在軌大數(shù)據(jù)的評(píng)估評(píng)價(jià)系統(tǒng)架構(gòu)設(shè)計(jì)如圖8所示。

圖8 基于在軌大數(shù)據(jù)的評(píng)估評(píng)價(jià)系統(tǒng)架構(gòu)

圖8中各組成部分說明如下：

①遙測數(shù)據(jù)訪問服務(wù)。根據(jù)指標(biāo)計(jì)算服務(wù)的需求，從Cassandra分布式數(shù)據(jù)庫中提取相應(yīng)的在軌數(shù)據(jù)。

②指標(biāo)計(jì)算服務(wù)。采用Python進(jìn)行各類算法和服務(wù)的實(shí)現(xiàn)，首先，在底層開發(fā)一個(gè)Python庫，將各類算法封裝成可重用的算法庫，這樣開發(fā)人員、在軌人員可使用本算法庫中的函數(shù)，結(jié)合Python本身的Pandas、Matplotlib以及Jupyterlib進(jìn)行自主分析；其次，在此類庫的基礎(chǔ)上將各類方法封裝成服務(wù)，對外提供Restful服務(wù)。

③指標(biāo)管理應(yīng)用。為在軌指標(biāo)管理人員和在軌評(píng)估人員提供指標(biāo)體系管理功能，完成具體指標(biāo)的計(jì)算，實(shí)現(xiàn)指標(biāo)結(jié)果的查詢以及數(shù)據(jù)顯示。

④報(bào)告生成應(yīng)用。從指標(biāo)庫獲取各分系統(tǒng)以及各產(chǎn)品的結(jié)果，然后根據(jù)用戶定義的模板自動(dòng)生成在軌評(píng)估報(bào)告。

5 系統(tǒng)實(shí)現(xiàn)效果分析

依據(jù)上述設(shè)計(jì)方案實(shí)現(xiàn)的平臺(tái)已應(yīng)用于200余顆在軌衛(wèi)星的并行管理，建立了30萬條專家知識(shí)和16類單機(jī)產(chǎn)品的評(píng)價(jià)模型，數(shù)據(jù)管理能力達(dá)到從PB級(jí)跨越至EB級(jí)跨越，服務(wù)器應(yīng)用效率由原來170臺(tái)支撐120星提升至100臺(tái)支撐200星。

平臺(tái)應(yīng)用后解決了簡單門限報(bào)警的誤警率高和故障難以準(zhǔn)確定位等問題，尤其是對關(guān)聯(lián)性、趨勢性、復(fù)雜性的故障實(shí)現(xiàn)了實(shí)時(shí)監(jiān)視。例如通過實(shí)時(shí)遙測數(shù)據(jù)和延時(shí)遙測數(shù)據(jù)融合的監(jiān)視蓄電池充放電平衡情況方法，實(shí)現(xiàn)對衛(wèi)星當(dāng)圈能源平衡狀態(tài)的實(shí)時(shí)監(jiān)測和掌控，確保衛(wèi)星能源系統(tǒng)滿足用戶使用要求；通過數(shù)據(jù)擬合、歷史比對、變化頻率等方法實(shí)現(xiàn)對重要性能和參數(shù)趨勢變化的監(jiān)測。系統(tǒng)應(yīng)用實(shí)例如圖9所示。

圖9 系統(tǒng)應(yīng)用實(shí)例

此外，該平臺(tái)實(shí)現(xiàn)了對不同航天器、不同產(chǎn)品的建模分析與評(píng)估評(píng)價(jià)，應(yīng)用實(shí)例如表2和圖10所示。

表2 評(píng)估評(píng)價(jià)應(yīng)用實(shí)例

圖10 評(píng)估評(píng)價(jià)應(yīng)用實(shí)例

6 結(jié)束語

本文圍繞多航天器在軌管理的實(shí)際需求，結(jié)合大數(shù)據(jù)和云技術(shù)，給出了一種基于知識(shí)和大數(shù)據(jù)的多航天器在軌管理云平臺(tái)設(shè)計(jì)，并開展了工程應(yīng)用驗(yàn)證，實(shí)現(xiàn)了200顆航天器的并行管理，且硬件資源利用率大幅提升。后續(xù)應(yīng)用中還需要進(jìn)一步融合基于模型、基于機(jī)器學(xué)習(xí)等其診斷方法，進(jìn)一步提升在軌故障智能診斷能力；同時(shí)，從源頭優(yōu)化在軌遙測數(shù)據(jù)質(zhì)量，持續(xù)提升在軌大數(shù)據(jù)的挖掘和利用效能。

[1] 中國航天科技集團(tuán)有限公司. 中國航天科技活動(dòng)藍(lán)皮書(2020)[R]. 北京: 中國航天科技集團(tuán)有限公司, 2021.

[2] 李雙博, 張艷松, 李德仁, 等. 我國天基信息系統(tǒng)發(fā)展現(xiàn)狀及未來展望[J]. 中國工程學(xué), 2020, 22(1): 127–132.

LI Shuangbo, ZHANG Yansong, LI Deren, et al. Development status and future prospect of space-based information systems in China[J]. Strategic Study of CAE, 2020, 22(1): 127–132.

[3] 張志國. 超期運(yùn)行航天器在軌管理精細(xì)化實(shí)踐[J]. 航天器工程, 2020, 29(2): 109–114.

ZHANG Zhiguo. Refined practice of in-orbit management for overdue spacecraft[J]. Spacecraft Engineering, 2020, 29(2): 109–114.

[4] SREEJA N, DAVID D, NIMESH A, et a1. Prototyping operation autonomy for space trafiic management[J]. Acta Astronautica, 180(2021): 489–506.

[5] 劉鵬, 王曉晨, 劉超, 等. 基于移動(dòng)終端和云的航天器在軌監(jiān)視系統(tǒng)設(shè)計(jì)[J]. 遙測遙控, 2021, 42(1): 31–39.

LIU Peng, WANG Xiaochen, LIU Chao, et al. Design of in-orbit spacecraft monitoring system based on mobile terminal and cloud platform[J]. Journal of Telemetry, Tracking and Command, 2021, 42(1): 31–39.

[6] 王志泳. 分布式消息系統(tǒng)Kafka的性能建模與優(yōu)化技術(shù)研究與實(shí)現(xiàn)[D]. 西安：西安電子科技大學(xué), 2017.

WANG Zhiyong. The research and implementation of performance modeling and optimization technology of a distributed message system named kafka[D]. Xi’ an：Xidian University, 2017.

[7] NADAREISHVILI I, MITRA R, MELARTY M, et a1. Microservice architecture：Aligning principles，practices，and culture[M]．Sebastopol, CA: O’Reilly Media, 2016.

[8] 馮志勇, 徐硯偉, 薛霄, 等. 微服務(wù)技術(shù)發(fā)展的現(xiàn)狀與展望[J]. 計(jì)算機(jī)研究與發(fā)展, 2020, 57(5): 1103–1121.

FENG Zhiyong, XU Yanwei, XUE Xiao, et a1. Review on the development of micmservice architecture[J]. Journal of Computer Research and Development, 2020, 57(5): 1103–1121.

[9] 李瑩, 柳生鵬, 趙朗, 等. 自適應(yīng)RESTful Web API進(jìn)化模型的研究[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2017, 23(5): 1020–1030.

LI Ying, LIU Shengpeng, ZHAO Lang, et a1. Self-adapted RESTful Web API evolution model[J]. Computer Integrated Manufacturing Systems, 2017, 23(5): 1020–1030.

[10] SITALAKSHMI V, KIRAN F, SAMUEL K, et a1. SQL versus NoSQL movement with big data analytics[J]. International Journal of Information Technology and Computer Science(IJITCS), 2016, 8(12): 59–66.

[11] 杜青云. 基于CASSANDRA數(shù)據(jù)庫的?；愤\(yùn)輸傳感歷史數(shù)據(jù)分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 西安:西安科技大學(xué), 2018.

DU Qingyun. Design and implementation of historical data analysis system for hazardous chemicals transportation based on cassandra database[D]. Xi’ an：Xi’ an University of Science And Technology, 2018.

[12] 楊永毅, 趙思亮, 趙芳. 氣象大數(shù)據(jù)在Cassandra 數(shù)據(jù)庫的應(yīng)用研究[J]. 現(xiàn)代科學(xué)儀器, 2020(3): 14–20.

YANG Yongyi, ZHAO Siliang, ZHAO Fang. Research on the application of meteorological big data in cassandra database[J]. Modern Scientific Instruments, 2020(3): 14–20.

[13] 劉基陽. 面向多源異構(gòu)數(shù)據(jù)的數(shù)據(jù)集成中間件的設(shè)計(jì)與開發(fā)[D]. 成都:電子科技大學(xué), 2018.

LIU Jiyang. Design and development of data integration middleware for multi-source heterogeneous data[D]. Chengdu: University of Electronic Science and Technology of China, 2018.

[14] 柴艷妹, 雷陳芳. 基于數(shù)據(jù)挖掘技術(shù)的在線學(xué)習(xí)行為研究綜述[J]. 計(jì)算機(jī)應(yīng)用研究, 2018, 35(5): 1287–1293.

CHAI Yanmei, LEI Chenfang. Survey of online learning behavior research applying data mining technology[J]. Application Research of Computers, 2018, 35(5): 1287–1293.

[15] 李瑛, 顏廷龍. 航空大數(shù)據(jù)的融合及挖掘技術(shù)綜述[J]. 航空計(jì)算技術(shù), 2020, 50(6): 124–128.

LI Ying, YAN tinglong. a survey of fusion and mining technology of aeronautical big data[J]. aeronautical computing technique, 2020, 50(6): 124–128.

Design of multi spacecraft management cloud platform based on knowledge and big data

WANG Xiaochen, LIU Peng, ZHU Ma, NIAN Danni, ZHANG Xiangyan, LUO Yufang

（Beijing Institute of Spacecraft System Engineering, Beijing 100094, China）

With the explosive growth and application of number of on orbit spacecraft, it is urgent to improve the parallel management ability and automatic and intelligent means of massive spacecraft. A cloud platform of spacecraft on orbit management based on knowledge and big data is designed and constructed. The feasibility of the system design is verified through practical engineering application, and the parallel management of more than 200 spacecraft on orbit is realized, which can provide reference for the efficient operation and management of complex constellation in China in the future.

Knowledge; Big data; Cloud platform; Multi spacecraft; On orbit management

TP311

A

CN11-1780(2022)01-0050-11

10.12347/j.ycyk.20210505001

王曉晨, 劉鵬, 朱瑪, 等.基于知識(shí)和大數(shù)據(jù)的多航天器管理云平臺(tái)設(shè)計(jì)[J]. 遙測遙控, 2022, 43(1): 50–60.

DOI：10.12347/j.ycyk.20210505001

: WANG Xiaochen, LIU Peng, ZHU Ma, et al. Design of multi spacecraft management cloud platform based on knowledge and big data[J]. Journal of Telemetry, Tracking and Command, 2022, 43(1): 50–60.

王曉晨 1979年生，碩士，高級(jí)工程師，主要研究方向?yàn)楹教炱髟谲壒芾怼?/p>

劉 鵬 1981年生，碩士，高級(jí)工程師，主要研究方向?yàn)楹教炱髟谲壒芾怼?/p>

朱 瑪 1982年生，碩士，高級(jí)工程師，主要研究方向?yàn)楹教炱髯灾鞴芾怼?/p>

粘丹妮 1980年生，碩士，工程師，主要研究方向?yàn)楹教炱髟谲壒芾怼?/p>

張香燕 1982年生，博士，高級(jí)工程師，主要研究方向?yàn)楹教炱髟谲壒芾怼?/p>

羅毓芳 1973年生，碩士，高級(jí)工程師，主要研究方向?yàn)楹教炱髟谲壒芾怼?/p>

2021-05-05

2021-06-22

Website: ycyk.brit.com.cn Email: ycyk704@163.com

(本文編輯：潘三英)