本报告记录了美国海军卡勒研究金（Karle’s Fellowship）研究项目的第一年，调查机器学习在增强航天器运行方面的应用。研究金的第一年主要包括研究范围的确定、文献回顾、数据收集以及算法选择和开发。近年来，美国国防部（DoD）越来越重视自主能力的发展，这在美国海军的研究和发展战略中也得到了响应。机器学习技术代表了一个近期的机会，通过增强现有技术来逐步提高自主能力。从长远来看，这是对新技术的投资机会，可能会极大地提高国防部系统能力。在更复杂的技术成为现实之前，解决自主性问题的实际方法必须侧重于消除自主性的最重要障碍。在空间系统运行的背景下，健康监测和故障管理已被政府和商业实体确定为空间系统自主性的最大障碍之一。空间系统日益增长的规模和复杂性，以及卫星群的快速采用，使传统的地面人类监测迅速变得不切实际，难以持续。这项工作主要研究在卫星遥测中使用机器学习进行自动异常检测。异常检测是自主健康监测的基本职责之一，因为对非正常状态的检测通常是运行故障检测和补救过程中的第一步。近期的自动异常检测可以通过对大量的遥测数据进行分类并只标记需要调查的数据来帮助人类操作员。从长远来看，它可能被用作综合自主健康监测系统的一部分。异常检测的机器学习领域一直是广泛研究的主题，因此，该技术已经足够成熟，可应用于当前的健康监测系统。此外，异常检测在海军的其他方面也有一些潜在的应用，包括海洋领域感知（MDA）和指挥、控制、通信、计算机、情报、监视和侦察（C4ISR）工作。研究金的第二年将着重于进行实验，建立概念验证，并将该技术整合到现有的空间系统中。

1. 引言

本报告记录了一个为期两年的卡勒研究金研究项目的第一年，该项目是关于机器学习（ML）用于增强航天器运行的主题。它旨在全面回顾迄今为止的所有研究，包括美国国防部（DoD）和海军的需求、研究范围的确定、背景领域知识、文献回顾、数据收集、算法选择和开发、实验设计以及其他发现。此外，它应作为最后一年研究和后续项目的动力和基础。

1.1 杰罗姆和伊莎贝拉-卡勒研究金计划

美国海军研究实验室（NRL）设立了Jerome和Isabella Karle杰出学者研究金计划，以纪念Jerome和Isabella Karle博士，他们在化学领域的杰出贡献为他们赢得了美国和国际上的认可，Jerome Karle博士获得的诺贝尔奖。该计划为研究人员提供了进行为期12至24个月的独立研究项目的机会，这些项目由NRL内部资助。NRL的海军空间技术中心（NCST）接受了一项卡勒研究金，从2020年7月开始，到2022年7月结束，题为 "机器学习促进增强航天器运行"。该研究金的主要重点是识别、调整和应用有前途的ML算法到航天器运行中，并创建一个概念验证，以评估ML如何改善空间系统的性能。为这个概念验证提供的规定如下。

1.一个ML算法

2.一个用于训练该算法的数据集

3.用于评估该算法的航天器模拟测试平台

4.量化任何性能变化的分析结果

ML有许多潜在的应用于空间任务，为运行和任务性能的改进提供了可能性[1]。为了使这项研究与美国海军的需求保持一致，并为概念验证保持一个可操作的范围，该项目开始调查海军在空间领域的需求和目标。随后是对一般航天器运行和现有技术差距的审查，以确定ML有希望的应用领域。剩下的介绍性内容和背景概述了研究范围和方向的细化。

1.2 美国海军对增强空间系统自主性的需求

美国海军在空间领域进行许多活动，包括海洋领域感知（MDA）、定位导航和定时（PNT），以及指挥、控制、通信、计算机、情报、监视和侦察（C4ISR）[2]。这些活动为关键决策信息的收集、分析和分布提供了基础设施。这些系统的重要性体现在国防部的投资战略中。例如，2018年国防战略（NDS）和海军研究与发展框架都将具有弹性和持久性的C4ISR作为投资重点[2，3]。随着提供这些能力的系统在规模和复杂性上继续增加，以应对日益增长的作战需求，有必要整合更多的自主功能，以保持系统性能的最大可能水平。国防部已经认识到这一需求，因此，2018年国家发展战略和其他一些战略文件明确列出了自主能力的进步是一项关键的技术投资[2-5]。因此，美国海军有必要继续发展自主技术，以使关键系统能够随着部队的需要而扩展。

在美国海军空间系统中发展自主能力将有助于提高可操作信息的数量、质量和及时性。自主性可以应用于空间系统的多个方面，包括航天器运行和任务性能。从纯粹的运行角度来看，更大的自主性允许空间系统在不压倒人类操作员的情况下扩大规模。例如，当决策的时间尺度或信息处理的规模排除了人工控制时，自主性就变得有必要[6]。随着分布式多卫星任务变得越来越普遍，这种情况也变得越来越普遍。此外，自主性提供了以更低的成本获得更高的系统性能的机会，因为它的运行更加稳健和高效[7]。从任务的角度来看，自主性的提高可以采取改进数据收集、处理、分析和传输的形式，提高任务的效率和效果。运行和任务执行的改进都会减少对环形系统的压力，在某些情况下可能完全不需要人，使操作人员能够承担更高级别的任务[5，8]。

尽管从长远来看，海军应继续投资于各种自主能力，但近期的努力必须集中在消除自主性的最重要障碍上。多个权威机构已经确定航天器故障管理（FM）是最大的空间系统自主性障碍之一，包括国防科学委员会（DSB）和美国国家航空和航天局（NASA）[4, 9-11]。一般来说，FM是自主系统的一项有利技术，因为它允许系统在非正常情况下继续运行[12]。对于海军来说，自主FM，以及更广泛的健康监测，提供了几个好处，包括增加弹性和可靠性。有能力预测、预防、隔离和恢复故障的系统在本质上更有可能在关键时期保持运行。此外，自主健康监测可以帮助缓解评估空间系统健康状态的困难，因为空间系统正变得越来越大和复杂。

1.3 研究问题

美国海军显然需要对自主空间系统能力进行持续投资。由于这个原因，目前的工作范围涉及到确定ML如何可能被应用于空间系统的自主性。特别考虑到航天器FM系统，因为它们作为自主性使能器所带来的重大挑战和机会。这项研究试图获得以下问题的答案:

1.ML在自主空间系统运行中最有希望的应用是什么？

2.如何将ML纳入航天器FM系统？

3.哪些FM任务适合于ML？

2. 背景情况

为了激励和提供后续章节的背景，本章包括关于自主性和自动化、ML基础、空间系统运行和航天器FM的信息。每一节都旨在为每个相关主题提供足够的背景信息，以便在本报告的大背景下理解其作用。

【完整中英文版请上专知查看！】

https://www.zhuanzhi.ai/vip/0d2dcdf541504dba279ab6a491b39854

专知便捷查看

便捷下载，请关注专知人工智能公众号（点击上方蓝色专知关注）
后台回复“MDA43” 就可以获取《推荐！【中文版】美国海军研究实验室《将机器学习异常检测技术应用于美国海军空间系统运行》43页技术报告》专知下载链接

欢迎微信扫一扫加专知助手，咨询使用专知，获取最新AI专业干货知识教程资料！

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取70000+AI(AI与军事、医药、公安等)主题干货知识资料！

点击“阅读原文”，了解使用专知，查看获取70000+AI主题知识资料