0 引言

　　隨著航天事業的不斷發展，火箭發射成為世界各國所關注的焦點。然而火箭發射是一項復雜的任務，經常發生故障，落點將超出允許落點范圍而危及地面安全時，必須加以控制，終止火箭動力飛行并將其炸毀。如果不能準確控制，造成的后果是非常嚴重的。因此火箭發射的安全控制成為世界各國需要解決的首要問題[1-2]。

　　火箭飛行安全控制系統一般由地面控制系統和火箭控制系統組成[3]。其中，地面控制系統主要觀察火箭飛行狀態并對其進行判斷，發出相應的報警或炸毀指令；火箭控制系統接收地面系統發來的炸毀指令，經過判斷分析，點燃爆炸器。結合這兩個控制系統各自的特點，構建的火箭安控系統要求具有極高的可靠性、實時性，所采用的安全控制信息要有很高的精度，才能對火箭的飛行狀態進行實時診斷，及時有效地做出判斷，為安控領域專家的最終決策提供支持發揮著重要作用。

　　傳統的火箭安全控制系統是在確定性的安控知識的基礎上，通過簡單的邏輯判斷推理，得出安控決策方案。這種方法經常產生錯誤的報警，導致安控專家做出錯誤決策。本文針對火箭安控知識的特點及現有系統存在的不足，采用人工智能領域的智能決策技術和推理技術，融合安控決策知識，提出了基于智能決策的火箭安控系統，并給出了相應的系統模型。通過對兩個安控系統的比較分析表明，該智能決策系統能夠更加準確地對火箭的發射狀態進行觀測，及時迅速地得到火箭發射過程中的各種狀態，更加有效地對其進行控制決策。

1 安控系統結構

　　火箭安全控制決策系統是一個集彈道數據處理和安全控制決策于一體的計算機決策支持系統，具體處理流程如下：計算機對各種測量設備提供的實時彈道數據進行實時處理，從中選擇可靠性最高的一條彈道，并進行落點計算；然后將計算結果與事先所存儲的理論彈道數據進行比較。當偏差值在故障線范圍內時，認為火箭飛行正常；當實際參數值達到或超過故障線范圍時，根據安控知識庫進行推理決策，判斷火箭是否處于不安全的故障狀態，此時通過計算機向發射指揮控制中心發出告警信號；當安判結論達到允許炸毀線，且預測的故障火箭落點已進入保護區邊界線時，則發出炸毀指令；當實際參數值達到必炸線時立即發出炸毀指令。除由地面進行安全控制外，火箭上的安全自毀系統也將每一瞬間的實際參數值與預先輸入的規定值加以比較。當超出允許值時，一般先使航天員脫離火箭，解除保險，接通延時裝置，以便地面安全分系統選擇炸毀時機或落點，而在預定的遲滯時間內，即使地面沒有發出炸毀指令，延遲時間一到也要自動起動爆炸裝置將火箭炸毀。

　　基于這種處理流程，安控系統的框架結構如圖1所示。該框架結構主要包括四個部分：彈道選擇、落點計算與選擇、安控知識庫和安控推理決策。其中彈道選擇、落點計算與選擇是彈道數據處理部分；安控知識庫和安控推理決策是安全控制決策部分。

　　（1）彈道選擇

　　彈道選擇首先根據火箭彈道特點的先驗知識把測量所得的彈道數據（包括外測數據和遙測數據）與事先所存儲的理論彈道數據進行比較，判斷其可靠性，剔除誤測彈道；然后再根據各測量設備的精度，在可靠性的基礎上選用測量精度最高的一條彈道[4]，用于落點計算與安全判斷。其中理論彈道的數據值可根據在特定時間點的插值來獲取；遙測數據和外測數據均可從調用模塊中獲得。

　　（2）落點計算與選擇

　　落點計算是在任務實施中瞬時計算出火箭在飛行中的任何一點上的狀態，如果發生故障，它落在地面上的位置為安全控制提供依據。落點計算的輸入量由測量設備測得的數據經計算機計算后，提供給落點計算的彈體在發射坐標系中的參數，具體包括位置參數：Xk、Yk、Zk和速度參數vxk、vyk、vzk。輸出量則是火箭在軌道上瞬時任一實測點的速度值、速度傾角、偏航角、當地高度、星下點經緯度、落點經緯度、落點射程、沿射向的射程、射程偏航量等。

　　彈道選擇、落點計算與選擇作為彈道數據處理部分，為安全控制決策提供了數據基礎。

　　（3）安控知識庫

　　安控知識庫是安控決策系統工作的基礎，用來描述火箭安控系統中的各種知識和規則，由安控參數、原子事實和規則知識庫3個表的形式組織起來[3]。這樣不僅簡化了知識庫，便于知識庫中知識的組織和管理，而且避免知識的相互交叉，保證了知識的相容性和完整性。

　　（4）安控決策推理

　　安控決策推理由定性的知識推理和不確定的推理模型構成。安控系統推理采用基于不確定知識表示的決策網絡，在安控推理決策過程中，推理機根據安控知識的特點，通過正向推理機制和深度優先搜索策略進行推理，最終給出基于智能決策的火箭安控系統。

2 安控知識庫

　　2.1 安控知識的分類

　　在安控系統中，領域專家所給的安控知識復雜，影響因素眾多，如果把這些安控知識不加區分地表示出來，一方面增添了知識表示的復雜性，另一方面也給安控知識的推理帶來了困難。針對這一難點，系統把安控知識進行了分類，把它分為安全控制參數（簡稱安控參數）、原子事實和規則知識庫3類。

　　（1）安控參數

　　安控參數主要是描述火箭安控系統中所用到的參數，可以分為3類：外測彈道落點、遙測彈道落點、遙測壓力參數。其中外測彈道落點和遙測彈道落點都包括落點、速度、偏角、傾角、射程等幾類參數[3]；而遙測壓力參數包括俯仰角偏差、滾動角偏差、偏航角偏差、一級壓力1、一級壓力2、一級壓力3、一級壓力4、二級壓力幾個參數。只有落點、速度、射程參數同時參與炸毀和告警，其他參數僅參與告警而不參與炸毀報警。

　　在每個采樣周期都進行安控參數的形成，作為安控系統判斷決策的依據。由于在具體實現中，參數的提供不是很完全（僅有飛行的位置和速度數據），而且沒有管道數據，這些都為完整的測試增加了困難。在實際實現中系統只好采取一種隨機產生安控參數的辦法。

　　（2）原子事實

　　原子事實主要描述各個狀態變量是否連續多點越界的信息。一般以這種Si（Y，Vk，20，Z）形式表示，其含義是遙測（Y）彈道速度（Vk）連續20點超越炸毀線（Z），用來表示規則知識庫中的一個前提條件或者結論。其實則是方便進行安全判斷的推理而提出的中間變量。

　　（3）規則知識庫

　　規則知識庫主要描述火箭安控系統中的規則知識，由多個原子事實組成，采用才產生式的表示形式，如下所示：

　　IF S1（Y，Lc，20，Z）AND S3（Y，Vk，20，Z）

　　THEN  Sy(1)

　　在此產生式中，前提條件S1和S3，結論Sy都是以Si的形式來表示，為原子事實。如果某條規則的前提條件多于兩條，則可以引入中間變量，再把規則分成兩條來進行存貯；如果某條規則的前提條件少于兩條，則可以在前提2處輸入一個9999或其他的代碼來表示此條前提無效，此時就只有一條前提。

　　在安控系統中，所得到的安控知識往往是不精確的，因此系統要在產生式表示的基礎上，具體采用不確定的知識表示形式[5-6]，如下所示：

　　R：IF E1(ω1) AND E2(ω2) AND … AND En(ωn)

　　THEN H(CF(H，E)，λ)(2)

　　式中，Ei是規則的前提條件，ωi是規則各前提條件的權值(∑ωi=1)，H是結論，CF(H，E)(0<CF(H，E)≤1)是規則的可信度，λ(0<λ≤1)是規則可否應用的閾值[5]。只有當規則所需的前提條件可信度CF(E)≥λ時，相應規則才會被激活，推理相應的結論H，它的可信度CF(H)可用如下公式計算：

　　根據上面的知識分類，系統把安控知識用表Para、表Atom、表Rule的形式組織起來，如圖2所示。這樣不僅簡化了知識庫，便于知識庫中知識的組織和管理，而且避免知識的相互交叉，保證了知識的相容性和完整性。

　　2.2 安控決策網絡的形成

　　根據安控知識的分類及不確定性的知識表示形式，其決策過程可以用一個與/或樹來表示，即用邏輯或門“OR”和邏輯與門“AND”來表示，建立相應的安控決策網絡[7-8]。以部分安控規則（如表1所示）為例，建立如圖3所示決策網絡。

    　表1中，“9999” 表示此條前提無效，此規則就只有一條前提。

　　在圖3的決策網絡中，為了使網絡結構層次明顯，便于推理決策，引入了S13、S14、S23、S24幾個中間變量結點。

　3 安控推理流程

　　結合安控知識的特點及相應的決策網絡，以Visual C++6.0為開發平臺，構建了安控推理決策模型[9]，如圖4所示，具體的安控推理流程如圖5所示。

　　（3）結合上述安控推理流程，采用了面向對象的系統模型，以Visual C++6.0為開發平臺，實現了上述安控決策系統。圖6給出了該系統的仿真實驗結果，包括軌道軌跡的選擇、安判結果、落點參數和推理解釋四大模塊。在具體的實驗，顯示了X方向彈道的位置軌跡，安判結果顯示為外測告警、遙測告警、聯合告警及炸毀（催發指令k1），推理解釋給出了“151.980炸毀”，并有相應的解釋依據。上述仿真實驗結果表明，該系統能有效地進行彈道選擇，實時檢測火箭的飛行狀態，給出相應的安控決策方案，為安控領域專家的最終判斷決策提供參考。

4 結論

　　本文針對現有安控系統存在的缺陷和不足，結合數據庫技術和人工智能中的推理技術，建立和完善了火箭飛行安全控制決策系統，它是智能決策支持系統在理論和實踐上的一個新突破。實驗和仿真表明，該系統很大程度上提高了火箭安控系統的準確性和可靠性，能對其進行有效的管理。

參考文獻

　　[1] 張慶振，李清東，任章.基于故障模式分析的運載火箭發射決策系統推理技術研究[J].航天控制，2006，24(3)：81-83.

　　[2] Probabilistic Risk Assessment of the Space Shuttle.A study of the potential of losing the vehicle during nominal opera-tion[R].(NASA-CR-197808).New York：Science Applica-tion International Corporation，Advanced Technology Division，28 February，1995.

　　[3] 李婭，張建勛，楊欣.不確定推理模型的火箭安全決策系統[J].重慶大學學報（自然科學版），2010，33(10)：118-122.

　　[4] Zhang Xiaokun，Gong Yingkui，Qu Jianghua.An optimal selection model of the satellite lurk orbit[C].Applied Mechanics and Materials，2013，249-250：270-273.

　　[5] 蔡自興，徐光佑.人工智能及其應用（第二版）[M].北京：清華大學出版社，1996.

　　[6] 黃洪，任衛紅，余達太，等.基于故障樹的等級測評專家系統模型研究[J].計算機應用研究，2010，27(1)：204-208.

　　[7] Liao Ruijin，Zheng Hanbo，STANISLAW G.An integrated deci-sion-making model for condition assessment of power trans-formers using fuzzy approach and evidential reasoning[J].IEEETransactions on Power Delivery，2011，26(2)：1111-1118.

　　[8] Wang Jianqiang，Nie Rongrong，Zhang Hongyu.Intuitionistic fuzzy multi-criteria decision-making method based on evi-dential reasoning[J].Applied Soft Computing Journal，2013，13(4)：1823-1831.

　　[9] ONG D C C，KHADDAJ S，BASHROUSH R.Logical reason-ing and decision making[J].Proceedings of 2011，10th IEEEInternational Conference on Cybernetic Intelligent Systems，CIS 2011，2011：26-31.