数字孪生技术在航天控制系统智慧设计仿真中的应用

国防科技工业和航天产业多年的持续快速发展，使航天型号任务日益多样化、复杂化和密集化，呈现出研制周期短、质量要求高的任务特征。与此同时，随着在轨型号数量的不断增多和航天器服役时间的持续增长，其维护支持难度也日渐凸显。基于模型的系统工程（model-based systems engineering，MBSE）在航天器设计制造领域发挥着越来越重要的作用［49］。现有航天控制设计仿真系统已初步形成模型驱动的方案设计、需求生成和仿真验证，而面向复杂任务要求和敏捷开发设计需要，仍存在如下问题：

（1）传统开发模式下，方案设计与仿真验证以单一项目为主体，从设计到实现基本上采用串行研制流程，下游开发部门所具有的知识难以加入早期方案设计与验证，并且各部门对其他部门的需求和能力缺乏理解，容易使研制流程内部出现反复迭代，一方面易造成研制进度缓慢，甚至延期完成；另一方面容易引发质量问题，严重时甚至导致任务失败。

（2）研发状态呈现知识经验碎片化，并且缺乏对研制过程数据进行捕捉、管理、分析处理以及知识挖掘的能力，一方面导致关键数据难以快速追踪，存在“信息孤岛”现象；另一方面流失了承载于数据中的大量有效信息，无法及时解析故障、问题和缺陷的根源。

这意味着航天控制系统的研发和制造方式必须进行突破性转变，不惧覆盖性，不断提升智能性和高效性。

基于面向信息物理系统（CPS）的数字孪生理念最早由NASA提出，用于监视在轨飞行器健康状态。与此同时，将物理世界与虚拟世界实时交互与同步的解决方案在学术界和工业界都引起了广泛关注［50］，数字孪生的概念也被不断丰富和细化［51，52］。特别是在航天领域，包括飞行器物理模型的疲劳损伤预测［51］、面向飞行器工程设计的数字模型构建［53］、飞行产品全生命周期的故障检测［54］等丰富应用场景。

在现有航天控制设计仿真系统的基础上，进一步构建贯穿航天控制系统全研制流程、全生命周期的智慧设计仿真系统，集中体现三方面特征：基于数字孪生的信息物理融合、广泛应用的智能设计仿真能力和以人为本的可持续性创新。

4.3.1　现有航天控制设计仿真系统

世界航天强国都十分重视航天器建模仿真技术的研究，强调数据对模型的修正作用，开发各类航天器仿真软件。典型的包括美国AGI公司开发的Satellite Tool Kit（STK），其基于大量模型模块，提供包括姿态仿真、轨道机动、覆盖分析等综合工具套件，具有图形化用户界面，支持分布式交互仿真，已成功应用于多个可视化项目。美国Air Force Philips Laboratory（PL）开发的Space Simulation Toolkit（SST），它是一个柔性航天器建模仿真软件，提供模型库和设计库，支持单体航天器在各分系统层面的领域仿真和多航天器间（包括空间环境影响）交互作用的物理过程仿真。Spacecraft Simulation Framework（SSF）是 由Interface&Control System（ICS）开发的测控仿真软件，以事件驱动规则和脚本语言支持快速开发。EuroSim是欧洲空间局开发的卫星实时仿真开发运行环境，功能强大，具有硬件接口、应用编程接口（API）及HLA接口。总体而言，国外航天器仿真系统一方面构建以大数据为基础的模型库和算法库，重视模块复用性和系统快速搭建；另一方面尝试从多系统维度实现对航天器全研制流程的仿真。

国内目前具备自主知识产权并成熟应用的航天控制设计仿真系统已践行模型驱动的研制模式，基本形成了统一的标准算法、公用模型和仿真代码框架，以模型库和算法库的形式实现统一的版本控制和配置管理。类似于MATLAB/Simulink面向功能的设计方法，该设计仿真系统采用图形化的模块封装方式定义功能，规范模型/算法的输入输出接口，支持在图形化界面中拖曳、连接，实现仿真系统集成建模。仿真系统建模按照航天器姿态轨道控制系统的组成结构，采用可视化拖放方式调用、连接模型库/算法库中的模块，生成仿真流程基本框架和数据流向。如图4-14所示，采用服务器+客户端的运行机制，以数据库服务器中存储的规范模型和算法为资源，设计师利用运行在本地客户机上的系统描述工具软件给出航天控制系统的描述，如以姿态轨道控制公用算法和新开发算法通过逻辑连接和模式设计生成星上控制器部分，再结合航天器及空间环境动力学、敏感器、执行机构等模型组成地面仿真系统，应用服务器根据这些控制系统描述信息，利用仿真程序自动生成工具，在设计师的本地客户计算机上自动生成控制系统仿真程序软件。针对长时间不间断仿真对于数据存储空间的高需求和包含液体晃动等复杂求解过程对于计算资源的高需求，现阶段的设计仿真系统已初步搭建了高性能存储和计算节点，用户可将程序转换为支持并行计算的版本，提交至服务器完成批量仿真，再从服务器收集仿真数据、曲线和分析结果。但是目前该部分功能从规模上、程序向并行转换方式上、节点优化部署上等方面还存在很大的提升空间。

图4-14　现有航天控制设计仿真系统组成

该航天控制设计仿真系统的C程序代码自动生成技术与MATLAB/Simulink的实现途径不同。Simulink利用实时代码生成工具箱（release to Web，RTW）将模块图模型自动转换为对应的C代码，RTW自动生成的代码分为模型文件和仿真控制程序，包括很多关系复杂的源文件，往往需要进一步优化。而航天控制系统自主开发的仿真程序自动生成工具以模型和算法封装时的固有代码为基础，这部分代码经过走查、测试，具备成熟的应用状态，再经过平台对逻辑关系和积分求解器等的合成，可生成状态可控的C代码仿真程序。此外，该系统集成数据输出和显示功能，可自动绘制仿真和测试数据曲线，无需单独编写实现数据处理和绘图的VC或MATLAB程序；同时，提供对仿真结果数据的统计分析工具，并可自动生成记录仿真曲线和结果数据的仿真验证报告。型号研制过程的设计更改以及不同型号间的设计仿真应用，可通过参数配置，方便地实现模型复用，不仅免去手工代码编写负担，提升了工作效率，而且可以有效避免人为错误，提升工作质量。

然而，现阶段数学模型主要实现功能级模拟，使模型仅限于数学仿真环境内部的迭代优化，缺乏与实际物理环境的交互，一方面无法将地面物理试验与在轨飞行试验等实际数据应用到模型的不断细化与完善中，另一方面造成了模型仅在方案设计与软件研制阶段的局限性应用。此外，航天器研制、生产与在轨应用的全生命周期内，各个环节的设计输出目前仍以文档形式传递，没能挖掘和发挥模型的纽带作用，不能将设计、研制、生产与应用有机地统一起来。由此可见，现有航天控制设计仿真系统已不能满足航天产业自主化与智能化的发展需求，必须进一步深化知识资产的积累和沉淀，应用数字孪生体和数字纽带技术，建立物理试验和在轨飞行的大数据基础，智能提升数字化模拟能力和模型精度，为知识成果固化提供模型存储机制、为自动分析设计提供规范工具链条、为鲁棒能力验证提供丰富故障模拟，全面提高控制系统方案设计、系统设计、软件研制、在轨运行维护等技术能力。

4.3.2　基于数字孪生的信息物理融合

德国政府提出的“工业4.0”战略及我国2015年提出的《中国制造2025》已明确智能制造作为新一轮科技革命的核心地位，指明了制造业数字化、网络化、智能化的发展方向。航天领域关乎国家安全和发展，十九大提出航天强国的建设目标，航天控制系统全面提升智能化研制水平、促进空间产业升级，是提高竞争力、在新一轮航天领域竞赛中抢占先机的重要举措。智能制造的本质是利用信息物理系统，通过构筑信息空间与物理空间数据交互的闭环通道，实现信息虚体与物理实体之间的有机融合和交互联动［55］。

针对飞行器、飞行系统或运载火箭等，NASA于2012年明确提出了未来飞行器的数字孪生体概念。数字孪生体被定义为“一个面向飞行器或系统的集成的多物理、多尺度仿真模型，它利用当前最好的可用物理模型、更新的传感器数据和历史数据等来反映与该模型对应的飞行实体的状态”［56］。

伴随着数字孪生体，NASA同时提出了数字纽带（digital thread）的概念。数字纽带在系统整个生命周期中，通过将分散数据转换为可操作信息来辅助制定决策。数字孪生和数字纽带技术为整个系统提供自主性，与传统的自动化系统有本质的区别。实现自主性的前提是以基于模型的系统工程作为数字孪生的内核，在全研制流程、全生命周期不断细化和扩充，与产品或系统的实体保持无缝对接，能够对需求、状态和实物产品的变化进行全面、快速、正确的响应，从而在早期用于识别潜在的设计问题［57］，后续也用于在轨航天器运行维护相关配套系统的开发。

航天控制系统智慧设计仿真旨在利用数字孪生技术构建信息物理融合的设计仿真系统［58］，以数字纽带作为方法、通道、链接和接口，以质变的设计仿真模式面对未来型号的量变需求。如图4-15所示，首先逐步建立和完善多学科多维度动力学、复杂空间环境以及各类控制系统敏感器和控制执行机构模型库，包含控制方案设计、技术设计、系统实现的各层次基本要素，即多学科模型融合功能级、技术级、实现级等不同层次的特性和指标，其中功能级特性模拟部件功能，技术级特性包括部件的接口、时序、电压电流容差等，实现级模型可针对更细致的部件特性，例如材料、具体制造参数、可靠性、失效模式、内部软件逻辑等。也就是说，利用已有理论和知识建立虚拟模型，随着模型不断精细化，最终可实现在虚拟空间中对控制系统各部件建立一个与物理空间里的实体完全一模一样的数字孪生体。进一步而言，基于统一模型提供的知识积累的有效途径和方法，将技术原理、设计知识和工程经验有效固化、智能匹配，从而指导设计、辅助决策，为知识自动化创造条件。

与此同时，基于型号工程库、知识经验库、历史数据库等逐步建设数字纽带，形成天地一体化的大数据分析能力，可无缝加速航天控制系统数据—信息—知识系统中的数据、信息和知识之间的可控制相互作用，并允许在能力规划和分析、方案设计、制造、测试以及在轨运行维护阶段辅助决策和进行动态实时评估。实际上，数字纽带也是一个可连接数据流的通信框架，并提供一个包含全生命周期各阶段孤立功能视图的集成视图，为在准确的时间将正确的信息传递到正确的位置提供了条件，使得航天控制系统全研制流程、全生命周期各环节的模型能够及时进行关键数据在实体空间和虚拟空间的双向同步和沟通。具体实现上，拟从以下几个途径全面提升控制系统研制能力：

图4-15　基于数字孪生和数字纽带的信息物理融合

（1）综合以往大量的型号经验、成熟算法和专家意见，建立专家系统，通过基于多领域统一建模的多学科优化，实现方案设计的逻辑框架权衡、控制参数优化和控制策略优化，同时支撑任务指标智能分解和控制系统部件智能配置的目标。

（2）通过统一建模等技术手段使模型由功能级扩展到技术实现级，开展控制与机、电、磁、热等大系统多学科的协同仿真，对控制方案进行分析验证，尽早发现系统层面的不匹配、不协调问题，尽量避免在后期工程研制中出现方案层面的颠覆。

（3）建设以多源异构数据为主的智能数据集，实现数据整合、处理、查询以及信息挖掘提取；同时拓展存储和计算能力，为全流程、大规模、精细化仿真提供支撑，真正智慧地、实时动态交互地进行设计、分析和决策。(www.chuimin.cn)

（4）为控制系统方案设计提供统一的综合设计仿真手段，使设计从静态走向动态可视化，通过科学化需求管理和树状仿真工况配置管理，使得设计更改后能够自动完成影响域识别［59］和回归测试工况生成，实现设计、仿真、验证的一体化，支持设计—仿真—验证—设计闭环迭代，进行误差分配合理性验证、方案设计结果指标满足性验证，实现最大程度优化，同时提升设计效率。

（5）丰富和完善航天器控制系统部件产品数字孪生模型的功能MEA（失效模式与影响分析）信息，通过仿真工况配置管理系统自动生成与工作模式结合的故障工况，便于验证星上FDIR（故障检测、隔离与恢复）设计库中自主故障诊断与重构算法的有效性和完备性，极大减少人工遍历故障设置的工作量，降低FDIR设计风险和时间成本。同时，面向高精度、高稳定度卫星的需求，基于产品测试数据和在轨数据分析，智能优化故障诊断、重构和阈值设计，提高诊断的准确性、快速性和实时性。

（6）针对航天器控制系统设计过程中直观的部件架构体验、视场分析和功能验证等需求，构建产品基于VR技术的立体可视化模型，打通软硬件操作和通信接口，建立良好的人机交互机制，形成人机交互的沉浸式系统级设计体验、功能仿真和控制效果评估，提升控制系统的早期设计评估能力，减少后期变更的风险，辅助提高设计质量和水平。

（7）航天器的运行维护主要依靠遥测遥控。通过对遥测数据的分析，可以对卫星的工作状态、健康情况进行综合评估和判断。构建遥测数据自主分析系统，实现在轨航天器智能化运行管理、任务规划，对适应未来在轨航天器数目剧增具有极其重要的意义。

4.3.3　泛在应用的智能设计仿真能力

通过数字孪生和数字纽带结合成智能云端服务，将带来革命性设计仿真体验。如图4-16所示，智慧设计仿真系统分为功能支撑、技术实现、泛在应用三个层级，以数字纽带为桥梁实现数据的实时交互与同步，以数字孪生体为对象实现多种空间场景的设计仿真。

功能支撑层包括“统一知识模型管理子系统”　“多源异构数据关联管理子系统”　“分布式协同计算子系统”，提供基础云服务框架，包括知识模型库、大数据挖掘能力和高速并行计算环境。

技术实现层包括“信息物理融合的模型驱动设计仿真平台”“VR可视化与虚拟验证子系统”“基于数字孪生的在轨支持子系统”。以“信息物理融合的模型驱动设计仿真平台”调用“统一知识模型管理子系统”中的模型和算法，搭建并生成单体航天器或多航天器间交互的星上控制器和地面仿真软件，对应完成正常工况及故障设置的自动工况配置，用于设计—仿真—验证—设计闭环迭代。“VR可视化与虚拟验证子系统”提供了高度交互性、精细化的演示验证环境，可以直观地、多视角地呈现多星或星座任务关系、空间操控实现效果等。“基于数字孪生的在轨支持子系统”为在轨非预期情况或紧急故障现象提供敏捷设计开发及验证平台，通过数字孪生技术手段使地面模型尽可能逼近在轨状态，从而在地面系统中快速复现在轨问题、制定策略，提供可靠的地面支持措施。

信息物理融合存在诸多挑战，也有着广阔的前景［60］。泛在应用层给出了智慧设计仿真系统典型的应用场景。

（1）大型多舱段航天器在轨组装、多臂多自由度空间操作等过程动力学模型的复杂程度已无法再通过微分方程扩维来应对。未来将基于多学科大数据和智能建模知识体系，通过物理实体的材料、几何形状、连接方式等参数，自动生成质量特性、挠性参数和边界条件等数学模型要素；同时，可基于地面试验、测试及在轨遥测数据库，通过大数据管理能力和高性能计算集群的并行计算能力，采用深度学习等方法实现模型的智能化构建。为难以进行机理建模的复杂原理部件提供高精细度、高准确度智能模型，利用智能模型代替实物进行方案的早期测试验证，以满足方案构建即可行，实现研制全过程以模型驱动的“端到端”数字化集成。

（2）对于具备一定继承性的型号，能够基于专家系统搜索、比对，生成合适的控制方案，其中需要新开发的算法，能够基于智能学习训练，给出合理的设计方案供设计师选择；对于新研发的型号，能够根据任务指标选择现有型谱中的产品，或提出新产品研制需求，能够根据现有知识体系识别关键技术。

（3）协同技术已成为复杂产品开发过程中设计、仿真与优化的重要支撑技术［61］。高难度复杂任务的开发过程将基于统一的模型库、知识库、中枢平台和计算资源，通过协同数据共享、动态工作融汇、协同版本管理等技术，最大程度地发挥多人异地动态协同设计和仿真的融合能力。

图4-16　航天控制系统智慧设计仿真架构

（4）针对多星或星群网络，能够智能自适应地完成多星任务规划调度、星座优化控制、星座构型重组等，支持星座在轨正常、高效的运行，协同执行突发灾害应急测绘、全球热点地区持续观测等任务，只要给定关注区域位置，无需其他的人工参与工作。

（5）航天器在轨运行状态可通过数字纽带实时更新智慧设计仿真大数据，并通过智能分析比对来识别在轨异常状态，自动发布到设计师可随时访问的终端App应用程序，极大地丰富设计体验和提高处理实时性。

（6）应对在轨未知状况，可基于航天器的数字孪生体进行敏捷开发设计，对于较为复杂的在轨处理算法，应先对数字孪生体完成平行验证，确保方案的可行性。

（7）基于数字纽带的在轨数据分析为系统方案和产品评估提供第一手、最有价值的信息，通过智能化分析和决策可直接指导方案改进和产品升级。

4.3.4　以人为本的可持续性创新

未来复杂型号任务需求对控制系统提出了更高的指标，采用精细化模型的控制系统仿真是较为突出的需求之一。目前数学仿真系统对各种部件建立的仿真模型是对部件的低频和主要特征的模拟，随着卫星对高频抖动抑制能力的要求增加以及高精度高稳定度、超静平台［62］、快速机动等任务指标要求的不断提高，需要对部件的高频特性进行模拟和仿真，并进一步提升模型颗粒度。同时，复杂航天器仿真对模型在计算方面的效率和适应能力提出了新的需求。模型通常需要考虑挠性附件的一系列模态振动以及部件内部的动态过程，关于太阳电池阵驱动机构步进、动量轮扰振、有效载荷相机及数传天线的精细化模型，对仿真验证高稳定度指标具有重要作用。

在轨服务与空间操控作为全新的任务形态，其动力学与仿真方面为追赶复杂多体系统动力学高效仿真技术的国际前沿，将进行基于多体动力学建模技术攻关以及对各类末端作用器、相对位置姿态测量敏感器等的建模探索。同时，涉及算法和知识库的形成和规范，包括自主接近停靠算法、机械臂轨迹规划与控制算法、态势感知及预警安全策略等。从算法到软件，从软件到平台，最终尝试将新领域数字孪生模型（包括知识模型）应用于型号研制过程的方案设计、数学仿真、物理试验及测试验证中。探月工程和深空探测任务对制导、导航与控制（guidance navigation and control，GNC）系统的设计仿真能力也提出了一些新要求。首先随着月球探测任务数量和类型的增多、活动的空间和时间范围不断扩大，有必要建立覆盖全月球全时段的月球环境数学模型。从月球的低纬度到高纬度、从正面到背面、从平原到山区、从月昼到月夜，月球环境数学模型都需要提供良好的支持。同时，小行星近距离探测自主导航与制导技术的仿真验证能力以及小行星附近航天器姿轨耦合动力学［63］建模分析能力等，与型号设计工作的要求相比，还有很大差距。

因此，从空间任务拓展和地面应用系统开发的趋势来看，现有条件难以满足长远的任务需要，必须坚持以人为本、持续发挥创造力，进一步研制功能完善的航天器GNC系统设计仿真工具。