10.4.6　智能人机交互

由于人工智能的技术方法和具体研究领域十分广泛，而卫星测控属于任务导向、结果导向的工程领域，因此这里主要根据人工智能在卫星测控过程中的应用程度，划分为两个层次，分别为辅助分析层次和辅助决策层次，以此对人工智能在卫星测控领域的应用有更提纲挈领的认识。具体如下：

1）辅助分析层次

在辅助分析层次，人工智能主要定位在“人类智能增强”上，即通过其在数量、速度和多样性方面的计算处理优势，辅助人类进行信息分析处理与提取。人机协作紧密，人发挥综合分析和决策的主要作用，机器作为人类能力的辅助和延伸。此层次下卫星测控最典型的应用，就是各类航天信息的知识图谱构建、卫星故障的特征提取与识别、卫星及地面设备参数的变化预测等。美国国防部最早引入人工智能解决的主要问题，正是从大量的图像信息中识别获取关键目标和情报。这种图像识别主要借助机器学习算法，通过对大量图像、分类经验的学习，完成对新图像的识别和分类，并在不断工作中加强学习，做得越来越好。在训练准确性得到保证的前提下，往常航天工作人员在电脑前的“煎熬”，就可以由人工智能更好、更快地代劳。

在测控过程中，卫星及地面设备的遥测、监控数据，实时精确记载了卫星和地面各设备的状态，对于其中连续变化的关键数值参数，通过回归预测，可以对设备状态、故障、寿命情况进行预警。对这类问题，以往都是采用数学统计的方法进行分析预测，这些根据实际数据建立的模型使用范围有限，须根据变化不断重构。而人工智能算法具有不断学习强化和自适应的特性，数据怎么变，它就怎么调整，并且随着预测的经验积累，变得越来越准确。继续延伸的话，卫星运行过程中出现的各类故障，往往涉及许多参数状态的检查分析甚至机理关联，通过对故障状态这一特殊“面孔”的特征提取和“研究学习”，人工智能技术可以在茫茫海量数据中找出故障数据，甚至在数据质量好的情景下，在实时数据流中提前看到故障发生的影子，因此采用人工智能解决参数的回归预测分析和故障的识别提取，也将大大解放工作人员的分析精力，从而更好地进行决策。

2）辅助决策层次

在辅助决策层次，人工智能基于“人类智能增强”的前提，在某些局部范围内具备提供决策方案的能力。智能机器（算法）的智能化逐渐凸显，在解决实际问题中发挥更大作用，与人协作更加紧密，共同对相关行为进行决策，但最终决策权仍由人掌握。

比较典型的应用例子，当属卫星资源的智能规划与调度。在卫星的测控应用过程中，会涉及载荷资源的计划使用以及卫星网络系统的规划调度问题。以往这些工作由人力分析完成，在智能化技术应用后，通过对历史规划调度的记录数据进行学习分析，结合一些多目标优化算法，共同形成动态学习调整的智能规划算法，在新的任务情境下进行不同目标（如资源使用率优先、用户满足个数优先等）方案的计划制定，深度参与卫星资源使用的决策活动。