CN114036103B - 基于华为昇腾ai处理器的星载ai综合电子系统 - Google Patents
基于华为昇腾ai处理器的星载ai综合电子系统 Download PDFInfo
- Publication number
- CN114036103B CN114036103B CN202111316510.6A CN202111316510A CN114036103B CN 114036103 B CN114036103 B CN 114036103B CN 202111316510 A CN202111316510 A CN 202111316510A CN 114036103 B CN114036103 B CN 114036103B
- Authority
- CN
- China
- Prior art keywords
- module
- satellite
- interface
- fpga module
- fpga
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/76—Architectures of general purpose stored program computers
- G06F15/78—Architectures of general purpose stored program computers comprising a single central processing unit
- G06F15/7807—System on chip, i.e. computer system on a single chip; System in package, i.e. computer system on one or more chips in a single package
- G06F15/7817—Specially adapted for signal processing, e.g. Harvard architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/76—Architectures of general purpose stored program computers
- G06F15/78—Architectures of general purpose stored program computers comprising a single central processing unit
- G06F15/7867—Architectures of general purpose stored program computers comprising a single central processing unit with reconfigurable architecture
- G06F15/7871—Reconfiguration support, e.g. configuration loading, configuration switching, or hardware OS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/34—Circuit design for reconfigurable circuits, e.g. field programmable gate arrays [FPGA] or programmable logic devices [PLD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Navigation (AREA)
Abstract
本发明公开了基于华为昇腾AI处理器的星载AI综合电子系统,涉及卫星综合电子系统技术领域,具体包括AI算力模块、FPGA模块和星载模块,所述AI算力模块为实现图像智能处理提供基础功能支持包;所述FPGA模块集成可灵活配置组合的可编程资;所述星载模块通过高速以太网与FPGA模块进行通讯;本发明,以华为通用智能硬件作为天基AI算力平台,将传统卫星典型分系统和典型载荷的计算功能向AI算力平台转移,采用异构系统硬件架构,结合开源软件生态,提出了新一代卫星AI综合电子系统构架,具有算力优化分配、软件按需加载、载荷即插即用、功能快速重构的技术特点。
Description
技术领域
本发明涉及卫星综合电子系统技术领域,具体涉及基于华为昇腾AI处理器的星载AI综合电子系统。
背景技术
航天技术的发展,特别商业巨型星座的发展,对卫星的智能化、模块化、快响应和低成本提出了新的要求;而传统卫星设计构架表现出诸多不足:首先,各个分系统由于传统继承性,类别繁杂,对整星功耗、带宽和重量等资源的争夺难以平衡;其次,卫星分系统和载荷都涉及大量不同类型计算,算力分散,难以全局优化;比如,星敏感器和光学相机都涉及大量图像处理计算,但各自算力既不足又分散,阻碍了各自性能的提升;再次,各单机功能越来越复杂,使得每个单机都需要构建独立的算力中心,但其原始信息并不共享,缺乏信息深度融合,算力未能充分发挥作用;还有,随着性能要求的提高,传统卫星分系统的设计构架使得整星成本飙升,技术更新换代缓慢。
可见,基于传统卫星按各个分系统的设计构架,制约了卫星向高算力、智能化、低成本等方向的发展。
发明内容
本发明的目的在于:针对目前传统卫星按各个分系统的设计构架,制约了卫星向高算力、智能化、低成本等方向的发展的问题,提供了基于华为昇腾AI处理器的星载AI综合电子系统,即以华为通用智能硬件作为天基AI算力平台,将传统卫星典型分系统(星务、姿控)和典型载荷(光学相机)的计算功能向AI算力平台转移,采用异构系统硬件架构,结合开源软件生态,提出了新一代卫星AI综合电子系统构架,具有算力优化分配、软件按需加载、载荷即插即用、功能快速重构的技术特点。
本发明的技术方案如下:
基于华为昇腾AI处理器的星载AI综合电子系统,包括:
AI算力模块:所述AI算力模块为实现图像智能处理提供基础功能支持包;所述AI算力模块是基于MindSpore深度学习的通用模型;所述AI算力模块是基于华为通用智能硬件(优选为华为ATLAS 500 智能硬件),将传统卫星典型分系统(星务、姿控)和典型载荷(光学相机)的计算功能向AI算力模块转移;采用异构系统硬件架构,结合开源软件生态,具有算力优化分配、软件按需加载、载荷即插即用、功能快速重构的技术特点;
FPGA模块:所述FPGA模块集成可灵活配置组合的可编程资源;FPGA模块可选用国产高性能FPGA,以JFM7系列为例,JFM7模块集成可灵活配置组合的可编程资源,用于实现输入输出接口、通用数字逻辑、存储器、数字信号处理、时钟管理等多种功能,还提供专用时钟和布线资源;
星载模块:所述星载模块通过高速以太网(优选为千兆以太网)实现与FPGA模块进行通讯;所述星载模块包括相机、星敏感器和数传系统,所述星载模块可通过高速总线实现与FPGA模块连接;优选地,所述高速总线可采用VPX高速背板,所述VPX高速背板还可以加设多个用户扩展板;所述VPX高速背板用于将各个模块的总线接口信号通过走线连接起来,是连接各模块电信号的重要单元,背板各插槽使用统一接插件,利于功能扩展。
进一步地,所述AI算力模块由昇腾310处理器和Hi3559C开发板搭建而成,其AI算力模块的算力高达11 TFLOPS FP16,使得大规模联合滤波、专家数据库故障诊断、复杂神经网络、精密轨道计算等复杂算法在卫星上得以实现;昇腾310处理器包括2个DaVinci AI核,8个A55 Arm Core(最大主频1.6GHz)。昇腾310处理器可通过40PIN扩展接口与外部通信。
进一步地,FPGA模块与AI算力模块可通过PCIe接口、SPI接口和GPIO接口实现连通。
进一步地,AI算力模块内部集成一个PCI Express Gen2 X1控制器,支持PCIe1.1/2.0标准,工作速率可达Gpbs级,所述AI算力模块与FPGA模块可通过PCIe接口进行连通。
进一步地,AI算力模块集成有SPI通讯协议,通过设置控制寄存器SPICR1中的时钟极和时钟相位,可设置SPI的传输模式。
进一步地,GPIO接口用于数据中断、FPGA的状态标志信号和作为冗余接口备用。
进一步地,FPGA模块是系统的重要组成部分,所述FPGA模块包括UART模块和CAN模块;所述UART模块包括UART芯片和UART接口,所述CAN模块包括CAN芯片和CAN接口;所述UART模块和CAN模块可通过UART接口和CAN接口与星载外设进行通讯;所述CAN模块与星上存在CAN接口的星载外设(即CAN节点设备或单价)实现CAN通讯;目前星上存在大量CAN接口的节点设备,FPGA模块需与这些传统设备实现CAN通信连接;所述FPGA模块分别与扩展DDR、高速以太网、UART接口和CAN接口通信;所述FPGA模块通过JEDEC接口与扩展DDR连接,用于系统工作时执行系统程序和缓存数据;所述FPGA模块内的DDR控制器支持对动态存储器DDR3 SDRAM 的存取控制。
进一步地,FPGA模块通过SATA接口与固态硬盘SSD连接,串行SATA总线使用嵌入式时钟信号,具备了更强的纠错能力,还具有结构简单和支持热插拔的优点。
进一步地,FPGA模块内置有至少两个RGM端口,支持工作在10Mbps、100Mbps和1000Mbps模式下,同时兼容GEM和RMII接口模式;所述FPGA模块通过RGM端口与PHY芯片实现通讯,再由PHY芯片与高速以太网进行通讯;优选地,所述PHY芯片采用的型号为:JSC88E1111;所述RGM端口(即高速以太网接口)把提取的通道数据按同一采样时刻以通道的前后顺序发送至信号分析设备或上位机。
进一步地,FPGA模块内的UART模块可扩展1路RS-4232接插件用于系统调试和1路RS-422接插件用于接收本地设备传感器数据;所述FPGA模块内部集成了2个UART控制器,包括UART0控制器和UART1控制器;所述UART0控制器支持2线模式,UART1控制器支持4线模式,可实现功能包括数据串并转换和串行数据同步,支持数据位和停止位的位宽可编程以及传输速率可编程,支持多种校验方式和中断方式,数据最高带宽可达12.5Mbps。
与现有的技术相比本发明的有益效果是:
本发明基于华为昇腾AI处理器的星载AI综合电子系统,具体包括AI算力模块、FPGA模块和星载模块,所述AI算力模块为实现图像智能处理提供基础功能支持包;所述FPGA模块集成可灵活配置组合的可编程资;所述星载模块通过高速以太网与FPGA模块进行通讯;本发明,以华为通用智能硬件作为天基AI算力平台,将传统卫星典型分系统和典型载荷的计算功能向AI算力平台转移,采用异构系统硬件架构,结合开源软件生态,提出了新一代卫星AI综合电子系统构架,具有算力优化分配、软件按需加载、载荷即插即用、功能快速重构的技术特点。
附图说明
图1为基于华为昇腾AI处理器的星载AI综合电子系统的示意图;
图2为JFM7模块的可编程资源的示意图;
图3为昇腾310处理器接口定义的示意图;
图4为AI算力模块与FPGA模块通过PCLe接口连接的示意图;
图5为AI算力模块与FPGA模块通过SPI接口连接的示意图;
图6为AI算力模块与FPGA模块通过GPIO接口连接的示意图;
图7为FPGA模块与星载外设连接示意图;
图8为FPGA模块与扩展DDR的连接示意图;
图9为FPGA模块与固态硬盘SSD的连接示意图;
图10为FPGA模块与高速以太网的连接示意图;
图11为FPGA模块与RS-4232接插件的连接示意图;
图12为FPGA模块与RS-422接插件的连接示意图;
图13为基于AI综合电子系统的星敏单机结构示意图;
图14为基于AI综合电子系统的复杂任务规划与执行流程的示意图;
图15为基于AI综合电子系统建立的AI故障诊断与重构系统的框架图;
图16为基于AI综合电子系统提供的星上AI智能图像处理流程示意图。
具体实施方式
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合实施例对本发明的特征和性能作进一步的详细描述。
实施例一
请参阅图1-16,基于华为昇腾AI处理器的星载AI综合电子系统,包括:
AI算力模块:所述AI算力模块为实现图像智能处理提供基础功能支持包;所述AI算力模块是基于MindSpore深度学习的通用模型;所述AI算力模块是基于华为通用智能硬件(优选为华为ATLAS 500 智能硬件),将传统卫星典型分系统(星务、姿控)和典型载荷(光学相机)的计算功能向AI算力模块转移;采用异构系统硬件架构,结合开源软件生态,具有算力优化分配、软件按需加载、载荷即插即用、功能快速重构的技术特点;
FPGA模块:所述FPGA模块集成可灵活配置组合的可编程资源;FPGA模块可选用国产高性能FPGA,以JFM7系列为例,JFM7模块集成可灵活配置组合的可编程资源,用于实现输入输出接口、通用数字逻辑、存储器、数字信号处理、时钟管理等多种功能,还提供专用时钟和布线资源,其可编程资源如图2所示;
星载模块:所述星载模块通过高速以太网(优选为千兆以太网)实现与FPGA模块进行通讯;所述星载模块包括相机、星敏感器和数传系统,所述星载模块可通过高速总线实现与FPGA模块连接;优选地,所述高速总线可采用VPX高速背板,所述VPX高速背板还可以加设多个用户扩展板;所述VPX高速背板用于将各个模块的总线接口信号通过走线连接起来,是连接各模块电信号的重要单元,背板各插槽使用统一接插件,利于功能扩展。
优选地,所述AI算力模块由昇腾310处理器和Hi3559C开发板搭建而成,其AI算力模块的算力高达11 TFLOPS FP16,使得大规模联合滤波、专家数据库故障诊断、复杂神经网络、精密轨道计算等复杂算法在卫星上得以实现;昇腾310处理器包括2个DaVinci AI核,8个A55 Arm Core(最大主频1.6GHz)。昇腾310处理器可通过40PIN扩展接口与外部通信,其定义如图3所示。
FPGA模块与AI算力模块可通过PCIe接口、SPI接口和GPIO接口实现连通。
AI算力模块内部集成一个PCI Express Gen2 X1控制器,支持PCIe 1.1/2.0标准,工作速率可达Gpbs级,所述AI算力模块与FPGA模块可通过PCIe接口进行连通;PCIe的具体的连接方式如图4所示。
AI算力模块集成有SPI通讯协议,通过设置控制寄存器SPICR1中的时钟极和时钟相位,可设置SPI的传输模式;SPI接口的具体连接方式如图5所示。
GPIO接口用于数据中断、FPGA的状态标志信号和作为冗余接口备用;GPIO接口的具体连接方式如图6所示。
FPGA模块是系统的重要组成部分,所述FPGA模块包括UART模块和CAN模块;所述UART模块包括UART芯片和UART接口,所述CAN模块包括CAN芯片和CAN接口;所述UART模块和CAN模块可通过UART接口和CAN接口与星载外设进行通讯;所述CAN模块与星上存在CAN接口的星载外设(即CAN节点设备或单价)实现CAN通讯,FPGA模块与CAN节点设备的具体连接方式如图7所示;目前星上存在大量CAN接口的节点设备,FPGA模块需与这些传统设备实现CAN通信连接;所述FPGA模块分别与扩展DDR、高速以太网、UART接口和CAN接口通信;所述FPGA模块通过JEDEC接口与扩展DDR连接,用于系统工作时执行系统程序和缓存数据;所述FPGA模块内的DDR控制器支持对动态存储器DDR3 SDRAM 的存取控制;FPGA模块与扩展DDR的具体连接方式如图8所示。
FPGA模块通过SATA接口与固态硬盘SSD连接,串行SATA总线使用嵌入式时钟信号,具备了更强的纠错能力,还具有结构简单和支持热插拔的优点;FPGA模块与固态硬盘SSD的具体连接方式如图9所示。
FPGA模块内置有至少两个RGM端口,支持工作在10Mbps、100Mbps和1000Mbps模式下,同时兼容GEM和RMII接口模式;所述FPGA模块通过RGM端口与PHY芯片实现通讯,再由PHY芯片与高速以太网进行通讯;优选地,所述PHY芯片采用的型号为:JSC88E1111;所述RGM端口(即高速以太网接口)把提取的通道数据按同一采样时刻以通道的前后顺序发送至信号分析设备或上位机;FPGA模块与高速以太网的具体连接方式如图10所示。
FPGA模块内的UART模块可扩展1路RS-4232接插件用于系统调试和1路RS-422接插件用于接收本地设备传感器数据;所述FPGA模块内部集成了2个UART控制器,包括UART0控制器和UART1控制器;所述UART0控制器支持2线模式,UART1控制器支持4线模式,可实现功能包括数据串并转换和串行数据同步,支持数据位和停止位的位宽可编程以及传输速率可编程,支持多种校验方式和中断方式,数据最高带宽可达12.5Mbps;FPGA模块与RS-4232接插件的具体连接方式如图11所示,FPGA模块与RS-422接插件的具体连接方式如图12所示。
实施例二
实施例一中的基于华为昇腾AI处理器的星载AI综合电子系统可以集成单机复杂计算功能。
下面以星敏感器为例说明实施方式。
星敏感器是卫星姿控系统重要的姿态确定部件,为系统提供卫星惯性姿态数据,并可用于陀螺漂移修正;传统的星敏感器要完成星点目标提取、星像中心及星等计算、星图识别、姿态确定等计算,往往采用DSP或FPGA完成有关计算,但受限于计算能力,更优化的算法难以采用。
而采用实施例一中所提供的基于华为昇腾AI处理器的星载AI综合电子系统,可将星敏感器的计算功能向AI综合电子系统转移,依赖AI综合电子系统的强大算力,将完成以下计算:
1)目标提取
对星图背景进行计算,可采用更低的阈值,获取比传统星敏更多的有效目标星点。
2)像心计算
为提高测量精度,可对星像做散焦处理,覆盖多个像元,采用更高精度内插算法计算星像中心坐标,有望比传统星敏精度提高1~2个数量级。
3)星图识别
首先需要在AI综合电子系统中加载高精度的星载全球导航星表,传统星敏感器受限于存储空间和计算能力有限,往往要在天文星表的基础上做出筛选;而转移到AI综合电子系统后,除了保留星号、星等、光谱、赤经赤纬等信息外,还可以包括恒星角距、甚至三角形角距等大量辅助数据。
其次,可采用更优的星图识别算法;传统星敏感器往往采用单星识别,近几年才开始考虑星图的整体识别;而AI综合电子系统具有非常高的算力水平,可以采用双三角形匹配和高效网格搜索等先进星图识别算法实现全天球识别,识别率更高。
4)姿态确定
传统星敏感器为保证数据更新率,往往采用一定数量的恒星作为独立测量值,目前星敏感器的数据更新率约为4~8Hz;而AI综合电子系统可以采用更多数量的恒星作为独立测量,并使用更高精度的拟合算法实现姿态确定。
5)伪星智能判别
传统星敏感器可能由于空间出现其他物体返照,如月球、地球、空间碎片、飞行器排出物等,造成识别伪星;为解决识别伪星的问题和避免误识别情况,可采用AI目标识别算法,在地面完成算法的建模和训练,通过软件上注方式实现在轨伪星智能判别的快速部署。
综上所述,基于AI综合电子系统的星敏感器,相对于传统的星敏感器而言,其图像数据处理将集中到AI综合电子系统中运行。
而星敏感器单机可简化为仅包括光学系统(含遮光罩)和探测器(含预处理电路),如图13所示,有望在提高星敏感器性能的基础上,实现通用化设计并进一步降低成本。
在使用时,探测器的原始模拟信号,通过预处理电路后,转化为数字信号,通过AI综合电子系统的FPGA模块中的RGM端口,将原始图像数据读入FPGA模块,并结合AI算力模块,完成诸如目标提取、像心计算、星图识别和姿态确定等复杂计算。
实施例三
目前,遥感卫星大多采用由地面开展载荷成像及数据下传的任务规划,并生成指令上传卫星,由卫星按照程控执行;对于每次成像和数传任务,均需要姿控分系统、星务分系统、成像载荷分系统和数传分系统配合完成,尤其是姿控与载荷配合时,会存在配合不紧密导致时间浪费或成像效果差的情况;例如,已经设定了载荷的开机成像时间,但姿态尚未指向到位,稳定度尚未达标;目前,通常采用根据地面测得的姿态机动能力,预留出较长的姿态机动时间,让姿态摆到位稳定足够的时间后,再让载荷开机,这样会造成时间上的浪费,对于多目标成像来说是极为不利的。
另外,对于多条带拼接成像,何时进行第一条带的成像,何时进行后续第二、三等条带的成像,姿控和载荷配合的紧密度问题尤其突出;传统的地面规划方法较难适应。
因此需要星上进行自主的任务规划,由星务、姿控、载荷配合自主完成成像及数据下传等任务。
基于实施例一中的AI综合电子系统,便可以实现各种复杂任务在星上自主规划与执行,具体内容如下:
1)AI自主任务规划
以遥感卫星为例,根据目前约500多个热点目标点经度、纬度、高度,以及成像时长等参数,还要考虑卫星自身状态(包括电源、载荷和数传状态),结合高精度自主轨道外推,自主进行成像时刻计算,生成姿态机动和成像指令,在预定时刻自主指向目标并控制载荷成像;AI综合电子系统的优势主要体现在搜索和规划算法、高精度轨道计算及大规模优化算法。
2)姿态敏捷机动
传统遥感卫星成像模式为静态成像方式,卫星在成像过程中对地指向固定,在姿态机动过程中不进行成像,姿态机动到位后成像;敏捷卫星的动中成像工作模式,是在现有卫星高精度控制基础上,在姿态机动过程中开启光学有效载荷进行成像,即卫星在成像过程中能够实时调整光轴对地指向,从而实现姿态对地指向不断变化的成像方式;该模式机动过程复杂、姿态实时变化、指标要求高,涉及大量轨道、姿态和复杂控制律,传统星务和姿控系统难以满足实时性和高精度的要求,而AI综合电子系统则可发挥其高算力的优势。
3)先进控制算法
传统卫星采用的PID控制算法具有设计简单和可靠性较高等优点,多用于能够精确建立数学模型的刚体卫星姿态控制系统;但传统PID控制算法存在参数整定不良、性能欠佳的劣势;而敏捷机动的快速稳定是强耦合非线性特性的航天器控制系统,以往忽略的一些特性,比如模型不确定性、执行机构速率饱和非线性、参数的时变特性等,需要利用先进控制理论探索解决方案,比如鲁棒自适应控制、自抗扰控制、神经网络控制等,并研究各个方案适用性。
通过AI综合电子系统在星上实现自主任务规划与执行,涉及大量复杂数值计算和逻辑控制,传统综合电子系统由于算力不足,往往只能采用简化模型和简化算法的方式,而在基于AI综合电子系统,这部分功能在实现时,复杂逻辑和控制运行于AI算力模块,大量矩阵数值运算将运行于FPGA模块,计算结果通过FPGA的CAN模块或UART模块输出给对应的星载外设。
图14公开了基于AI综合电子系统的复杂任务规划与执行流程,主要是由星敏感器、陀螺仪、GNSS、卫星能源状态和相机参数等作为外部信息采集,并将采集的数据通过高速以太网传输至AI综合电子系统,由AI综合电子系统进行AI自主任务规划,其具体包括:由姿态确定算法、精密定轨计算、热点目标经度纬度高程、成像条件等对外部信息进行初步处理,进而采用成像任务自主规划算法生成姿态预置机动、目标动态跟踪和恢复初始状态等指令,进而采用智能控制算法使执行机构进行指令分配。
实施例四
现阶段我国卫星领域,故障诊断主要依靠具有专业知识的管理人员进行诊断分析,并提出修复方案;但是随着卫星测控规模扩展和在轨数量的增加,需考虑的因素越来越多,各因素间的关系变得愈加复杂,卫星告警信息数量也急剧增加;从海量的卫星告警信息中,人工进行故障诊断几乎成为不可能的事情。
但是,基于实施例一公开的卫星AI综合电子系统,可利用其海量存储空间和高算力,在轨创建更全面、更完善、更智能的在轨故障诊断与重构故障专家系统,具体实施方式如下:
1)创建星载数据仓库
数据仓库管理与存储是故障专家系统功能的主要组成部分之一,为此,将卫星研制阶段的测试数据、在轨遥测数据、故障模拟仿真数据和维修方案验证中的数据,都存入AI综合电子系统的数据库;AI综合电子系统作为数据仓库服务器,可完成数据管理、信息共享、安全管理以及一些更高级的管理,AI综合电子系统依靠数据库管理系统来支持客户服务器结构;能接受应用程序和终端的连接,支持集中管理数据,处理客户应用的各种访问请求,并反馈其结果。
2)完善知识库和规则库
卫星控制系统知识库包括卫星模型库、卫星故障模式库、卫星故障对策库和卫星故障规则库;其中:
卫星模型库:包括卫星姿态和轨道动力学模型、系统组件模型;
卫星故障模式库:包括软件故障模式、各组件故障模式和系统故障模式以及各故障模式下遥测的表现形式;
卫星故障对策库:包括软件故障对策、各组件故障对策和系统故障对策;
卫星故障规则库:专家根据被控对象的特点及其操作、控制的经验,采用产生式规则、模糊关系及解析形式等多种方法来描述被控对象的特征,并存储至卫星故障规则库。
卫星控制系统知识库的建立可以处理各种定性的、模糊的、定量的、精确的信息,从而总结出若干条行之有效的控制规则,集中地体现了专家及其熟练的操作者在某领域控制过程中的专门知识及经验,集中反映了人在操作过程中的智能控制行为和决策艺术。
控制规则具体包括:
模型使用规则;
故障模式使用规则;
对策库使用规则;
仿真验证规则;
系统扩展规则;
系统评判规则等。
3)建立故障诊断推理机制
卫星控制系统的数据量比较大,仅仅从故障报警不能确定卫星的故障点,而且卫星控制系统的在轨故障复杂多样,地面监视人员在卫星控制系统出现故障后再判别根本不可能及时确定故障点,更不可能及时制定处理方案,贻误维修时机;因此,可以基于实施例一公开的AI综合电子系统建立一套专家系统,用于在轨卫星控制系统的地面故障诊断,实现实时准确判别卫星控制系统故障点的功能。
图15为基于AI综合电子系统建立的AI故障诊断与重构系统的框架图。
其中推理机实质上是AI综合电子系统中的一组人工智能程序,目的是用于控制、协调整个专家系统的工作;推理机根据当前的输入数据或信息,再利用知识库中的知识,按一定的推理策略去处理、解决当前的问题;按照不同的推理策略从当前数据库的内容中确定下一条产生式规则。
故障专家系统的星载数据仓库、知识库和规则库,存储于固态硬盘SSD,由FPGA模块负责数据库的读写与维护;大量星上设备的状态信息,通过FPGA的CAN模块和UART模块读入;而故障的智能诊断与推理机制,涉及深度神经网络计算,运行于AI算力模块,该模块的推理结果通过FPGA的CAN接口或者UART接口输出,用于外设状态的设置或切换。
实施例五
随着各种高分辨对地光学遥感相机的发展,获取的遥感图像数据量呈PB级增长;发展遥感图像星上边缘实时处理技术,是提高遥感图像数据的有效利用率、降低星地传输成本、以及降低存储成本等的重要手段之一。
数据处理主要是在星上对接收到的遥感图像数据进行预处理、无用数据处理、目标处理等操作,处理项目包括辐射校正、几何校正、云检测、区域提取等。
星上数据处理重点关注通用数据产品的生成,通过星上数据处理可提高遥感数据的使用效率;随着卫星处理能力的增强,星上数据处理是遥感卫星发展的趋势,同时随着星载遥感载荷种类的丰富,不同类型遥感数据的融合有助于更全面地了解观测对象。
AI综合电子系统具有AI智能图像处理功能,其以AI算力模块为中心,基于容器化部署的开放式架构,实现弹性可伸缩、可扩展的图像AI智能处理微服务集群,进而实现对星上相机及其他遥感载荷获取的海量数据流及图像的星上实时处理。
图16为基于AI综合电子系统提供的星上AI智能图像处理流程示意图;具体地,所述AI智能图像处理包含以下三个部分:
1)图像预处理:
所述图像预处理的实现包括云检测、降噪处理、薄云处理、阴影处理等,将不合格的图像丢弃,合格的图像进行相应的图像增强处理,然后保留到下一步处理流程。
2)图像校正:
所述图像校正包括辐射校正、几何校正、精度校正、正射校正等,将第一步预处理后的图像数据进行一系列校正后,输出Level1, Level2,Level3级别的数据和图像产品。
3)自定义AI解译算法:
可动态部署和编排自定义AI解译算法微服务,实现将Level2,Level3图像数据产品,通过AI算法处理,输出Level4,Level5,Level6级别的目标特征信息和专题信息产品。
基于AI综合电子系统提供的星上AI智能图像处理,在工作时,由FPGA模块的RGM端口(千兆以太网接口)直接读入相机的原始图形信息并进行预处理;通过FPGA模块与AI算力模块的PCIe内部总线,将预处理后的图形数据送入AI算力模块,依靠AI算力模块的高算力,运行基于神经网络模型的图形校正、自定义解译算法等,完成目标检测、分类、反演等功能;将处理结果由PCIe总线传回FPGA模块,并由FPGA模块上的RGM端口发送给数传系统。
以上所述实施例仅表达了本申请的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请保护范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请技术方案构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。
Claims (7)
1.基于华为昇腾AI处理器的星载AI综合电子系统,其特征在于,包括:
AI算力模块:所述AI算力模块为实现图像智能处理提供基础功能支持包;
FPGA模块:所述FPGA模块集成可灵活配置组合的可编程资源;
星载模块:所述星载模块通过高速以太网与FPGA模块进行通讯;
所述FPGA模块与AI算力模块可通过PCIe接口、SPI和GPIO接口实现连通;
所述AI算力模块内部集成一个PCI Express Gen2 X1控制器;所述AI算力模块与FPGA模块可通过PCIe接口进行连通;
所述AI算力模块集成有SPI通讯协议;通过设置控制寄存器SPICR1中的时钟极和时钟相位,可设置SPI的传输模式;
所述GPIO接口用于数据中断、FPGA的状态标志信号和作为冗余接口备用;
所述FPGA模块包括UART模块和CAN模块;
所述UART模块包括UART芯片和UART接口,所述CAN模块包括CAN芯片和CAN接口;所述UART模块和CAN模块可通过UART接口和CAN接口与星载外设进行通讯;
所述FPGA模块分别与扩展DDR、高速以太网、UART接口和CAN接口通信;
所述FPGA模块内置有RGM端口;所述FPGA模块通过RGM端口与PHY芯片通讯,PHY芯片与高速以太网通讯;所述RGM端口把提取的通道数据按同一采样时刻以通道的前后顺序发送至信号分析设备或上位机;
所述FPGA模块内部集成了2个UART控制器,包括UART0控制器和UART1控制器;
所述星载模块包括相机、星敏感器和数传系统,所述星载模块通过高速总线与FPGA模块连接。
2.根据权利要求1所述的基于华为昇腾AI处理器的星载AI综合电子系统,其特征在于,所述AI算力模块由昇腾310处理器和Hi3559C开发板搭建。
3.根据权利要求1所述的基于华为昇腾AI处理器的星载AI综合电子系统,其特征在于,所述PCI Express Gen2 X1控制器支持PCIe 1.1/2.0标准,工作速率可达Gpbs级。
4.根据权利要求1所述的基于华为昇腾AI处理器的星载AI综合电子系统,其特征在于,所述FPGA模块通过JEDEC接口与扩展DDR连接,用于系统工作时执行系统程序和缓存数据;所述FPGA模块内的DDR控制器支持对动态存储器DDR3 SDRAM 的存取控制。
5.根据权利要求1所述的基于华为昇腾AI处理器的星载AI综合电子系统,其特征在于,所述FPGA模块通过SATA接口与固态硬盘SSD连接,串行SATA总线使用嵌入式时钟信号。
6.根据权利要求1所述的基于华为昇腾AI处理器的星载AI综合电子系统,其特征在于,所述RGM端口支持工作在10Mbps、100Mbps和1000Mbps模式下,同时兼容GEM和RMII接口模式。
7.根据权利要求1所述的基于华为昇腾AI处理器的星载AI综合电子系统,其特征在于,所述FPGA模块内的UART模块可扩展1路RS-4232接插件用于系统调试和1路RS-422接插件用于接收本地设备传感器数据;所述UART0控制器支持2线模式,UART1控制器支持4线模式,可实现功能包括数据串并转换和串行数据同步,支持数据位和停止位的位宽可编程以及传输速率可编程,支持多种校验方式和中断方式,数据最高带宽可达12.5Mbps。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111316510.6A CN114036103B (zh) | 2021-11-08 | 2021-11-08 | 基于华为昇腾ai处理器的星载ai综合电子系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111316510.6A CN114036103B (zh) | 2021-11-08 | 2021-11-08 | 基于华为昇腾ai处理器的星载ai综合电子系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114036103A CN114036103A (zh) | 2022-02-11 |
CN114036103B true CN114036103B (zh) | 2022-05-03 |
Family
ID=80136736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111316510.6A Active CN114036103B (zh) | 2021-11-08 | 2021-11-08 | 基于华为昇腾ai处理器的星载ai综合电子系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114036103B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115762295A (zh) * | 2022-11-24 | 2023-03-07 | 天津大学 | 基于嵌入式核心mcu和ai芯片的智能实验教学平台 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103944629A (zh) * | 2014-04-28 | 2014-07-23 | 航天东方红卫星有限公司 | 一种卫星综合电子系统 |
CN106231224A (zh) * | 2016-07-29 | 2016-12-14 | 中国科学院长春光学精密机械与物理研究所 | 一种用于视频小卫星载荷的一体化图像处理系统 |
CN108932162A (zh) * | 2018-06-14 | 2018-12-04 | 上海卫星工程研究所 | 基于一体化星载计算机的多任务综合管理系统及处理方法 |
CN111127294A (zh) * | 2019-09-10 | 2020-05-08 | 北京零重空间技术有限公司 | 星载图像ai处理装置 |
CN111708623A (zh) * | 2020-06-01 | 2020-09-25 | 哈尔滨工业大学 | 一种星务管理和星图处理一体化平台 |
US11120263B1 (en) * | 2020-12-28 | 2021-09-14 | Contec Co., Ltd. | Method and apparatus for providing education service using satellite imagery based on artificial intelligence |
WO2021221736A2 (en) * | 2020-05-01 | 2021-11-04 | Intel Corporation | Edge computing in satellite connectivity environments |
-
2021
- 2021-11-08 CN CN202111316510.6A patent/CN114036103B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103944629A (zh) * | 2014-04-28 | 2014-07-23 | 航天东方红卫星有限公司 | 一种卫星综合电子系统 |
CN106231224A (zh) * | 2016-07-29 | 2016-12-14 | 中国科学院长春光学精密机械与物理研究所 | 一种用于视频小卫星载荷的一体化图像处理系统 |
CN108932162A (zh) * | 2018-06-14 | 2018-12-04 | 上海卫星工程研究所 | 基于一体化星载计算机的多任务综合管理系统及处理方法 |
CN111127294A (zh) * | 2019-09-10 | 2020-05-08 | 北京零重空间技术有限公司 | 星载图像ai处理装置 |
WO2021221736A2 (en) * | 2020-05-01 | 2021-11-04 | Intel Corporation | Edge computing in satellite connectivity environments |
CN111708623A (zh) * | 2020-06-01 | 2020-09-25 | 哈尔滨工业大学 | 一种星务管理和星图处理一体化平台 |
US11120263B1 (en) * | 2020-12-28 | 2021-09-14 | Contec Co., Ltd. | Method and apparatus for providing education service using satellite imagery based on artificial intelligence |
Non-Patent Citations (2)
Title |
---|
一种基于地标的星敏感器低频误差在轨校正方法;庞博;李果;黎康;《航天器工程》;20180615;第27卷(第3期);第79-85页 * |
天基网络iSAT卫星体系架构设计及实现;覃俊祥;《中国优秀硕士学位论文全文数据库》;20210131;C031-992 * |
Also Published As
Publication number | Publication date |
---|---|
CN114036103A (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Fault-tolerant cooperative control of multiagent systems: A survey of trends and methodologies | |
CN111309477B (zh) | 卫星在轨数据处理系统及方法 | |
WO2020173020A1 (zh) | 航天器交会对接飞行控制智能数据分析与决策支持系统 | |
CN106843038B (zh) | 一种遥感卫星图像处理载荷多任务主控系统 | |
CN114036103B (zh) | 基于华为昇腾ai处理器的星载ai综合电子系统 | |
CN106291602B (zh) | 一种导航卫星的系统效能确定方法 | |
CN114153166B (zh) | 一种基于模块化应用的集成飞行器系统 | |
CN110414125A (zh) | 基于事件驱动的航天器交会故障诊断与滤波器设计方法 | |
CN112632756A (zh) | 基于太阳敏感器的卫星地影自主预报方法及系统 | |
CN114490036A (zh) | 一种可扩展分布式多余度无人机智能飞行控制计算机 | |
Vishnevsky et al. | Mathematical model for reliability indicators calculation of tethered UAV hybrid navigation system | |
CN108199760B (zh) | 一种适应在轨动态配置的卫星电子系统架构 | |
Tsog et al. | Intelligent data processing using in-orbit advanced algorithms on heterogeneous system architecture | |
CN103984349A (zh) | 一种基于sopc的空间绳系机器人控制系统及方法 | |
CN107748492A (zh) | 飞机pio试飞指令跟踪器及工作方法 | |
CN107273575B (zh) | 面向快速响应需求的卫星任务自主设计方法及系统 | |
CN116090270A (zh) | 一种航天器轨道威胁自主规避架构设计及分析方法 | |
Vanek et al. | Robust model matching for geometric fault detection filters: A commercial aircraft example | |
CN115344524A (zh) | 一种基于soc平台的综合数据采集系统 | |
CN113778487A (zh) | 一种智能处理模组的软件上注系统和方法 | |
Juillard et al. | Simulation Tool to Study High Performance Avionic for Active Debris Removal Missions | |
Hu et al. | Observer-based fault diagnosis incorporating online control allocation for spacecraft attitude stabilization under actuator failures | |
Zhang et al. | Satellite group autonomous operation mechanism and planning algorithm for marine target surveillance | |
Dai et al. | Unmanned ground vehicle‐unmanned aerial vehicle relative navigation robust adaptive localization algorithm | |
Gong et al. | Research on architecture of spacecraft intelligent control system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |