研究内容

2020-12-11

       项目拟开拓大型天文光学望远镜的控制系统与人工智能交叉学科的研究。

       项目的主要内容是通过望远镜的控制系统与人工智能技术的有机融合，来实现 大型天文光学望远镜控制系统的智能化。

       项目包括两大目标：

       第一个目标是建立一个大型天文光学望远镜控制系统 的人工智能软件实验平台。它将为望远镜控制系统智能化提供理论依据及实施手段。因为控制系统智能化涉及的面很广，需要这个平台能够支持多种应用控制系统。因此平台将建立一个智能化服务层。该服务层可以为大型天文光学望远镜的各种控制应用，如运行可靠性和观测质量等应用提供智能化支持。这样可以大大缩短应用系统研发时间以及提高研发质量。

控制系统智能化软件实验平台框架图

        大型天文光学望远镜控制系统包含多个子系统，需同时运行多项服务，如果 为每项服务都研发一套专门的软件将会导致开发成本过高、软件服务之间很难有机协作 、服务臃肿庞大 、资源无法有效利用等问题 。从软件即服务（ Software-as-a-Service ）的思想得到启 发 ， 本项目拟采用元服务（Meta-service）的技术，搭建一套为大型天文光学望远镜的控制应用系统做技 术支持的实验平台。该实验平台将包括多种基础功能，基于这些功能可构建成多个元服务，提供给应用系统的开发人员。开发人员通过对基础元服务的整合再开 发，可灵活地为不同望远镜定制控制系统智能化软件，这样能大量缩减开发时间和维护成本。

       第二个目标是在软件实验平台的支持下，进一步研发智能可靠性管理和观测质量优化这两个应用系统。这个实现的过程也是对软件实验平台通用型的验证及评估。这些系统将在 LAMOST 的历史数据上运行。通过数据仿真来验证及评估这两个应用系统。

                    

                                                                                                                          

 

运行可靠性管理

建立大型天文仪器关键器件运行寿命的预测模型，基于寿命模型为维修计划 的制定做决策依据，并建立应急管理预案。

① 建立大型天文仪器关键器件运行寿命的预测模型

      本项目拟采用人工智能的方法，进行关键器件的疲劳寿命分析，预测器件的失效概率和平均失效时间，为天文仪器的维护方案提供参考。 研究器件的寿命模型，主要从内在特性和外部条件两方面考虑。内在特性包括：静态特性，例如设备的结构、厂商等（不同的生产厂商，质量和特性不同）； 动态特性：包括运行时间、累积行程、运行环境、器件之间的相互影响等（运行 中动态的数据等）。外部条件包括：环境外因条件、运行内因条件等。器件的运 行受到环境因素的影响，不稳定的外界环境会给器件的维护工作带来突发性的故 障。在寿命期中发生的偶发性故障，可能造成观测的中断，带来不必要的损失和困难。

② 结合其他因素，研究基于寿命模型的维修决策

       对天文仪器关键器件寿命预测的研究，是为了判断器件的寿命情况，预测器件的故障发生趋势，为天文仪器关键器件的维护和更新提供决策依据，指导维修工作的重点，同时评估器件的运行状态可以有效保障系统的正常运行。 本项目拟采用人工智能的方法，辅助维护计划的决策。即基于寿命模型的预 测，综合考虑经费时间窗口、成本、优先级等因素，以天文仪器平均维护费用最 小和可用的观测时间最大为目标，进行预防性维修优化模型，确定最优维修方案。

③ 通过大数据综合分析及智能决策，制定应急管理及预案

       本项目通过有机地收集 及整合内部和外部的各种数据，通过智能决策支持，提出应急策略、规章制度及 应急计划，提高应急管理能力。 对天文仪器关键器件的寿命预测以及维修决策、应急管理研究，对于提高天 文仪器的可靠性和安全性，提高维修和应急管理的科学性和精准性具有重要的意义。

智能可靠性管理框架     

观测质量优化

       望远镜 (特别是主、副镜)附近，观测室内部以及和观测室外的环境之间的 温度不均匀性，或者温差，是产生圆顶视宁度的根本原因。质量再好的望远镜放 在最好的台址，如果圆顶内视宁度不好，依然得不到高质量的像。这是每个大型 天文光学望远镜都会遇到的问题。 目前望远镜基本上都是靠制冷、通风、开启百叶窗和加装隔热板等方式来改 善视宁度。以 LAMOST 为例基本上每天都有一个固定的开圆顶，制冷，抽风等操 作流程。这些流程往往没有考虑到实际的天气状况以及圆顶内部的温度变化。何时采用何种步骤，也没有一个理论上的依据。 通过加装在光路及各个位置的温度传感器可以构建出整个圆顶的温度梯度。 采用人工智能的方法，统筹考虑圆顶内外环境对圆顶视宁度的影响，给出圆顶视 宁度优化策略，以期为动态改善圆顶内视宁度 提出解决方案。

影响圆顶内部视宁度的主要可调控因素是望远镜附近的热源以及观测室的 空气动力特征，主要由望远镜自身和观测室温差引起。所以针对室内外温差以及 影响温差的相关因素进行建模。流程如下：

1 数据预处理

通过收集影响视宁度的数据，包括室内外温度、仪器主要发热部件的温 度、仪器运行状态、天气等数据，通过清洗、去冗余、归一化、数据增广 等操作进行数据预处理。

2 视宁度模型构建与训练

因为视宁度、室内外温差和仪器运行状态等都是连续监测的时间序列数 据，因此可以建立一个基于深度学习的时间序列模型以预测下一个状态下的 视宁度。将预处理后的数据输入进已经构建好的模型之中，通过设计的损失 函数，利用梯度下降法递归式调节网络层之间的参数，以拟合出预测精度最 高的视宁度模型。

3 视宁度模型的调用

通过将实时的室内外温度、仪器运行状态和天气等数据，输入到已经 训练好的视宁度模型之中，得到视宁度结果。

4 决策阶段

根据视宁度计划的规则，制定可能的决策行动策略；然后根据预先设定 的各种计划期望奖励，以运行决策目的(平衡室内外温差，改善视宁度)为可 行的活动控制，通过强化学习的 Markov 决策过程，从所有决策计划中找到 收益最大的决策计划，给系统推荐最优的调节室内外温差计划，进而通过制 冷，通风等方式降低器件对视宁度的影响，提升观测质量。

  观测质量优化框架