融合大语言模型与专家知识的星地协同决策系统及方法与流程

本发明涉及航天卫星智能管控，具体涉及融合大语言模型与专家知识的星地协同决策系统及方法。

背景技术：

1、卫星在轨运行过程中需要根据自身状态与任务需求不断进行姿态保持、轨道维持、碰撞规避以及任务调整等决策，此类决策同时受到剩余燃料量与响应时间的严格约束，对实时性、可靠性与安全性要求很高。现有卫星决策主要依赖地面测控运控，即由星上下发遥测数据、地面团队分析后再上行控制指令，该方式链路环节多、响应时间长，在轨道机动、碰撞预警等时效性强的场景下难以及时完成决策；部分卫星虽具备一定星上自主能力，但其自主逻辑多为预先固化的规则或单一模型，只能覆盖设计阶段预见的有限任务场景，面对未预先定义的新型任务类型时缺乏泛化与推理能力。

2、近年来大语言模型在语义理解与任务规划方面表现出较强的泛化能力，但若直接将其用于卫星决策，其输出存在不确定性、可解释性不足且可能偏离航天安全约束，难以保证决策的规范性与可靠性；同时现有方法难以将历史任务经验、专家知识与大语言模型的推理能力有机结合，也缺乏依据实际执行结果对决策知识持续修正的机制，导致相同偏差可能重复出现。因此，如何在保证安全约束的前提下融合大语言模型与专家知识构建星地协同决策机制，并使决策知识随任务执行持续演化，成为本领域亟待解决的技术问题，为此提供融合大语言模型与专家知识的星地协同决策系统及方法。

技术实现思路

1、本发明的目的是提供融合大语言模型与专家知识的星地协同决策系统及方法，以解决背景技术中不足的问题。

2、为了实现上述目的，本发明提供如下技术方案：

3、融合大语言模型与专家知识的星地协同决策方法，包括以下步骤：

4、步骤s1、星上部署重力梯度敏感器阵列与星敏感器组合，构成姿态基准自校准机制，通过姿态基准自校准机制判断卫星本体实时状况生成星上下行数据；

5、步骤s2、构建专家skill语义空间，根据星上下行数据生成相应任务语义向量，判断任务语义向量是否为新型任务类型，专家skill语义空间根据判断结果以及任务语义向量生成决策经验模型，根据决策经验模型生成初步决策方案，通过初步决策方案与预设专家skill标准输出对比结果生成星地协同决策；

6、步骤s3、获取星地协同决策的执行结果数据，根据执行结果数据对专家skill语义空间进行参数修饰。

7、进一步的，星上部署重力梯度敏感器阵列与星敏感器组合，构成姿态基准自校准机制的过程包括：

8、在卫星本体上布设重力梯度敏感器阵列构成姿态基准自校准机制；

9、所述姿态基准自校准机制持续测量卫星本体相对于当地垂直方向的姿态偏差角与角速度，由重力梯度张量解算出卫星本体相对于当地垂直方向的姿态，并以星敏感器提供的惯性姿态基准为参照对该姿态进行自校准，从而在不依赖地面持续干预的条件下获得卫星本体的实时姿态与姿态变化趋势，进而判断卫星本体实时状况；

10、所述姿态基准自校准机制设置有触发决策上报流程的判据，当姿态偏差角超过预设阈值时，判定卫星本体进入需要地面协同决策的状态，进而触发决策上报流程；

11、所述重力梯度敏感器阵列采用冗余构型布置，当个别重力梯度敏感器出现测量异常时，姿态基准自校准机制通过不同重力梯度敏感器之间测量结果的一致性比对识别异常通道，并以其余正常通道与星敏感器的惯性姿态基准进行融合解算，保证姿态偏差角与角速度的连续输出；所述融合解算以星敏感器提供的惯性姿态基准为长期基准、以重力梯度敏感器阵列的连续测量为高频输入，对二者进行时间对齐与误差互补，从而在星敏感器受光照或遮挡影响而短暂失效时，仍可由重力梯度张量维持姿态基准自校准机制的短时连续运行。

12、进一步的，通过姿态基准自校准机制判断卫星本体实时状况生成星上下行数据的过程包括：

13、决策上报流程触发后，将与本次协同决策相关的关键遥测数据进行打包，所述关键遥测数据包括当前轨道六根数、姿态四元数、重力梯度张量、剩余燃料量、碰撞概率以及任务需求摘要；

14、将打包后的关键遥测数据标记为星上下行数据，通过下行链路定向传输至地面站，所述下行链路采用定向传输方式以降低星地链路开销并提高关键遥测数据传输的针对性。

15、进一步的，构建专家skill语义空间，根据星上下行数据生成相应任务语义向量，判断任务语义向量是否为新型任务类型的过程包括：

16、地面站接收到星上下行数据后，由大语言模型对关键遥测数据与任务需求摘要进行语义解析，将结构化遥测量与自然语言形式的任务需求统一映射为任务语义向量，所述任务语义向量是后续专家skill匹配与决策生成的统一输入；

17、预先构建专家skill语义空间，所述专家skill语义空间以任务类型、燃料约束、时间约束维度构建多梯度场，每个专家skill对应特定任务场景的标准操作流程与参数模板；

18、专家skill语义空间判断任务语义向量是否为新型任务类型，根据判断结果生成初步决策方案或者由专家skill语义空间基于任务语义向量生成决策经验模型，进而基于决策经验模型生成初步决策方案。

19、进一步的，针对新型任务类型进行多梯度并行搜索并生成星地协同决策的过程包括：

20、将初步决策方案与预设专家skill标准输出进行偏差率比对，根据对比结果以专家知识为基准对初步决策方案进行加权修正，并将加权修正后的初步决策方案送入多目标优化程序；所述多目标优化程序以最小燃料消耗和最短响应时间为优化目标，其中最小燃料消耗用于约束姿态机动或轨道机动的剩余燃料量消耗，最短响应时间用于约束从决策到星上执行的时间开销，进而采用帕累托前沿搜索在各个优化目标之间求取非支配的折中解，将该折中解作为星地协同决策。

21、进一步的，针对非新型任务类型生成决策经验模型并利用历史经验加速决策的过程包括：

22、当判断任务语义向量不为新型任务类型时，专家skill语义空间基于任务语义向量生成决策经验模型，基于决策经验模型，按照任务语义向量检索匹配相同任务类型、相近轨道位置和相似空间天气条件的历史任务，并计算当前任务与各历史任务之间的相似度；

23、若匹配成功，则将该历史任务的历史最优skill参数作为前置约束输入大语言模型，由大语言模型在前置约束下直接生成加速决策方案，所述加速决策方案仅需微小修正即可上行至星上执行；

24、若当前任务与历史任务的相似度小于等于预设相似度阈值，则将历史经验作为初始解以引导多梯度并行搜索算法的寻优方向，使多梯度并行搜索算法在历史经验所指向的区域内展开候选skill匹配路径，从而减少迭代次数、加快收敛速度。

25、进一步的，获取星地协同决策的执行结果数据的过程包括：

26、星地协同决策上行至星上后完成相应的姿态机动或轨道机动，待机动完成后，将实际执行结果打包回传地面，所述实际执行结果包括姿态偏差残差、燃料消耗量以及机动完成时间；

27、大语言模型将实际执行结果分别与初步决策方案、预设专家skill标准输出进行多维度比对，逐项计算决策偏差率、燃料消耗偏差和响应时间偏差；

28、将各类偏差连同其对应的任务条件共同组织为执行偏差记忆，所述执行偏差记忆记录每一次星地协同决策在星上真实执行后的偏差情况，作为对专家skill语义空间进行参数修饰的依据。

29、为使不同量纲的偏差具有可比性，决策偏差率、燃料消耗偏差和响应时间偏差均按照各自的预设基准进行归一化处理，并按星地协同决策的执行时序组织为执行偏差记忆序列。

30、进一步的，根据执行结果数据对专家skill语义空间进行参数修饰的过程包括：

31、将执行偏差记忆中的偏差数据作为胁迫信号，对偏差来源进行判别并提取新规则，根据判别结果进行参数修饰的同时，记录偏差发生时的轨道位置、季节和空间天气条件，并将上述环境条件与对应的参数调整结果以及新规则绑定。

32、融合大语言模型与专家知识的星地协同决策系统，包括星地数据交互模块、星地协同决策构建模块以及数据自校准模块；

33、所述星地数据交互模块用于星上部署重力梯度敏感器阵列与星敏感器组合，构成姿态基准自校准机制，通过姿态基准自校准机制判断卫星本体实时状况生成星上下行数据；

34、所述星地协同决策构建模块用于构建专家skill语义空间，根据星上下行数据生成相应任务语义向量，判断任务语义向量是否为新型任务类型，专家skill语义空间根据判断结果以及任务语义向量生成决策经验模型，根据决策经验模型生成初步决策方案，通过初步决策方案与预设专家skill标准输出对比结果生成星地协同决策；

35、所述数据自校准模块用于获取星地协同决策的执行结果数据，根据执行结果数据对专家skill语义空间进行参数修饰。

36、在上述技术方案中，本发明提供的技术效果和优点：

37、1、本发明由星上重力梯度敏感器阵列与星敏感器构成姿态基准自校准机制，按需下行遥测数据；大语言模型生成任务语义向量，经专家skill 语义空间多梯度并行搜索匹配最优skill组合形成初步决策方案，比对专家skill标准输出，以最小燃料消耗、最短响应时间经帕累托前沿搜索生成星地协同决策，兼顾泛化与安全性。

38、2、本发明通过非新型任务类型构建决策经验模型，检索任务类型、轨道位置与空间天气条件相近的历史任务生成加速决策方案，缩短响应时间；并将星上执行结果回传形成执行偏差记忆，以胁迫信号增量写入新规则或参数微调形成参数修饰，以表观遗传标记记录环境条件，使专家skill语义空间持续演化，一定程度上提升了复杂空间环境下决策准确性与适应能力。