在轨服务与在轨组装是航天技术发展的必然需求，是实现我国航天强国目标的必经途径。2017年《关于推动国防科技工业军民融合深度发展的意见》《2021中国的航天》白皮书，以及我国航天领域“十四五”和“十五五”规划均将在轨服务、在轨组装作为新兴技术加以引领，作为重点领域予以支持。在轨服务是指在地球轨道对航天器实施的各类运维作业，涵盖燃料补加、故障部件更换、系统升级等常规维护，以及对无标识、无应答的非合作目标进行识别、追踪与捕获，旨在延长航天器服役寿命、改善运行状态，并提升其执行空间任务的综合效能与可靠性。在轨组装是指将零件或部组件通过运载上行，然后通过手工或自动方式在轨装配为所需结构。我校电气与能源工程学院智能决策与控制技术研究团队近期在在轨服务与在轨组装领域取得系列成果。
在理论研究方面，团队在航空航天工程领域知名期刊发表多篇学术论文。
随着近地轨道空间碎片和失效航天器数量不断增加，非合作目标的自主识别、定位与捕获已成为在轨服务和主动碎片清除中的重要问题。由于非合作目标通常缺少通信接口、人工标志和主动配合能力，同时还可能存在结构未知、姿态变化、复杂光照和通信延迟等情况，传统依赖单一感知或人工规划的捕获方法难以满足高可靠自主操作需求。针对这一问题，研究团队提出了一种基于多模态信息融合的地球轨道非合作目标自主捕获一体化方法。相关研究成果以“Integrated Method for Autonomous Capture of Non-cooperative Targets in Earth Orbit Based on Multimodal Information Fusion”为题，发表于航天领域期刊《Journal of Space Safety Engineering》。该研究为非合作目标自主捕获提供了一种可解释、可验证的多模态融合方案，未来有望应用于空间碎片清除、失效卫星处置和空间机器人自主操作等任务。
该方法首先利用双目视觉系统获取目标图像，并通过 DETR 模型识别天线、连接杆等可抓取部件；随后结合 MLP 回归和双目视差测距，获得目标部件的三维空间坐标。在此基础上，系统将自然语言任务指令解析为结构化控制命令，并通过规则库完成可达性、安全性和冲突检查，最后基于逆运动学驱动双机械臂完成抓取。仿真实验表明，该系统在基准姿态下可实现较高的任务成功率，并在姿态扰动、复杂光照和环境干扰条件下保持较好的鲁棒性。消融实验进一步证明，视觉检测、双目测距和坐标回归模块对系统性能均具有重要作用。
论文链接：https://www.sciencedirect.com/science/article/abs/pii/S2468896725001144
随着在轨服务、空间目标监测及自主操作任务的发展，航天器智能感知需实现从整体类别识别到关键部件级精细解析的全面理解。传统光学图像虽纹理丰富，却易受光照、姿态及背景干扰；SAR图像环境适应性强，但散斑噪声明显且细节表达不足。为此，亟需充分利用二者互补优势，以解决复杂空间环境下航天器目标稳定识别与部件级精细分割的关键问题。针对这一问题，研究团队提出了多模态协同融合识别框架。相关成果以“Classification and Feature Extraction Algorithm for On-Orbit Spacecraft Based on Optical-SAR Multimodal Information”为题，发表于航空航天工程领域知名期刊《IEEE Transactions on Aerospace and Electronic Systems》。该研究为复杂空间环境下的光学-SAR 多模态航天器感知提供了有效的技术支撑。
该方法以光学图像和 SAR 图像为输入，首先利用二维 Haar 小波变换提取不同频率下的结构和边缘信息，再通过双分支网络提取两种模态的多尺度特征。随后，模型引入跨模态 Transformer 模块，使光学特征与 SAR 特征在高层语义空间中进行交互融合，从而增强模型对航天器整体结构和关键部件的表征能力。同时，该框架采用分类与语义分割并行的多任务结构，可同时完成航天器类别识别和太阳帆板、主体结构、头部模块等关键部件分割任务。
论文链接：https://ieeexplore.ieee.org/document/11284867/
在面向在轨服务与空间碎片清除任务的自主智能控制过程中，自由漂浮双臂空间机器人需要在强动力学耦合、目标状态不确定和碰撞风险并存的条件下，实现对非合作目标的安全接近与稳定捕获。目前，传统模型驱动方法通常依赖精确动力学模型和复杂在线优化，而多数强化学习方法主要通过奖励惩罚间接处理安全约束，难以显式保证双末端执行器与目标之间的安全距离。针对这一问题，研究团队提出了HSCBF（Hindsight Experience Replay-enhanced Soft Actor-Critic with Control Barrier Functions）这一安全约束强化学习框架，用于自由漂浮双臂空间机器人对非合作旋转目标的在轨捕获控制。相关研究成果以“Constrained Reinforcement Learning With Control Barrier Functions for On-Orbit Capture of Noncooperative Targets Using a Free-Floating Dual-Arm Spacecraft”为题，发表于航空航天工程领域知名期刊《IEEE Transactions on Aerospace and Electronic Systems》。该研究不仅为自由漂浮双臂空间机器人的非合作目标捕获提供了一种安全强化学习控制方案，也为复杂空间任务中的智能自主操作提供了新的技术路径。
该框架引入了一种显式安全约束控制方法，通过结合目标几何模型、末端碰撞球和双臂末端位姿误差，构造控制障碍函数并生成安全距离约束；随后，将强化学习策略输出的名义关节速度指令与CBF-QP安全过滤机制统一到关节速度控制层中，对可能导致碰撞风险的动作进行在线修正；最后，修正后的安全速度指令由关节空间PD控制器跟踪并转化为实际关节力矩，从而实现双臂协同接近、姿态对准和安全避碰的一体化控制。CBF模块提供了显式安全边界，HER模块提高了稀疏成功经验的利用效率，SAC策略则增强了系统在不确定环境下的自主决策能力。
论文链接：https://ieeexplore.ieee.org/document/11595760
在高水平学科竞赛方面，研究团队围绕航天器在轨服务与空间目标操作研究方向，依托前期技术积累打磨参赛项目，获得多项赛事奖项。其中，《星轨猎手——太空打捞新利器》聚焦空间非合作目标捕获与轨道废弃物清理技术，获得2025年中国国际大学生创新大赛上海赛区银奖；《太空卫士——卫星在轨服务提供商》围绕卫星在轨服务、目标识别和故障诊断等应用场景进行设计，获得2026年第十五届“挑战杯”上海市大学生创业计划竞赛一等奖。
在产业化合作方面，研究团队立足在轨服务技术研究与工程落地需求，先后与上海卫星互联网研究院、上海航天空间技术有限公司、上海宇航系统工程研究所等多家航天领域重点科研院所与企业搭建常态化产学研协作机制，建立长期稳定的紧密合作关系。双方依托各自技术与平台优势，联合承接横向科研课题，针对在轨感知、空间目标操作等实际工程问题开展联合攻关，同时携手谋划并共同申报省部级、国家级科研项目，推动实验室前沿算法与航天在轨服务工程应用场景深度对接，加速相关研究成果向航天工程实际应用转化。（供稿：电气与能源工程学院）
