Page 307 - 《软件学报》2026年第3期

1270 软件学报 2026 年第 37 卷第 3 期

及参数是可变元, 通过对不同的端口和参数进行调整, 从而很好地表征组件的动态特性. 用 S 表示组件模型,
s_type 表示组件类型, port 表示组件端口, par 表示端口参数, 表示为 S={s_type, port, par}. 以“Roll_shaft-Bias_10_
degree_flight”需求为例, 组件参数将被动态调整, 并反馈至行为模型.
● 对应用逻辑框架中的行为建立模型. 行为模型包括控制软件需要执行的操作和这些操作引起的软件状态变
化. 因需求变化导致软件行为变化, 所以本文的行为模型首先描述状态转移信息, 并重点声明行为源状态、行为目
标状态等可变元; 其次, 本文将行为的方向性抽象为行为模型的描述元素, 对软件行为的具体操作进行描述, 表示
行为指导下的行为源与行为目标间的关联关系; 最后, 由于状态转移可能因为组件之间的相互调用而发生, 且复杂
需求通过一定的行为序列去实现, 故行为模型还包含软件行为间的参数传递. 因此, 行为模型最终可描述为包含上
述可变元、行为方向及相关参数的元组. 用 B 表示行为模型, origin 表示源状态, target 表示目标状态, d 表示行为
方向, 相关参数用 para 表示, 表示为 B={origin, target, d, para i ,…}, i=1, 2, 3,…. 例如“capturing_the_sun”动作, 则行
为模型将定义 solar_sensor 和 solar_panel 为行为源, 行为目标为“sensorTone”“panelTurn”等, 并对行为基本信息进
行描述.
3.2 软件自适应控制逻辑框架
空间飞行器控制软件的自适应部分以控制论为核心, 采用 MAPE 控制循环模型来建模控制逻辑. 通过与应用
逻辑部分以及地面测控系统的交互, 感知并分析系统变化, 随后生成并执行应对策略. MAPE 模型将自适应软件系
统分为感知、分析、决策和执行这 4 个环节, 重点关注这些功能的循环执行.
感知环节通过针对性的感知方法, 确保自适应系统能够精准捕获空间飞行器控制软件的当前系统状态. 该环
节通过收集运行时的外部环境数据、地面业务需求以及系统故障信息, 为后续的分析提供基础数据支持. 分析环
节主要针对运行时的外部环境、地面业务需求以及系统故障, 通过感知过程所收集的信息, 对系统运行中发生的
异常事件进行深度解析. 分析的目的是识别需求类型和需求内容, 并将 3 种类型异常事件进行统一描述, 从而为决
策提供依据, 并辅助简化决策过程. 决策环节通过叶子需求-元行为拆解以及人工智能算法, 为系统动作执行机构
提供应对异常事件的策略. 该环节的核心是针对目标需求制定出最优策略, 以确保系统能够迅速恢复迁移至正常
运行状态, 或根据新的任务需求进行调整. 执行环节负责将决策环节生成的策略具体化, 并与应用逻辑紧密耦合,
负责确保策略的高效实现和有效执行. 执行环节包括实际具体的执行设备系统操作, 如调整飞行器姿态调整、轨
道修正以及子系统的重启等. 图 2 展示了自适应控制软件状态迁移过程, 详细说明了每个环节的具体作用和相互
关系.

系统边界
感知 (M) 内生故障 分析 (A) 执行 (E)
系统
系统行为A
状态S
故障恢复需求R n
星上 故障发生
运行环境 被动触发 子需求-元行为拆解
需求R
行为策略
主动触发 业务变更 δ: S×R→S' 人工智能方法
地面 系统
业务实现需求R f
控制中心 状态S' 决策 (P)
图 2 自适应控制逻辑状态迁移示意图

在资源受限的环境下, 空间飞行器控制软件的自适应框架需要高效利用有限的内存和计算资源. 为此, 我们采
取了以下策略: 首先, 在内存管理方面, 通过优化数据结构和采用数据压缩技术, 减少了感知和分析环节中数据存
储的内存占用. 同时, 利用缓存机制和优先级调度, 确保关键数据的快速访问和处理. 其次, 在计算复杂度控制方
面, 通过引入启发式算法和分层决策机制, 降低了决策环节的计算负担. 例如, 在感知环节, 采用特征提取和降维技
术, 减少数据处理的复杂度. 在分析环节, 利用机器学习模型的轻量化设计, 提高分析效率. 在决策环节, 通过预定
义的规则库和动态策略生成的结合, 快速生成应对策略, 避免复杂的实时计算. 这些策略确保了自适应框架在资源