长期以来,火星探测都是国际深空探测的关注热点,其对探索太阳系行星及生命起源、寻找宜居环境具有重要意义。为了实现对火星详细地形地貌、地质构造、大气、水分布及含量等环境条件探测,除了环绕遥感探测外,还需要开展更为精细的火星表面着陆及巡视探测,这就涉及着陆区选择。着陆区除要具备一定的科学探测价值外,还必须满足工程设计约束,综合二者进行选择。而工程约束是决定火星表面探测任务成败的关键,特别是对于早期开展的探测任务,通常要优先予以考虑。如美国的“海盗号”“探路者号”及ESA的“ExoMars”等,都是充分考虑工程约束后再结合科学目标确定最终着陆点。
火星着陆区选择的工程约束主要涉及到着陆区的大气环境、表面特征和任务轨道等等。其中着陆区的表面特征包括光照、热约束、地理高程、岩石分布、尘土厚度,斜坡及地形起伏情况。这些因素都影响EDL过程的安全性和火星车移动性能。目前国外尚未系统性地对涉及火星着陆区选择的工程约束进行分析,同时在进行火星着陆区选择时并未建立定量的数学评价模型,通常基于遥感探测数据,组合专家意见进行不同着陆区选择的多轮会议讨论进行主观评价。
本文首先对影响着陆区选择的各类工程因素影响进行重要性排序,然后利用模糊理论进行定量描述,可以较好的实现对着陆区的定量评价,初步筛选出满足要求的主要着陆区。
1 工程约束要素分析 1.1 轨道可达性实现火星大气进入通常有2种方式,即地火转移直接进入和环绕后再进入。
第1种进入方式着陆点和着陆时刻相对受地火转移轨道限制;这种方式通常需要采用2次发射,第1次发射火星环绕器,为后续着陆或巡视任务开展详查及中继,第2次再发射包含火星着陆器或巡视器的火星进入器。第2种进入方式可以一次发射环绕器和进入器,环火后择机分离进入器。
能否到达目标区域是着陆区选择的前提,直接影响任务成败。无论采用哪种进入方式,由于火星自转速度快,通常调整地火转移时间或微调环火轨道周期,可以较为容易地达到火星着陆区所需经度。而着陆点纬度是与火星捕获时的近火点纬度直接相关的,理论上通过设计进入策略都可以到达对火星表面的任意纬度,因此轨道可达性并不影响着陆区的选择。
1.2 测控约束对于火星车与轨道器间的中继,一般有两种类型的火星中继轨道:一种类型是近圆的太阳同步轨道:另一种是大椭圆极轨轨道。两类轨道倾角都接近于90°,因此中继轨道近火点附近的星下点都能通过火星表面大部分纬度区域。
对于火星车直接对地通信,由于较高的自转速度,任意经度位置均会经历相同的大范围指向变化,着陆点经度选择不影响对地通信;但对于火星高纬度地区,定向天线或全向天线都会受火星地形影响,特别是考虑着陆后姿态倾斜。选择火星低纬度着陆区相对更有利于改善测控条件。
1.3 表面特征1)当地高程
在EDL阶段,进入火星大气层后先通过进入器气动外形减速后,然后弹出降落伞进一步减速,最后在靠近火星表面几千米以下时,采用制动发动机以动力减速方式软着陆至火星表面。火星本身大气稀薄,并受季节与纬度的影响偏差较大,限制了开伞高度和抛伞后的动力下降初始高度,因此地理高程对于着陆区选择非常关键。
除“好奇号”外,目前已成功实现火星着陆的进入器均采用弹道式进入方式,在考虑各种不确定因素后,其开伞时的高度相对较低,这就要求着陆区地形高程至少应处于基准平面(MOLA)–2 km以下。满足该高程要求的范围大部分集中在火星北半球北纬5°以上的平原区域(见图1)。
![]() |
图 1火星地形高程图(基于MOLA数据)Fig. 1Martian digital elevation map (DEM) (MOLA) |
2)地形坡度
地形坡度特征决定了EDL过程的控制能力,如会影响雷达测量、着陆平台着陆稳定性。测距测速雷达使用多波束测量高度,垂直和水平速度。在分离大底后的伞降阶段,将开始测量。在整个下降过程将开展连续测量直至距地面几米高度处关机。在整个下降过程,不同基线的斜坡将影响对相对着陆点高度的获取,影响推进剂消耗、控制性能和触地时条件。
基线大于2 km,将影响推进剂消耗和导航敏感器的回波强度。小基线坡度(2~10 m)将主要影响着陆触地时的稳定性,缓冲机构和避障性能。基线为35 km的火星全球地形坡度如图2所示。大基线下,高程小的区域,火面坡度较小目坡度变化缓慢。根据国外成功的火星着陆探测任务(“海盗号”“探路者号”等)。在北部低纬度平原地区,基线在10 m以内的最大坡度不大于10°。
![]() |
图 2火星表面坡度(35 km 基线)Fig. 2Martian slope (35 km window) |
3)岩石分布
着陆器和火星车下都应避免有石块分布。这些石块将破坏平台的着陆缓冲机构;着陆平台着陆后在着陆平台发动机喷管和地面之间也应避免有石块;石块还会破坏火星车的底盘结构并影响火星车的移动性能;此外,当火星车周围有大量石块时,有效移动速度将非常低,如火星探路者[1],如图3所示。
![]() |
图 3MPF着陆点具有很高的岩石丰度Fig. 3High rock abundance of the MPF landing site |
目前,普遍使用“海盗号”的IRTM数据或基于已有的MRO高分辨率图像来分析不同大小岩石分布。未来更有效方式是主动避障技术,如“嫦娥3号”[2]。对于0.2 m以下的石块分布,采用避障方法可以有效地保证着陆器落在小尺度(25 m以内)的安全区范围内。因此,石块分布的影响权重较高程、坡度相对较低。
1.4 尘土覆盖火星表面存在很大的区域有非常低的热惯量和高反射率,意味着其表面有一定的尘土覆盖。尘土较厚意味着承重能力低,不利于保证触地后着陆器姿态及火星车在火星表面移动。
火星全球的热惯量和反射率数据显示热惯量低于100 J·m-2·s-0.5·K-1,反射率高于0.25的地区对应多尘覆盖区域[3],尘土厚度达几米至几十米,非常不适合着陆、火星车移动与探测。低热惯量和高反射率区域的大温差也会使部分功率用于温控,降低了表面操作能力。
根据热惯量和反射率,火星表面可划分为若干区域(A到G)。其中,B和C相较其它区域更好(见图4)。
![]() |
图 4火星全球的热惯量和反射率数据Fig. 4Global TES thermal inertia versus albedo |
1)大气密度
进入器和降落伞都需要使用大气使着陆器减速。火星大气密度很低(约为地球的1%),若地理高程不够低,无法完成伞降和动力减速。此外,在–2 km(MOLA基准)处大气密度比0 km(MOLA基准)增加约10%,因此大气密度的影响与地理高程相对应。
2)表面风速
EDL过程中,降落伞展开和大底分离都需要根据马赫数估计结果触发。阵风或稳态风由于无法准确预计,将带来马赫数估计(基于惯性速度)偏差[4],影响降落伞展开和大底分离可靠执行。此外,火星车及载荷工作时也需要在稳定和较低的风速下开展,其要求较EDL过程低(考虑任务紧急性)。
3)光照
由于火星距日较地球更为遥远,太阳辐照强度仅为地球的43%。对于火星车,降低太阳矢量与火星当地平面法线方向夹角,有利于提高火星车太阳翼的输出功率。
4)表面热环境
与光照条件对应,火星表面热环境规律与地球类似,也呈现赤道向两极整体温度逐渐降低的趋势,较为有利的纬度范围在火星地理南北纬30°以内。
上述4项环境条件实际都与着陆区纬度相关,随着纬度增加影响逐渐增大。
2 火星探测着陆点选择方法1)确定约束影响排序
考虑火星EDL过程时间短、任务阶段复杂且不可逆、地面无法干预,相关约束影响的排序较高,而火星车工作的实时性要求低且可认为参与,因此相关约束影响的排序较低。根据前面对工程约束的分析,几类工程约束可基于以下考虑进行重要性排序。
(1)地理高程:直接影响探测器进入和软着陆减速能力,优先级最高;
(2)斜坡:大基线坡度影响测距雷达使用,小基线坡度影响最终触火稳定性;
(3)岩石分布:间接影响着陆器的安全及火星车的移动;
(4)大气密度、风速、光照、热环境、对地通信条件:实际都与着陆点地理纬度相关,影响趋势基本一致;
(5)沙尘条件:为了便于分析,在初始大区域选择时进行可行性确认,可不作为模糊分析的约束项。
表1给出了分析后的各约束的重要性排序,排序由高到低,用于后续模糊规则的建立。
![]() |
表 1工程约束排序Table 1The order of the engineering constraints |
2)模糊认知与选择模型(FCSM)
模糊理论首次由扎德教授在上世纪60年代首次提出,在几十年内已经在各领域应用。模糊理论包括一系列的方法论对无法准确确定的数据进行表示和推理[5]。模糊逻辑控制器并不需要一个完整的非线性系统分析模型,而是提供基于知识的启发式控制器用于复杂系统,并可以分析验证。这正适应于对着陆区选择过程中各工程约束的定量评价,因此基于模糊理论进行着陆区选择分析。
通过建立模糊认知和选择模型进行描述并利用模糊逻辑进行计算。建模过程包括认知和选择两部分。对于认知,包括3个步骤:即定义隶属度函数,制定模糊规则和解模糊计算,得到各着陆区域的评分,如图5所示。
![]() |
图 5FCSM建模过程Fig. 5FCSM modeling process |
定义隶属度函数:每个变量包括3个高斯型的隶属度函数,其各函数间过渡更为平滑、稳定。纬度分为{低,中,高},高程分为{低,中,高},大基线坡度和小基线坡度分为{平坦,中等,陡峭},岩石分布分为{平滑,中等,多石},着陆点等级分为{A级,B级,C级,D级,E级,F级}。
制定模糊规则:建立模糊分配矩阵(FAM)或规则数据库,通过对不同备选着陆点地形图像的分析结果,得到上述约束的具体数值。分析时,分别以着陆区中心纬度值、最大高程值、大基线坡度大于3°覆盖比例、小基线坡度大于7°覆盖比例、岩石丰度比例作为输入参数,评价纬度(L)、高程(E)、大基线斜坡(Sl)、小基线斜坡(Ss)和岩石分布(R)这些约束的影响,建立了相应的典型规则。前面介绍的工程约束排序,特别是不同约束的组合情况,直接影响模糊规则的建立。
解模糊计算:根据模糊规则可以求解不同备选着陆点的评价分值,用于最终的着陆区选择。
3)基于FCSM的着陆点选择方法验证
为了对上述方法进行验证,以ESA的ExoMars 2020任务初选着陆点为例进行了分析。图6中红色的点为ExoMars备选着陆点,根据前面对火星表面尘土覆盖的分析,处于尘土相对较少的地区,在大范围尺度上具有可行性。基于目前已获得的各备选着陆区地形参数,利用FCSM模型的评价结果如表2所示。
![]() |
表 24个备选着陆点分析结果Table 2Engineering parameters and the final grading scores of the four recommended landing sites |
![]() |
图 6ExoMars 2018任务的4个备选着陆点(红点区域)Fig. 6Map showing the four landing sites proposed for the ExoMars 2018 mission (red points) |
在上述着陆点评分排序的基础上,后续可以结合EDL过程的详细仿真结果对着陆区可行性进一步研究。
模糊推理结果如图7所示,ESA的着陆区选择小组在综合主要工程约束基础上,考虑EDL过程仿真的开伞条件满足情况,最终投票将Oxia Planum作为首选着陆区,Aram Dorsum和Mawrth Vallis作为进一步备选着陆区[6]。同时Oxia Planum也具有较高的科学探测价值,其东部包括一个扇形沉积层遗迹,可能是一个古老三角洲或冲积扇遗迹;有许多迹象表明这里曾经存在过流水,从而有望发现现今或早期生活在火星上的生命物质[7]。
![]() |
图 7模糊推理计算结果(Oxia Planum)Fig. 7Analytic result of fuzzy inference (Oxia Planum) |
目前基于模糊认知和选择模型的分析结果与ESA 最终投票结果是基本一致的,之所以Oxia Planum 评分较Aram Dorsum略低,主要是由于目前缺乏完整区域斜坡的地形分析数据,因此进行了保守计算。
3 结 论工程设计中,火星着陆点选择与高程、坡度、岩石、尘土等众多因素相关。本文首先较为系统全面的分析了这些工程约束及影响程度,给出了重要性排序。在此基础上,建立了模糊认知和选择模型,并应用评估了ExoMars 2020任务中的4个备选着陆区,对该方法进行了分析与验证。该方法可用于考虑多类工程约束下的火星备选着陆区定量评价。
[1] | Golombek M P, Haldemann A F C, Forsberg-Taylor N K, et al. Rock size-frequency distributions on Mars and implications for Mars exploration rover landing safety and operations[J]. Journal of Geophysical Research Planets,2003, 108 (E12) : 237-237.(![]() |
[2] | 王大轶, 李骥, 黄翔宇, 等. 月球软着陆过程高精度自主导航避障方法[J]. 深空探测学报,2014, 1 (1) : 44-51. Wang D Y, Li J, Huang X Y, et al. A pinpoint autonomous navigation and hazard avoidance method for lunar soft landing[J]. Journal of Deep Space Exploration,2014, 1 (1) : 44-51.( ![]() |
[3] | Golombek M, Grant J, Kipp D, et al. Selection of the Mars science laboratory landing site[J]. Space Science Reviews,2012, 170 (1-4) : 641-737.(![]() |
[4] | Kipp D, San Martin M, Essmiller J, et al. Mars science laboratory entry, descent and landing triggers[C]//IEEE Aerospace Conference. Big Sky, MT:IEEE, 2007.(![]() |
[5] | Seraji H. Safety measures for terrain classification and safest site selection[J]. Autonomous Robots,2006, 21 (21) : 211-225.(![]() |
[6] | Lsswg J L, Vago D. R. ExoMars 3rd landing site selection workshop final report, EXM-RM-REP-ESA-00005[R]. [S. l]:ESA, 2015, 12.(![]() |
[7] | 肖龙. 行星地质学[M]. 北京: 地质出版社, 2013 . Xiao L. Planetary geology[M]. eijing: BGeological Publishing House, 2013 .( ![]() |