FPrime项目中的遥测数据推送机制设计与实现思考
2025-05-24 09:36:19作者:舒璇辛Bertina
引言
在航天器系统中,遥测数据的实时获取对于地面操作人员掌握航天器状态至关重要。FPrime作为NASA开发的飞行软件框架,其遥测系统设计直接影响着航天任务的操作效率和数据获取能力。
当前遥测系统的局限性
FPrime现有的遥测系统采用两种主要模式:持续发送(always)和变化时发送(on-change)。对于配置为"变化时发送"的遥测通道,当变化发生在通信中断期间(如无线电启动、天线无覆盖等情况),地面操作人员将无法及时获取这些关键状态变化。
虽然这些数据最终会记录在ComLogger文件中,但获取这些日志文件需要额外的命令操作,且会消耗宝贵的下行带宽资源。这种设计在实际任务执行中给操作人员带来了不便,使他们无法实时掌握航天器的完整状态。
技术改进建议
针对这一问题,社区提出了在TlmChan组件中增加"推送当前值"命令的改进方案。该命令应当能够:
- 推送所有通道化遥测的当前值
- 提供可选参数,仅推送配置为"变化时发送"的通道,以节省带宽
从技术实现角度看,这一功能面临几个关键挑战:
- 状态信息传递:组件内部的"变化时发送"过滤机制对TlmChan不可见,需要扩展端口调用以传递更多信息
- 时间戳处理:对于未变化的遥测数据,系统需要决定是发送最新值还是保留旧时间戳
- 资源消耗:大规模遥测数据一次性推送可能对无线电系统造成冲击
替代解决方案探讨
除了直接修改TlmChan组件外,还可以考虑以下替代方案:
- 遥测通道配置:将所有遥测设置为"持续发送"模式,配合TlmPacketizer进行下行过滤
- 组件辅助功能:在组件内部实现"变化时发送"逻辑,同时提供强制发送命令
- 双通道设计:通过ComSplitter同时使用TlmPacketizer和TlmChan,分别处理实时遥测和存储需求
系统架构考量
实现一个健壮的遥测推送系统需要考虑以下架构因素:
- 内存开销:在TlmPacketizer中缓冲所有通道最后采样值的内存消耗
- 扩展功能:基于最后采样值实现高水位标记报告(High-Watermark Report)等高级功能
- 操作安全:防止大规模遥测推送对通信系统造成过载的防护机制
最佳实践建议
基于讨论,建议航天任务采用以下实践:
- 定义"关键遥测数据包",包含最重要的状态信息
- 实现按需发送命令,而非全量遥测推送
- 考虑通信系统容量,设计合理的遥测推送策略
- 在任务初期规划遥测系统架构,平衡实时性和资源消耗
结论
FPrime的遥测系统改进需要平衡操作需求和系统资源。通过合理的架构设计和功能扩展,可以实现既满足操作人员实时掌握航天器状态的需求,又能有效控制系统负载的遥测解决方案。未来的发展方向可能包括更灵活的遥测配置机制和智能化的遥测推送策略。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219