商业航天提速!卫星数字化柔性总装生产线关键技术创新与突破

近年来，航天领域掀起了新一轮低轨巨型星座网络发展浪潮[1]，国内外相关航天机构和企业相继推出了低轨通信、导航增强、对地遥感等星座计划，规划的卫星总数达十余万颗。我国将卫星互联网新基建、商业航天列为国家战略，北京、上海等地方政府陆续出台支持商业航天发展的一系列政策。在此背景下，卫星研制模式正从单件小批量、长周期向批量化、短周期、快速迭代转变。与单件或小批量研制相比，卫星批量化生产具有产品数量多、节拍快、质量一致性要求高等特点，对生产线的自动化、柔性化和数字化水平提出了更高要求。

柔性生产线是指在能同一生产线上生产多种产品，并可以随着市场变化改变生产策略的一种生产方式。汽车、航空等行业经过多年的建设与应用，已形成了较为成熟的数字化柔性装配生产线[2-8]。国外 SpaceX、One Web 等卫星制造企业借鉴汽车、航空等经验，建成了具备自动化和数字化特征的卫星总装生产线，为卫星高效、低成本制造提供了有力支撑[9-10]。国内中国空间技术研究院、上海航天技术研究院、航天科工空间工程有限公司、银河航天、格思航天、天章卫星、赛德雷特等单位应用自动化装配测试、自动化物流、数字化管控等技术开展了卫星生产线建设[11-13]，形成了卫星批量化生产能力。随着各卫星生产线的深入应用，持续推进生产线运行各环节数字化、智能化升级，已成为提高生产线整体效能的重点方向[14-22]。在现有研究中，针对卫星单件离散制造模式下的工艺设计、制造执行、生产管控等技术研究较多[23-29]，但由于生产组织方式、工艺流程、软硬件系统等方面的差异，上述研究难以适用于卫星多品种、批量化、短周期生产及生产线节拍化运行。针对卫星批量化生产，王自军等[30]提出了基于卫星批生产线数字融合模型的仿真和分析流程，通过建模和仿真实现了对卫星批生产线设计的验证。MARKUS 等[31]提出采用机器人编程、人机协作、自动化物流、远程运维、远程流程优化、预测性维护等技术进行小卫星数字化制造。高括等[32]通过对批量卫星总装、集成与测试（Assembly，Integration，and Testing，AIT）流程优化设计，提出了适应于批量卫星流水作业自动化测试系统的体系设计方案，以提高批产卫星测试效率。上述研究为卫星数字化生产线建设提供了有益思路，但目前仍缺少面向跨域协同的卫星数字化柔性生产线总体架构以及多品种卫星批产工艺快速设计、人机高效协同装配、生产过程实时管控与预测等关键技术的研究，难以满足生产线功能升级和效能提升需求。 

为此，本文在分析卫星柔性总装生产线工作流程的基础上，提出了卫星数字化柔性总装生产线的总体架构，阐述了该生产线的关键技术，并结合实例介绍了生产线构建和应用效果，为后续卫星生产线建设提供参考。

1、卫星柔性总装生产线工作流程

与原有卫星总装车间中以总装测试工位为中心的“技术岛”式布局不同，卫星柔性总装生产线是在产品模块化设计及工艺流程优化的基础上，进行生产线功能划分与布局设计，其包含了模块装配单元、整星集成单元、精度测量单元、电性能测试单元、特性测试单元等一系列柔性作业单元，并配置各类厂房设施、装配与检测设备、仓储物流设备、软件系统等，通过软硬件集成，实现生产线物流和信息流的整体贯通，生产线工作流程如图 1 所示。 

图1 

卫星柔性总装生产线工作流程

Fig. 1 

Workflow of the satellite flexible assembly line

卫星柔性总装生产线与原有单件总装生产线在生产布局、生产周期、组织模式和技术手段上存在诸多差异，2 种总装模式的对比见表 1。卫星柔性总装生产线具备设计制造高效协同、工艺快速设计、物料精准及时配送、自动化装配测试、异常快速处理、产品质量一致性控制等功能，因此需重点开展以下研究与应用：1）构建各要素、流程和业务跨域集成与高效协同的数字化生产线总体架构；2）实现模型与知识驱动的工艺设计及装配测试；3）实现生产线全面感知，基于实时数据驱动计划、物流、质量控制与优化决策。 

表1 

卫星总装模式对比

Tab. 1 

Comparison of satellite assembly modes

2、卫星数字化柔性总装生产线总体架构

本文采用工业互联网、云计算、数字孪生等技术，设计了云-网-边-端协同的卫星数字化柔性总装生产线总体架构如图 2 所示，各层组成及主要功能如下。 

1）端：包含加工与装配设备、检测设备、物流设备、工艺装备、数据采集终端等生产线设备，以及总装工艺快速设计系统、生产线管控系统、模型处理软件、数据解算软件等软件系统。端侧软硬件通过物联网进行实测数据、业务信息和控制指令等的交互，实现工艺设计、排产调度、物料配送、制造执行、生产过程控制等功能。 

图2 

卫星数字化柔性总装生产线总体架构

Fig. 2 

Overall architecture of the satellite digital flexible assembly line

2）边：包含边缘服务器、边缘网关等硬件，以及物联网平台、大数据平台、数字孪生引擎、数据分析软件等边缘部署软件。其中，物联网平台实现各类生产线设备及软件的接入、协议转换以及异构数据的转换、汇聚；大数据平台实现产品生产全周期数据的采集、存储、整编与分析；数据分析软件实现对生产现场产生的海量实时数据快速分析、筛查、降噪，将有效减少对网络带宽、存储空间的占用。 

3）网：由办公网、物联网、互联网等有线或无线网络组成，各个网络间通过网闸和防火墙等实现数据安全交互。 

4）云：包含云平台基座以及设计制造协同、供应链协同、云检测等云服务。其中，设计制造协同云服务实现产品设计模型及数据传递、设计工艺性在线审查、实测数据反馈等功能；供应链协同云服务实现供应链进度、物流、质量及数字交付协同等功能。 

各层协同工作过程如下：在制造端的总装生产线实体通过物联网与边缘层软硬件进行集成，利用边缘计算进行部分实时采集数据的预处理和控制决策，实现生产过程的实时感知与动态控制；边缘层软件通过互联网与云平台连接，将生产制造数据传输到云端进行深度处理和分析，并通过云服务实现跨域协同、分析决策等应用。

3、卫星数字化柔性总装生产线关键技术

3.1知识驱动的总装工艺快速设计

总装工艺设计是卫星总装生产组织和生产线运行的前提。卫星总装工艺具有知识密集的特点，据统计，同平台卫星总装工艺相似度达80%~85%，不同平台卫星总装工艺相似度达 50%。根据上述特点，本文采用知识驱动的总装工艺快速设计方法，设计流程如图 3 所示，基于总装工艺知识库（其组成见表 2）和推理算法，开发总装工艺快速设计系统，实现单机装星、热控集成等通用工艺的自动生成以及其他专用工艺的快速生成，具体步骤如下。 

1）工艺设计需求识别：通过工艺设计系统获取生产任务、产品对象、工艺专业、工艺名称等工艺设计需求信息，判断待设计工艺为通用工艺或专用工艺。 

2）通用工艺自动生成：首先根据工艺设计需求信息自动选择工艺方法及通用工艺流程模板，结合产品基于模型的设计（Model-Based Design，MBD）模型提取的结构化设计信息，生成工艺流程实例；其次，以工艺流程实例为骨架，聚合标准工序模板、标准作业指导书（Standard Operation Procedure，SOP）、记录表格模板、三维模型、多媒体数据等，自动生成通用工艺。 

3）专用工艺智能生成：首先，根据工艺设计需求信息，采用实例推理（Case-Based Reasoning，CBR）方法，检索历史工艺数据并生成工艺实例集合；其次，依据预定义的工艺关键属性权重，计算各实例相似度并排序，形成初始工艺实例解集；再次，采用规则推理（Rule-Based Reasoning，RBR）方法，依据工艺推荐规则获取最优工艺实例；最后，基于工艺规范性审查规则对最优工艺实例的完整性和规范性进行审查，并进行人机交互编辑优化，从而生成专用工艺。 

图3 

知识驱动的卫星总装工艺设计流程

Fig. 3 

Design flowchart of the knowledge-driven satellite assembly process

表2 

卫星总装工艺知识库组成

Tab. 2 

Composition of the satellite assembly process knowledge base

4）工艺输出：由智能化工艺设计系统生成结构化工艺，在线下发至生产线管控系统，通过现场现实终端进行可视化作业指导。 

通过应用上述方法，打通了产品MBD 模型、工艺知识库及结构化工艺的数据链路，适应不同品种卫星多类型工艺快速设计要求，能有效缩短工艺设计周期、保证工艺规范性。 

3.2模型驱动的人机协同装配与检测

卫星总装过程中部分单机、电缆、热控部件装配以及整星集成、检测等工作一般由操作人员依据设计和工艺文件，操作设备或工具进行作业及结果确认。由于手工作业效率低且精度难以保证，导致上述环节成为制约生产线高效运行的瓶颈。为解决上述问题，采用模型驱动的人机协同装配与检测方法如图4 所示，通过模型处理软件提取卫星总装工艺数字样机中产品参数、装配关系及属性及工艺流程等信息，驱动装配与检测设备自动执行、数据在线采集分析以及人机协同控制。 

图4 

模型驱动的人机协同装配与检测方法

Fig. 4 

Model-driven human-machine collaborative assembly and inspection method

1）激光投影引导装配：在舱板、单机、电缆等模块装配环节，利用激光投影系统中模型处理模块，提取总装工艺数字样机中单机安装轮廓及方向、电缆轮廓及走向、接插件编号、拧紧力矩等图像及文本信息，形成装配引导信息。根据装配基准点将上述装配引导信息投影与实物进行匹配，引导操作人员进行装配。 

2）机器人辅助装配：在卫星平台、舱板、太阳翼等集成环节，采用视觉-力觉交互控制的机器人辅助装配方法，其流程如图 5 所示，通过机器人辅助装配系统中视觉检测模块对待装件及安装面进行视觉测量，获取其空间位姿信息，并同步至产品装配模型；基于产品装配进行装配仿真，实现装配位姿拟合及路径规划，并驱动机器人将待装件移动至装配初始位姿，然后通过力传感反馈控制和人机协同柔顺装配方式[33]，实现精确调姿和精密装配。经测试，机器人辅助装配系统视觉测量精度 0.1 mm、末端力感知精度 8.5 N，通过视觉和力觉交互控制，装配定位精度 0.04 mm。 

3）装配图像视觉检测：基于产品模型和实物特征构建标准检测模板，采用视觉检测系统获取单机、电缆等装配图像，通过机器视觉比对装配图像与模板，自动识别零部件漏装或错装、电缆过度弯曲、安装面多余物等情况并进行告警，实现装配图像智能化检测。 

4）装配精度在线测量：在精度测量环节，采用高精度在线测量系统，通过总装工艺数字样机获取测量目标的坐标，自动进行测量路径规划并生成精度测量程序；采用基于模拟同轴光的视觉引导自动准直方法，引导光电自准直仪初步找像，进行目标指向精度自动测量与解算，实现整星一次安装完成全部目标指向精度的自动测试，单目标精度测量时间从 20~30 min 缩短至 5 min。

图5 

视觉-力觉交互控制的机器人辅助装配流程

Fig. 5 

Robot-assisted assembly process with visual-force interaction control

3.3基于物联网的生产线状态实时感知

为实现生产线运行过程中产品、设备、工装、物料、人员、软件、环境等各类制造要素信息的实时感知，在生产现场搭建包含有线网、射频传感网、Wi-Fi、5G 等物联网络，开发物联网平台软件，提供 TCP/IP、RFID、OPC、Modbus 等标准通信协议及应用程序编程接口（Application Programming Interface，API）接口。在物联网平台中进行数据和业务建模、接口开发以及算法设计，建立制造要素虚拟模型，实现制造要素感知数据快速接入及边缘端管控。制造要素虚拟模型定义如下： 

（1）

式中：Si为制造要素静态模型，包括要素名称、类型、所属生产线单元等静态属性；Di为制造要素动态模型，包括当前时间、任务及实时状态等动态属性；Ii为制造要素实体与虚拟模型数据接口；Si为状态管控服务集合，包括数据处理、状态识别与监控、异常报警等。 

物联网平台采集的原始数据具有海量、多维度、高噪声、多源异构等特点，难以直接用于驱动生产线高效精准控制。因此，采用关键事件驱动的生产线实时感知方法如图6 所示，通过物联网平台中事件驱动引擎定义关键事件，进行关键参数采集、处理与辨识，获取关键事件感知结果，然后调用服务将关键事件消息推送至生产线管控系统等业务系统，实现生产线运行实时管控。关键事件定义如下： 

（2）

式中：Ij为事件 ID；Aj为事件类型、来源等属性；Dj为产品装配状态信息、精度数据、物料配送信息等关键参数集合；T 为实时运行时间；L 为事件发生地点；Sj为关键事件管控服务。 

图6 

关键事件驱动的生产线实时感知方法

Fig. 6 

Real-time perception method for production line driven by critical events

3.4基于数字孪生的生产线管控与预测

卫星批量化生产具有生产节拍强、周期短、状态转换快等特点，需保证生产线各制造要素的高效协同控制，并通过预测手段提前预知潜在的资源瓶颈、设备故障、质量问题等，从而辅助管理人员事前决策。为满足上述要求，本文构建了多维多尺度的卫星总装生产线数字孪生模型，并在实时数据驱动下，实现生产线全面监控、在线预测和实时决策，具体步骤如下。

1）生产线数字孪生建模：采用基于标准作业单元和关键要素的生产线数字孪生建模思路[34]，从多个维度和多个空间/时间尺度进行生产线建模方法如图 7 所示。其中，多维度是指几何、物理、行为、数据等维度，多空间尺度主要包括生产线、单元、制造要素等层次，多时间尺度主要指历史状态回溯、当前同步映射和未来模拟预测等不同阶段。通过建立各时空尺度模型间的关联关系，并对几何-物理-行为数据等多维度模型进行集成与融合，从而形成卫星柔性总装生产线数字孪生高保真模型。 

图7 

卫星柔性总装生产线数字孪生建模方法

Fig. 7 

Digital twin modeling method for satellite flexible assembly line

2）生产线运行实时监控：基于所构建的生产线数字孪生模型，在实采数据的驱动下，分别针对物料流转、产品工艺状态变化、设备及人员等生产要素运行动作进行同步映射，同步更新模型关键特性属性，并在可视化看板中实时展示，从而实现对生产线运行状态的数字化镜像。针对进度超期、质量偏差等情况，同步驱动动态调度、质量问题处理等流程；同时，实时获取关键设备运行数据、物料出入库信息、自动导引车（Automated Guided Vehicle，AGV）位置信息等，更新设备及物流孪生模型，发现设备异常、物流超期、物料错送等情况，则通过可视化看板进行告警。 

3）生产线运行状态预测：针对产品装配质量预测，为解决质量数据样本量小的问题，通过多学科仿真进行数据扩样，在此基础上，基于仿真数据和实测数据融合形成的孪生数据，利用深度时间卷积网络（Deep Temporal Convolutional Network，DTCN），构建产品装配质量预测代理模型，并将预测结果与设计值或风险阈值进行比对，从而实现产品装配质量的快速预测与风险预警，其流程如图 8所示。针对生产线运行状态预测，通过生产线孪生模型获取生产线布局、各关键要素的状态及位置等信息，根据工艺流程建立工序与资源间的映射关系、作业时间等参数并进行生产线运行仿真，获得未来一段时间内资源占用、物流路径、作业时间等数据，预测瓶颈及生产进度，对生产线运行效能与稳定性进行评估，并通过排产调度提前进行资源优化配置。 

4、应用实例

本文结合卫星批量生产任务，按云-网-边-端协同架构开展了卫星数字化柔性总装生产线建设，具体内容如下。 

1）端侧生产线构建：根据产品构型及工艺特点，开展生产线布局、工艺流程、作业单元、生产节拍等设计，建立生产线数字模型并运行仿真界面如图 9 所示，通过仿真结果评估，形成优化的生产线方案；配置了机器人辅助装配系统、高精度在线测量系统等数字化装备，以及仓储物流、柔性工装、数据采集终端等配套设备；同时开发总装工艺快速设计系统界面如图 10 所示、生产线管控系统、物流管理系统等软件系统，通过软硬件集成测试、生产线试运行及优化，完成端侧生产线建设。 

图8 

孪生数据驱动的装配质量预测流程

Fig. 8 

Assembly quality prediction process driven by digital twin data

图9 

生产线建模及运行仿真界面

Fig. 9 

Production line modeling and operation simulation interface

图10 

总装工艺快速设计系统界面

Fig. 10 

Interface of the rapid design system for the overall assembly process

2）边缘层集成：端侧部署的总装工艺快速设计系统、生产线管控系统、物流管理系统等为 B/S 架构，通过 SDK、API、Web Service 等接口与边缘部署的物联网平台、大数据平台等集成，实现工艺设计、计划排产、物流管理等业务贯通；物联网平台包含制造要素虚拟建模、事件感知等模块，通过 JDBC、OD‑BC、ETL 等接口协议与大数据平台、数字孪生引擎等实现集成，实现生产线数据实时感知与管控，生产线数据实时感知与管控软件界面如图 11所示。 

图11 

生产线数据实时感知与管控界面

Fig. 11 

Real-time data perception and control interface for production line data

3）云平台集成：基于公有云开发部署设计制造协同、供应链追踪、现场技术问题协同处理等 APP，实现基于云服务的跨企业高效协同，生产线移动端APP 界面如图 12 所示。 

图12 

生产线移动端APP 界面

Fig. 12 

Mobile APP interface of the production line

目前，该生产线已完成多型卫星组批生产下线。以某批产通信卫星为例，该型号面临设计、制造及供应链单位分处多地的问题，各单位通过云平台中设计制造协同、生产管控等云服务，实现了产品设计模型及数据、设计工艺性审查数据、生产过程实测数据等在线交互，并可采用移动终端进行文件签署、现场技术问题处理等，提高了多单位跨越协同效率。在总装过程中，工艺师利用总装工艺快速设计系统自动生成SOP 并下发至生产现场；操作人员依据 SOP，采用模型驱动的人机协同方式开展装配与检测，其场景如图 13 所示，采用生产线管控系统进行生产运行实时监控与全过程数据的采集管理，从而有效提高了原有手工操作环节工作效率及全过程数字化管控水平。通过生产线应用，该型号单星总装测试周期为 28 d，相较于同量级卫星传统单件生产方式，总装测试周期缩短约 70%，生产线应用效果对比见表 3。此外，针对不同型号卫星批量生产任务，该生产线通过生产节拍及工艺快速设计、柔性作业单元调整、专用设备快速接入等，实现了生产线的快速重构和动态优化，满足了卫星多品种、变批量生产要求。 

图13 

人机协同装配应用场景

Fig. 13 

Application scenarios of human-machine collaborative assembly

表3 

生产线应用效果比对

Tab. 3 

Comparison of production line application effects

5、结束语

本文从卫星批量化生产的实际需求出发，对卫星数字化柔性总装生产线的总体架构、关键技术及集成方法进行了研究，并结合型号任务开展了生产线建设，实现了工艺快速设计、人机协同装配与检测、数字孪生管控等应用，有效提高了卫星生产效率和生产线数字化水平。当前，大数据、人工智能等技术快速发展，后续将在本文基础上开展生产大数据挖掘、人工智能辅助工艺设计及生产决策等技术研究，进一步提升卫星规模化智能制造能力。

为推动轻质化柔性钙钛矿电池技术创新与太空光伏产业发展，搭建行业产学研用交流合作的高端平台，第二届轻质化柔性钙钛矿和商业航天太空光伏技术创新与应用论坛将于2026年4月9日在江苏 · 苏州召开，本次论坛将聚焦钙钛矿电池材料创新、太空环境适配技术、柔性封装技术研发、UTG基封装体系应用、在轨验证与产业化落地等核心议题，诚邀银河航天、航天环宇、电科蓝天、501所、805所、中国卫星、航天机电、上海港湾、伏曦炘空、空天动能、星空智联、蓝箭鸿擎、时空道宇、微纳星空、蓝箭航天、星河动力、星际荣耀、中科宇航、天仪研究院、零壹空间、格思航天、长光卫星、航天宏图、航宇微、北斗星通、华力创通、华大北斗、中国卫通、极光星通、迅翼卫通、屹信航天、中国运载火箭技术研究院、中国空间技术研究院、上海航天技术研究院、航天电子技术研究院、中科院电子所等国内外顶尖专家、企业代表、科研机构、航天院所共同探讨钙钛矿电池迈向星辰大海的技术路径与产业未来，分享最新研发成果与应用实践，推动行业标准制定与跨领域资源整合。

参会报名、赞助咨询：

如您需参会报名第二届轻质化柔性钙钛矿和商业航天太空光伏技术创新与应用论坛，或者希望在论坛/展会活动宣传推广、演讲赞助，请您添加会务组微信沟通：Nancy325800，会议报名、展台赞助咨询电话：19370809519（微信同号）

下期文章想看啥？点赞、在看留言告诉我们哦~