基于对关键部件，如燃料、材料、泵、能量转换器性能退化模型的了解，预测其剩余寿命。
提前规划可能的在轨维护或任务终止策略。
控制系统的任何单点故障，都不能导致灾难性后果，必须具备多重冗余和自愈能力。
现有航天器的控制系统，无论是基于模拟电路还是简单的数字逻辑。
都无法满足如此复杂、智能、高可靠的需求。
温卿敏锐地意识到，这个问题不解决，再优秀的堆芯和材料设计也只是“死物”，无法在太空中可靠地“活”下去。
她将目光投向了当时刚刚兴起、还处于学术界探索阶段的人工智能（ai）领域，更具体地说，是专家系统（expert syste）。
专家系统是一种模拟人类专家在特定领域进行推理和决策的计算机程序。
它通过知识库和推理机来解决问题。
尽管此时的专家系统还比较初级，处理复杂动态系统的能力有限，但其“基于知识推理”的核心思想，让温卿看到了应用于空间堆健康管理的潜力。
她召集了控制理论与工程、计算机科学、可靠性工程以及反应堆工程背景的成员，成立了一个“智能控制与健康管理”专题组。
“我们需要的，不是传统意义上的‘自动控制’，”
温卿在第一次小组会议上阐述她的理念。
“而是要给这个空间堆系统，赋予一个高度智能化的‘灵魂’或‘神经中枢’。这个‘灵魂’需要具备三大能力：感知、认知、决策。”
“感知：通过多类型传感器，温度、压力、流量、中子注量率、振动、声发射等的数据融合技术。
不仅仅是看单个数据是否超限，而是要像中医‘望闻问切’一样，从多维度数据的关联变化、趋势、模式中。
提取出反映系统真实健康状态的‘特征信息’，滤除噪声和干扰。”
她调出一些早期故障诊断的文献：
“认知：这是专家系统的核心。
我们需要建立一个庞大的‘知识库’，里面不仅包括反应堆设计参数、正常工况下的数据关联模型。
更要穷尽所有能想到的故障模式、演化路径、以及对应的物理征兆。
这些知识来自哪里？
来自我们现在的设计分析、来自地面模拟实验、来自未来可能的地面样机试验，甚至来自对类似系统运行经验的提炼和转化。
推理机要能根据‘感知’到的特征信息，在知识库中进行快速匹配和推理，判断系统当前处于什么状态，有没有异常，异常的可能原因是什么，严重程度如何。”
“决策：基于‘认知’的结果，这个‘灵魂’要能自主做出决策。
如果是微小扰动，自动微调控制参数；
如果判断为潜在故障，提前预警，并可能启动预防性措施；
如果确认发生故障，则根据故障类型和等级，自动执行预设的最优应对策略——
可能是切换到备份系统，可能是启动非能动安全机制，也可能是执行安全停堆程序并进入安全待命状态。
所有决策，都要基于对系统整体安全性和任务完整性的综合权衡。”
这个构想在当时无疑是极其超前的。
将尚在襁褓中的人工智能技术，应用于国家最高安全等级的空间核系统，听起来近乎天方夜谭。
小组里计算机背景的成员兴奋不已，觉得找到了用武之地；
而反应堆工程背景的成员则疑虑重重，担心这种“不可靠”的软件会引入新的风险。
“我知道这很超前，风险很大。”
温卿坦然面对质疑。
“但我们没有更好的选择。未来的空间核系统必然是高度复杂的，其运行环境充满未知，传统的‘基于规则’的硬连线控制或简单逻辑控制。
要么设计得极其复杂臃肿，要么无法应对未预料到的情况。
我们需要一种更加灵活、更加‘聪明’的系统。”
她提出了一个务实的发展路径：
“我们不追求一步到位实现完美的‘强人工智能’。我们分三步走：”
“第一步：建立基础框架与知识原型。
首先，为我们的空间堆概念设计，建立一个详细的功能模型和故障模式库。
然后，基于现有的、相对成熟的数据预处理和特征提取算法，以及基于规则的简单专家系统外壳，开发一个原型健康管理系统（phs）。
这个phs不追求实时控制，只用于对地面模拟实验数据或高保真仿真数据进行离线分析和故障诊断演练。
目标是验证整个‘感知-认知-决策’框架的可行性，并开始积累我们的‘知识库’。”
“第二步：发展核心算法与验证平台。
集中攻关适用于我们系统的多传感器数据融合算法、更高效的知识表示与推理机制、以及故障预测与寿命预测模型。
同时，建设一个硬件在环（hil）仿真测试平台，将phs与反应堆关键部件的硬件仿真器或实物连接起来。
在模拟的实时运行环境中，测试和优化其性能与可靠性。”
“第三步：工程化与集成验证。
在前两步基础上，开发满足空间环境要求的工程样机软硬件，并将其集成到未来的地面工程样堆或空间演示验证飞行器上进行最终测试与验证。”
这个循序渐进的计划，既瞄准了未来的智能愿景，又立足于当前的技术现实，逐渐打消了大家的疑虑。
尽管知道这将是一条漫长而艰难的道路，但小组的成员们，尤其是那些年轻人，已经被这个充满挑战和想象力的目标所点燃。
“智能控制与健康管理”专题组随即开始了紧锣密鼓的工作。
他们的第一个任务，也是最基础、最繁重的任务，就是构建空间堆的功能模型和故障模式库。
这需要整个中心的深度参与。
堆芯物理组需要提供不同工况下的中子学参数变化规律；
热工水力组需要描绘冷却剂流量、温度、压力之间的动态关系，以及各种可能的流动不稳定模式；
材料组需要预测关键部件在辐照、腐蚀、热疲劳下的性能退化路径；
结构组需要分析在力学载荷下的响应……所有相关的物理、化学、力学过程，都需要被抽象、建模。
并转化为计算机可以“理解”的知识表示形式，如产生式规则、框架、语义网络等。