航天器健康管理技術研究綜述

航天器健康管理技術研究

摘要：航天器健康管理技術對于保障航天任務的順利實作、節省發射、營運成本、避免财産損失和人員傷亡有着重要作用。本文總結了國内外航天器健康管理技術的發展狀況以及最新成果，總結了航天器健康管理技術存在的問題以及發展的方向。介紹了我國航天器健康管理研究與世界先進水準的差距，結合我國特點，探讨了我國健康管理技術的研究重點。

1 引言

航天任務具有政治影響大、風險高、投資大、周期長等特點，是以保證航天任務的順利實施對任務和國家來說都是一個重要目标。航天器以及有效載荷通常都是高可靠性設計的，但是由于空間環境的複雜性以及地面測試條件的局限性，航天器以及有效載荷在運作時仍然會出現故障。盡管現在各個國家都開展了航天器故障方面的研究，但由于是航天器系統是一個典型的複雜系統，這類系統的特點就是子系統互動關聯，在其性能、功能提高的同時，由于組成環節和影響因素的增加，發生故障的潛在可能性也在增大，甚至有的故障可能會發生連鎖反應，引起整個任務流程的失敗甚至引起整個系統的癱瘓。

航天器的健康管理技術是對航天器以及有效載荷進行故障預測、故障診斷、故障隔離、故障處理決策、部件性能跟蹤、趨勢預測等方面實作自主保障的一門技術，對于控制航天器以及有效載荷的風險、降低保障成本、縮減維護規模具有現實意義。航天器健康管理技術是在故障診斷技術的基礎上發展起來的，尤其是像航天器這樣的複雜系統健康管理技術（Complicated System Intergraded Health Management，CSIHM）是集測試技術、人工智能、資訊技術為一體的綜合應用，從故障監測、診斷、隔離、重構（Fault Detection ,Isolation , Reconfiguration , FAIR）技術一步一步發展演變而來的，将管理功能擴充到自主重構、資源重組以便安全、有效地實作任務目标。

2研究狀況

現在各個航天大國都在開展航天器健康管理所技術的研究，NASA更是将其定為航天器健康管理技術放在21世紀太空飛行技術需求的第一位。NASA的航天器健康管理研究項目由X-33/X-34/X-37，軍用飛機項目有F-18，F-22，JSF，UCAV等，美國的的健康管理技術有兩個典型代表，一是運載器綜合健康管理技術（Vehicle Integrated Health Management，IVHM），二是JSF項目提出的預測與健康管理技術（PHM）。

   2.1 IVHM

IVHM 是NASA 近些年在其可重複使用空間飛行器( reusable launch vehicle, RLV) 項目中正式提出的,它是在飛行器系統中內建和應用先進的軟體、傳感器、智能診斷、數字通信、系統內建等技術, 來實作對飛行器系統智能的、系統級的健康評估和控制、資訊和決策管理, 幫助操作人員完成飛行任務、減小風險和危害。

IVHM是NASA在運載器健康管理（Vehicle Health Management，VHM）技術的基礎上提出的，VHM技術最初在NSL-1、NSL-2火箭項目上應用實施，VHM的另一應用對象是X-33，此項目将具有對飛行器各個子系統故障監測和功能管理子產品內建封裝于兩個LRU 單元内, 成為VHM 計算機, 分為3 個子系統: 通過遠端健康節點( remote health node, RHN) 組成智能傳感器網絡采集飛行器結構、機械和環境等資料; 監測和記錄6 條MIL-STD2  1553 總線的通訊狀況; 通過使用分布式光纖溫度、氫氣、應力傳感器監測低溫油箱。以X-33 的這種硬體組成及功能結構為基礎的VHM系統在随後的X-34、F/ A-18、DS-1、K-1 、X-37 等項目中得到了驗證和發展, IVHM 技術從概念到系統結構、功能、硬體組成等方面也有了完善和提高, 如X-34 中對硬體的更新、F/A218 對嵌入VHM 軟體工具Livingstone 的更新和在X-37 視情保障中的應用。

伴随IVHM 的發展, 也出現了許多用于VHM 的診斷推理工具, 如:Ames 研究中心開發的Livingstone 診斷推理工具, 成功用于DS-1、X-34、X-37 等; JPL( Jet Propulsion Laboratory)開發的推理工具SHINE 和診斷工具BEAM,成功用在X-33 等中; 此外還有基于模型的推理機TEAMS成功用在K-1 等中 、基于模型的軟體工具FACT。

新型的傳感器 、先進的診斷推理算法和系統內建方法等的應用也成為IVHM 技術發展的重要成果。

綜上所述, IVHM 已經得到一定發展, 但還不完善, 尚處于原理、部分功能和概念的驗證階段, 目前還沒有具備完整IVHM功能的系統。

   2.2 PHM

20世紀90年代末,随着美軍重大項目F-35 聯合攻擊機(JSF)項目的啟動,為預測與健康管理( PHM)技術的誕生帶來了契機。PHM是JSF項目實作經濟承受性、保障性和生存性目标的一個關鍵所在。JSF的PHM系統是目前飛機上使用的機内測試(BIT)和狀态監控的發展,這種發展的主要技術要素是從狀态(健康)監控向狀态(健康)管理的轉變,這種轉變引入了故障預測能力,借助這種能力從整個系統(平台)的角度來識别和管理故障的發生。其目的是減少維修人力、增加出動架次率、實作自主式保障。

    PHM 主要是利用先進傳感器的內建, 并借助各種算法和智能模型(如模糊邏輯等) 來預測、監控和管理飛機的狀态, 主要包括以下一些功能: ① 故障檢測; ② 故障隔離; ③ 故障預測; ④ 殘餘使用壽命預計; ⑤ 部件壽命跟蹤; ⑥ 性能降級趨勢跟蹤;⑦ 故障選擇性報告: 隻通知立即需要駕駛員知道的資訊, 将其餘資訊通報給維修人員; ⑧ 輔助決策和資源管理; ⑨ 資訊融合和推理機;資訊管理: 将準确的資訊在準确的時間通報給準确的人員

PHM已成為國外新一代裝備研制和實作自主式保障的一項核心技術,是21世紀提高複雜系統“五性”(可靠性、維修性、測試性、保障性和安全性)和降低壽命周期費用的一項非常有前途的軍民兩用技術。

2.3 健康管理關鍵技術

    健康管理技術的基礎是故障診斷技術，還涉及到故障特征提取、故障預測、狀态評估等内容。

2.3.1 故障特征提取

故障特征提取是進行故障診斷的前提條件，一般是從傳感器采集資料，進行信号處理，在時域、頻域、相位域提取故障特征，進行資料分析，發現資料變化的趨勢，進行故障預測分析。目前對于故障特征的提取與檢測理論和方法主要有基于模型的狀态分析和基于特征的狀态分析、基于小波變換的信号處理、基于時間序列的特征提取等。

2.3.2 故障預報

故障預報是實作故障預防、提高故障診斷實時性的技術手段。故障的預測預報技術主要是基于緻命故障或者損耗性故障的關鍵參數的變化趨勢進行分析，以推斷航天器未來可能的狀态，進而采取預防措施避免航天器故障的發生或者降低航天器故障的危害程度。故障預防研究的主要内容由：緩變故障的早期特征提取技術，以及故障預報模型的研究。

2.3.3 故障診斷

通過研究國内外故障診斷技術發展曆史，可以發現現在的故障技術主要分為三種：

l             基于信号處理的診斷。

l             基于模型的診斷。

l             基于人工智能的診斷。

（1）            基于信号處理的故障診斷方法

基于信号處理的診斷方法是故障診斷技術發展初期的常用技術，通常是利用信号模型，如相關函數、頻譜、自回歸滑動平均、包絡分析法、最大熵譜法、分形分析、同步信号法等，提取諸如方差、幅值、頻率等特征，進而檢測出故障。

（2）            基于模型的診斷

基于模型的診斷又稱基于深層知識的診斷方法，這種方法要求對裝置的數學模型有精确了解，按照一定的數學方法進行故障診斷。目前這種方法已經得到了深入研究，但是由于很難獲得裝置的精确數學模型，故難以對裝置進行模組化，是以這大大限制了基于模型的診斷方法的适用範圍和使用效果。目前采用的多信号模型和定性模型可以克服定量模型的缺點，是國内外研究的熱點。

（3）            基于人工智能的故障診斷

近年來，由于人工智能技術的發展，為故障診斷技術提供了新的手段，采用人工智能技術的故障診斷不需要進行精确的裝置數學模型，而且還能具有智能推理判斷的特點，故稱為現在故障診斷技術的新的研究熱點。

基于人工智能的故障診斷技術包括機遇專家系統的故障診斷、基于神經網絡的故障診斷、基于模糊理論的故障診斷、基于故障樹的診斷、基于智能Angent的故障診斷等。

l      基于專家系統的故障診斷

專家系統一直是基于知識的故障診斷的研究重點，現在已經比較成熟。它的思想是在診斷求解的過程中，不需要進行精确比對，而是通過計算機提供一個求解時的推理模型，利用已有的知識進行故障診斷。通常來說，基于專家系統的故障診斷包括知識庫、全局資料庫、推理機、知識擷取機制、解釋機制、使用者界面組成。分為專家系統運作子產品和知識管理模型。

專家系統運作子產品負責基于知識的故障診斷，知識管理子產品負責推理規則以及知識的錄入、存儲、校驗以及知識庫的轉換。

基于專家系統的故障診斷系統特點是知識表示直覺形象，推理速度快，知識存儲空間小，易于程式設計和快速開發系統原型；缺點是知識庫隻能覆寫有效的故障模式，對于知識庫中沒有記錄的故障模式，顯得無能為力，如果故障特征和知識的前提不能比對，容易導緻故障診斷錯誤。

l      基于神經網絡的故障診斷

神經網絡是模仿生物的神經系統而建立的具有學習性和并行計算能力的自适應非線性系統。神經網絡的特點是高度非線性、高度容錯能力、具有非線性優化和聯想記憶、可以實作自組織、分類等功能。

    神經網絡用于故障診斷，可以突破知識的擷取方面的瓶頸，使得系統可以通過機器學習豐富自身的知識，還可以解決趨勢預測和診斷推理方面的問題。但是其缺點是不能對使用者解釋内部的推理過程，無法揭示系統内部的一些潛在關系。并且對于未在訓練樣本範圍内出現的故障，神經網絡診斷顯得無能為力。

l      基于模糊理論的故障診斷

由于航天器運作環境的複雜性，有很多的故障特征和故障之間很難确定它們之間準确的映射關系，隻能借助于模糊數學的理論适用隸屬度函數和模糊關系矩陣的概念确定産生故障的可能性的大小。基于模糊理論的故障診斷在處理複雜系統的大時滞、時變以及非線性方面顯示了它的優越性。目前，基于模糊理論的故障診斷有三個方向：

Ø         基于模糊關系及合成算法的診斷；

Ø         基于模糊知識處理技術的診斷；

Ø         基于模糊聚類算法的診斷。

基于模糊理論的診斷存在的問題是隸屬函數的确定，難免存在人的主觀片面，難以保證隸屬函數的客觀性；對特征元素的要求比較苛刻，如果特征元素選擇不合理，會造成診斷失誤甚至失敗。

l      基于故障樹的故障診斷

基于故障樹的診斷是一種展現故障傳播關系的有向圖，以診斷對象最不希望出現的事件為頂層事件，依照診斷對象的結構關系和功能關系逐次展開，直到不可分的事件為止。其優點是能夠進行快速診斷，知識庫易于修改，診斷技術與應用領域無關。缺點是故障樹建立于元器件的聯系和有效載荷的故障模式分析之上，是以無法診斷不可預知的故障，診斷的結果嚴重依賴于故障樹的完善程度。

l      基于智能Angent的故障診斷

Angent技術是指具有自主性、反應性、主動性和社會特性的基于硬體或者軟體的計算機系統，是一種分布式計算技術。基于angent技術的故障診斷是借助于angent分布式計算的特點，将多個angent組合起來協同工作，提高系統的診斷率，增強環境的适應性。使系統在運作過程中發現和挖掘知識，提高學習能力，進而實作系統的自我完善。目前基于Angent技術的故障診斷系統正得以廣泛應用，NASA的Barney Pell等設計了用于深空探測1号航天器的遠端診斷Angent，使得深空1号成為Aanent技術在航天器自主要制和故障診斷領域成功應用的首例。

3航天器健康管理面臨的問題

盡管故障診斷技術發展迅速,并且已經有了較為成熟的理論和技術實作手段,但是故障診斷技術仍然不能滿足現在航天任務的實際需求. 具體表現在航天器,尤其是空間站是一個複雜的非線性大系統,包括平台、結構、熱控、電源、數管、軟體等分系統都有可能出現故障。已有的故障診斷技術在應對航天器以及有效載荷的健康管理方面仍有不小的差距：

l         如何管理多種載荷

 航天器上除了平台、電源等公共部分之外，還有多種有效載荷，尤其是空間站，其搭載的有效載荷可能多達幾百種，這些載荷其工作機理不同、結構各異、可以說每隔載荷都不相同，如何實作對空間站公公平台、電源、結構、熱控、軟體等部分進行健康管理的同時，實作對幾百種有效載荷的健康狀态進行管理，是一個艱巨的挑戰。

l         如何實作對不确定知識的處理

故障診斷技術會面臨大量的不确定因素，這些因素有可能是随機的、模糊地、不完全的在雖然處理不确定方面有很多的理論和技術，但是仍然沒有十分有效的解決這些問題。航天器在軌運作時出現的故障可能未在地面試驗過程中出現過，人工智能的訓練樣本就無從談起，知識庫的專家規則也是不全面的，受到客觀條件的限制，知識庫的知識如何實作自我更新，自我學習，在系統運作的過程中，發現知識、凝練知識，充實到知識庫中，增強故障診斷系統的處理不确定性因素的能力是航天器健康管理的有一個大的難題。

l         資訊來源有限

現有的航天測控系統傳遞的測控參數不可能包含故障診斷要求的所有參數，換言之就是航天器健康管理能夠獲得故障特征資訊是有限的，針對航天器的健康管理隻能建立在這些資訊基礎之上，如何在有限資訊來源上實作對航天器的健康管理是另一個挑戰。

3 發展趨勢

有效載荷的健康管理研究的重點就是故障診斷技術，故障診斷就是為了快速、準确地定位故障裝置，并預測故障變化的趨勢。圍繞這個核心目的，故障診斷技術的研究方興未艾。但從分支學科的要求來看，無論是在理論體系的建構方面還是在解決航天器故障診斷實際問題方面還有很長道路要走。今後的研究應該主要歸納為以下幾個方面：

l         天地一體化故障診斷技術

所謂的天地一體化故障診斷技術就是航天器在軌故障診斷和地面維護保障相結合、合理配置設定航天器和地面保障系統的任務功能，達到航天器和地面應用系統之間協同配合完成航天器維護保障任務的目的。

航天器在軌維護系統負責實時性的、災難性的故障的診斷處理，實作關鍵故障的在軌處理；地面系統負責非實時性的、綜合性的故障診斷處理、故障發展趨勢的研判、全生命周期的健康管理。

l         綜合性的診斷技術

所謂的綜合性診斷技術就是指診斷内容和診斷技術兩個方面，診斷内容包括不再是以前單一的分系統故障診斷技術（如電源診斷系統）而是集狀态檢測、故障預報、故障診斷、故障恢複、趨勢預測于一體的航天器健康管理；診斷技術也不再是單一的診斷方法（如故障樹診斷和神經網絡診斷）而是綜合多種診斷技術為一體。例如為了滿足空間站這樣的複雜大型結構系統的需求，一般采用階層化的診斷方法，顯示給系統故障進行定性，解決系統級别的故障診斷問題，而後采用基于模型的故障診斷，确定故障的因果關系，最後根據航天器的具體特點采用專家系統、神經網絡、基于貝葉斯的統計診斷等方法的混合診斷模型執行細節診斷。

l         知識的表示方法的創新

由于航天器的複雜性，其不同部分的知識的表示方法以及也各不相同，作為航天器層次的故障診斷系統需要多種故障知識的表示方法。這就存在着不同知識表示方法之間的資訊傳遞、資訊轉換、知識的組織與維護問題，這些問題一直影響着對故障診斷對象的描述與表達。多種不同形式的知識的混合表示是空間站這樣的跨學科、多領域系統表示知識的一種解決方法，這就要求診斷系統具備不同知識之間的轉換能力，以及對不同知識表示的評價能力，完成診斷過程中對知識表示的評優、選擇。

l         變結構系統的故障診斷技術

變結構系統是指像空間站那樣的複雜系統，在不同的飛行階段和飛行任務狀态下，有不同的結構變化，尤其是空間站的在軌組裝期間，其結構更是多變。如據不完全統計，自由号國際空間站的構型變化有20多種。空間站的構型變化會帶來空間站内部連接配接關系的複雜化，這種複雜性會給空間站的故障診斷帶來很大影響。這需要解決兩個關鍵問題，一是變結構系統的知識擷取，而是診斷系統的系統重構技術。

4結論

世界航天技術先進國家已經在航天器、有效載荷的健康管理技術上取得很大的成效，我們應該借鑒國外在航天領域故障診斷技術的最新成果，汲取他們的成功經驗和失敗教訓，結合我國的實際情況，将航天器以及有效載荷的健康管理技術應用到航天任務型号上去，保障我國航天任務的順利實施。是以，對航天器及有效載荷開展健康管理技術研究、開發、應用将是非常有益的。