謝敏+樓鑫+羅芊

摘要：對(duì)國(guó)內(nèi)外航天器故障診斷技術(shù)的發(fā)展進(jìn)行了回顧，總結(jié)了航天器故障診斷技術(shù)的基本方法，指出基于數(shù)據(jù)挖掘的航天器故障診斷方法是今后的發(fā)展趨勢(shì)。

關(guān)鍵詞：航天器；故障診斷技術(shù)；數(shù)據(jù)挖掘

引言

故障診斷技術(shù)是指不進(jìn)行設(shè)備拆卸的情況下，通過(guò)相應(yīng)的方法和技術(shù)手段，在設(shè)備運(yùn)行過(guò)程中掌握其運(yùn)行狀態(tài)，確定是否發(fā)生故障并分析出發(fā)生故障的原因，預(yù)報(bào)故障未來(lái)的發(fā)展趨勢(shì)。故障診斷技術(shù)在各個(gè)工業(yè)領(lǐng)域都得到了國(guó)內(nèi)外的充分關(guān)注，并取得了豐厚的研究成果。

自1957年第一顆人造地球衛(wèi)星上天以來(lái)，全世界發(fā)射的航天器已經(jīng)多達(dá)5000多顆。據(jù)統(tǒng)計(jì)，從1957年至1988年的30年間各國(guó)發(fā)生災(zāi)難性事故的衛(wèi)星約140顆，造成了重大的經(jīng)濟(jì)損失。近十幾年來(lái)，隨著我國(guó)發(fā)射的衛(wèi)星越來(lái)越多，也出現(xiàn)了很多故障，針對(duì)航天器的故障診斷技術(shù)已經(jīng)引起航天領(lǐng)域?qū)＜覍W(xué)者的重點(diǎn)關(guān)注。

1航天器故障診斷技術(shù)的研究現(xiàn)狀

航天器作為光機(jī)電一體化儀器的設(shè)備，由于其規(guī)模大、復(fù)雜度高、航天器的資源和人工干預(yù)能力有限，且太空環(huán)境日趨惡劣并存在著大量的不確定性因素等，這些都對(duì)航天器的故障診斷技術(shù)提出了挑戰(zhàn)難以進(jìn)行有效維護(hù)，經(jīng)常會(huì)出現(xiàn)系統(tǒng)異常運(yùn)行甚至出現(xiàn)故障的情況。因此，航天器故障診斷技術(shù)對(duì)提高航天器的可靠性、安全性和有效性具有十分重要的作用，已經(jīng)成為航天領(lǐng)域主要研究方向。

美國(guó)和俄羅斯（前蘇聯(lián)）為代表的國(guó)家，在航天器故障診斷技術(shù)方面做了大量且深入的研究工作。美國(guó)國(guó)家航空航天局（NASA）從上個(gè)世紀(jì)七十年代以來(lái)便開(kāi)始研究航天器的在軌故障診斷技術(shù)。經(jīng)過(guò)幾十年的發(fā)展，NASA利用建立的航天器故障診斷平臺(tái)，對(duì)大量故障航天器進(jìn)行了成功的診斷與維修，保證了航天器的可靠穩(wěn)定運(yùn)行，延長(zhǎng)了航天器的使用壽命，除了保障航天器可靠穩(wěn)定的運(yùn)行外，故障診斷技術(shù)對(duì)于減少地面工作人員的工作量、航天員的培訓(xùn)時(shí)間以及發(fā)射與運(yùn)行成本都具有重要意義。近幾年美國(guó)投入大量的資金用于航天器系統(tǒng)故障診斷技術(shù)研究。尤其是在航天飛機(jī)方面，將飛行風(fēng)險(xiǎn)降低了50%，同時(shí)運(yùn)行預(yù)算降低了1/3，而且還可能進(jìn)一步降低。

自上世紀(jì)70年代我國(guó)成功發(fā)射第一顆衛(wèi)星以來(lái)，我國(guó)航天領(lǐng)域的技術(shù)人員便開(kāi)始研究航天器故障診斷技術(shù)。但是一直以來(lái)，相關(guān)的研究所和日常管理部門沒(méi)有建立專業(yè)的航天器故障診斷平臺(tái)，主要依托某衛(wèi)星測(cè)控中心組織實(shí)施，在技術(shù)上還局限于依靠人工手段對(duì)航天器進(jìn)行在軌管理。航天器發(fā)生嚴(yán)重的故障后，需要組織航天領(lǐng)域相關(guān)專家和航天器研制人員到故障處置的現(xiàn)場(chǎng)一起進(jìn)行分析，制定相應(yīng)的維修方案，并對(duì)維修方案進(jìn)行仿真驗(yàn)證確認(rèn)后才能根據(jù)制定的維修方案對(duì)故障航天器進(jìn)行維修，無(wú)法形成一個(gè)通用化的航天器故障診斷平臺(tái)。直到2014年我國(guó)首個(gè)航天器在軌故障診斷與維修實(shí)驗(yàn)室才在西安某衛(wèi)星測(cè)控基地宣告成立。

目前，航天器在軌故障診斷與維修問(wèn)題，已經(jīng)成為國(guó)際航天領(lǐng)域的熱點(diǎn)之一。建立航天器在軌故障診斷與維修通用化平臺(tái)已經(jīng)成為各個(gè)國(guó)家進(jìn)行航天器在軌管理發(fā)展的實(shí)際需要和必然趨勢(shì)。

2航天器故障診斷的基本方法

故障診斷技術(shù)最早起源于美國(guó)。作為一門學(xué)科進(jìn)行系統(tǒng)研究從上世紀(jì)60年代的美國(guó)宇航局（NASA）開(kāi)始，1961年美國(guó)開(kāi)始實(shí)施阿波羅計(jì)劃后出現(xiàn)了一系列的設(shè)備故障，促使美國(guó)海軍研究室主持美國(guó)機(jī)械故障預(yù)防小組開(kāi)始把故障診斷作為一種技術(shù)進(jìn)行研究開(kāi)發(fā)。1971年，麻省理工學(xué)院的Beard發(fā)表的博士論文和Mehra和Peschon發(fā)表在Automatica上的論文，創(chuàng)新性的提出了運(yùn)用軟件冗余代替硬件冗余的新思想，開(kāi)啟了故障診斷技術(shù)研究的開(kāi)端。

根據(jù)系統(tǒng)采用的特征描述和決策方法的差異，形成了不同的故障診斷方法，應(yīng)用于航天器故障診斷的方法有很多種，其中應(yīng)用較多的有：基于模型的方法、基于信號(hào)處理的方法和基于人工智能的方法。

2.1基于模型的故障診斷方法

基于模型的故障診斷方法是提出最早、研究最為系統(tǒng)的一種方法?；舅枷胧沁\(yùn)用軟件冗余代替硬件冗余?；谀Ｐ偷墓收显\斷方法分為基于參數(shù)估計(jì)的故障診斷方法和基于狀態(tài)估計(jì)的故障診斷方法。

2.1.1基于參數(shù)估計(jì)的故障診斷方法

基于參數(shù)估計(jì)的故障診斷方法的基本思想是不需計(jì)算殘差序列，而是根據(jù)模型參數(shù)及相應(yīng)物理參數(shù)的變化量序列的統(tǒng)計(jì)特性來(lái)進(jìn)行故障診斷，更利于故障的分離。因?yàn)楸辉\斷對(duì)象的故障可以視為其過(guò)程參數(shù)的變化，而過(guò)程參數(shù)的變化又往往導(dǎo)致系統(tǒng)參數(shù)的變化。1984年Iserman對(duì)基于參數(shù)估計(jì)的故障診斷方法作出了完整的描述。目前研究得較為廣泛的有強(qiáng)跟蹤濾波器方法和最小二乘法。

2.1.2基于狀態(tài)估計(jì)的故障診斷方法

基于狀態(tài)估計(jì)的故障診斷方法的基本思想是由于系統(tǒng)被控過(guò)程的狀態(tài)直接反映出的是系統(tǒng)的狀態(tài)，因此只需估計(jì)出系統(tǒng)的狀態(tài)并結(jié)合適當(dāng)?shù)哪Ｐ图纯蓪?duì)被控對(duì)象進(jìn)行故障診斷。這種方法首先利用系統(tǒng)的解析模型和可測(cè)信息，重構(gòu)系統(tǒng)的被控過(guò)程，構(gòu)造殘差序列，殘差序列中包含豐富的故障信息，再對(duì)殘差進(jìn)行分析處理，從而實(shí)現(xiàn)故障的檢測(cè)與診斷。主要有三種基本方法：Beard首先提出故障診斷檢測(cè)濾波器的方法；Mehra和Peschon提出了基于Kalman濾波的方法；Massoumnia提出的廣義一致空間法。在實(shí)際應(yīng)用中，由于系統(tǒng)越來(lái)越復(fù)雜，很難建立十分精確的數(shù)學(xué)模型。目前研究較為廣泛的是將模型參考自適應(yīng)的思想引入狀態(tài)估計(jì)中，從而提高系統(tǒng)魯棒性。

2.2基于信號(hào)處理的故障診斷方法

基于信號(hào)處理的故障診斷方法，通常是利用信號(hào)模型，如相關(guān)函數(shù)、頻譜、自回歸滑動(dòng)平均、小波變換等，直接分析可測(cè)信號(hào)，提取諸如方差、幅值、頻率等特征值，從而檢測(cè)出故障，不需要精確的解析模型，有很強(qiáng)的適應(yīng)性。

2.2.1基于輸出信號(hào)處理的故障診斷法

基于輸出信號(hào)處理的故障診斷法的基本思路是系統(tǒng)的輸出（幅值、相位、頻率等）和故障存在著一定的聯(lián)系，可以通過(guò)數(shù)學(xué)的方法（頻譜分析）進(jìn)行描述。當(dāng)發(fā)生故障時(shí)，可以通過(guò)系統(tǒng)的輸出分析出故障發(fā)生的位置及其嚴(yán)重程度。常用的有：將時(shí)域信號(hào)變換至頻域加以分析的方法稱為頻譜分析的頻譜分析法；研究現(xiàn)象之間是否存在某種依存關(guān)系，并對(duì)具體有依存關(guān)系的現(xiàn)象探討其相關(guān)方向以及相關(guān)程度的先關(guān)分析法等。

2.2.2基于小波變換的故障診斷法

小波變換屬于時(shí)頻分析的一種，是一種新型信號(hào)處理方法，是一種信號(hào)的時(shí)間-尺度（時(shí)間-頻率）分析方法，具有多分辨率分析的特點(diǎn)，而且在時(shí)頻兩域都具有表征信號(hào)局部特征的能力，是一種窗口大小固定不變，但其形狀可改變，時(shí)間窗和頻率窗都可以改變的時(shí)頻局部化分析方法。基本思路是首先對(duì)一系統(tǒng)的輸入輸出信號(hào)進(jìn)行小波變換，利用該變換求出輸入輸出信號(hào)的奇異點(diǎn)。然后去除由于輸入突變引起的極值點(diǎn)，則其余的極值點(diǎn)對(duì)應(yīng)于系統(tǒng)的故障。

目前國(guó)內(nèi)已經(jīng)有所研究應(yīng)用的基于小波變換的故障診斷方法主要有三種：利用觀測(cè)信號(hào)的奇異性進(jìn)行故障診斷；利用觀測(cè)信號(hào)頻率結(jié)構(gòu)的變化進(jìn)行故障診斷；利用脈沖響應(yīng)函數(shù)的小波變換進(jìn)行故障診斷?；谛〔ㄗ儞Q的故障診斷方法對(duì)輸入信號(hào)的要求低，對(duì)噪聲的抑制能力強(qiáng)，靈敏度高，運(yùn)算量適中，可以進(jìn)行在線實(shí)時(shí)檢測(cè)，在機(jī)械系統(tǒng)的故障診斷中取得了不少研究成果。

2.2.3基于時(shí)間序列分析的故障診斷法

基于時(shí)間序列分析的故障診斷法的基本思想是選取與故障直接相關(guān)的狀態(tài)變量，建立時(shí)間序列過(guò)程模型，以模型參數(shù)作為特征矢量來(lái)判別故障的類型。過(guò)程模型參數(shù)與系統(tǒng)（設(shè)備）的內(nèi)在特性和輸入輸出隱含著復(fù)雜的聯(lián)系，在長(zhǎng)期的設(shè)備運(yùn)行實(shí)踐中可以用統(tǒng)計(jì)的方法得出模型參數(shù)與系統(tǒng)典型故障之間的關(guān)系，作為故障識(shí)別的依據(jù)。這種方法可以在缺乏先驗(yàn)診斷知識(shí)的情況下，通過(guò)對(duì)機(jī)組運(yùn)行過(guò)程數(shù)據(jù)序列的統(tǒng)計(jì)認(rèn)識(shí)，逐步積累識(shí)別故障的能力，建立有效的診斷體系。

2.3基于人工智能的故障診斷方法

基于人工智能的故障診斷方法是故障診斷領(lǐng)域的發(fā)展的重點(diǎn)，是現(xiàn)階段應(yīng)用最廣泛，研究的最多的方向，不需要精確的模型，適用于不確定性的問(wèn)題。下面介紹幾種航天器故障診斷方面比較常用的方法。

2.3.1基于定性模型的故障診斷方法

基于定性模型的診斷方法是由人工智能領(lǐng)域?qū)W者提出的一類診斷方法?；诙ㄐ阅Ｐ偷墓收显\斷方法的不需要系統(tǒng)精確的數(shù)學(xué)模型?；舅枷胧歉鶕?jù)系統(tǒng)組成元件與元件之間的連接（或參數(shù)間的依賴關(guān)系）建立診斷系統(tǒng)的模型；將過(guò)程特性的外部表現(xiàn)和人類專家對(duì)故障判斷和處理的經(jīng)驗(yàn)，通過(guò)抽象化方法直接建立各種過(guò)程變量與故障模式之間的定性模型，對(duì)系統(tǒng)進(jìn)行推理，預(yù)測(cè)系統(tǒng)的定性行為，通過(guò)觀測(cè)的系統(tǒng)實(shí)際行為與預(yù)期行為的差異，檢測(cè)系統(tǒng)是否存在故障，并診斷故障的原因。

在實(shí)際應(yīng)用中，NASA開(kāi)發(fā)的基于定性模型的診斷推理軟件先后在深空一號(hào)、對(duì)地觀測(cè)衛(wèi)星EO-1、x-37飛船等實(shí)際型號(hào)中進(jìn)行了科學(xué)驗(yàn)證或應(yīng)用。國(guó)內(nèi)在航天領(lǐng)域基于定性模型的診斷技術(shù)主要在液體火箭發(fā)動(dòng)機(jī)的故障診斷領(lǐng)域取得了一些研究成果。

2.3.2基于專家系統(tǒng)的故障診斷方法

專家系統(tǒng)是人工智能的一個(gè)重要分支，能夠在一些特定的領(lǐng)域內(nèi)模仿人類專家的推理能力，來(lái)解決復(fù)雜的實(shí)際問(wèn)題?；趯＜蚁到y(tǒng)的故障診斷方法的基本思路是將某一領(lǐng)域長(zhǎng)期的實(shí)踐經(jīng)驗(yàn)和大量的故障信息知識(shí)，模仿人類專家的推理方式，總結(jié)歸納成規(guī)則知識(shí)庫(kù)使計(jì)算機(jī)能夠識(shí)別，然后將需要診斷的實(shí)時(shí)的數(shù)據(jù)輸入計(jì)算機(jī)的數(shù)據(jù)庫(kù)中，專家系統(tǒng)利用已經(jīng)歸納生成的知識(shí)庫(kù)對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行分析和推理，從而推算出可能的故障，如圖1所示。

使用專家系統(tǒng)進(jìn)行故障診斷的方法在日常的工程應(yīng)用中已經(jīng)有了大量的實(shí)踐，也較廣泛的應(yīng)用于航天器故障診斷領(lǐng)域，如：CLIPS、EXSYS、G2等。

2.3.3基于數(shù)據(jù)挖掘的故障診斷方法

基于數(shù)據(jù)挖掘的故障診斷方法的核心思想是利用海量的歷史數(shù)據(jù)進(jìn)行處理從而獲取系統(tǒng)的行為模型，通過(guò)結(jié)合先驗(yàn)知識(shí)可及時(shí)發(fā)現(xiàn)系統(tǒng)出現(xiàn)或者即將出現(xiàn)的故障，如圖2所示。

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，ANN）能夠有效地實(shí)現(xiàn)輸入到輸出的非線性映射，是數(shù)據(jù)挖掘最常用的技術(shù)之一。當(dāng)系統(tǒng)為非線性系統(tǒng)，這類系統(tǒng)一般難以有效建立模型，因而用本身就是非線性映射的ANN來(lái)模擬難以建模的非線性系統(tǒng)恰好解決了這一難題。

模糊技術(shù)：即利用模糊集理論對(duì)實(shí)際問(wèn)題進(jìn)行評(píng)判、決策、模式識(shí)別和聚類分析。適用于系統(tǒng)狀態(tài)及故障狀態(tài)具有不確定性，并可采用模糊集描述的情況。其主要方法有四種：基于模糊模型的故障診斷方法，基于自適應(yīng)模糊閾值的殘差評(píng)價(jià)方法，基于模糊聚類的殘差評(píng)價(jià)方法和基于模糊邏輯的殘差評(píng)價(jià)方法。

在航天器故障診斷應(yīng)用中，利用數(shù)據(jù)挖掘技術(shù)對(duì)歷史測(cè)控?cái)?shù)據(jù)進(jìn)行規(guī)則挖掘，從海量的樣本數(shù)據(jù)中獲取故障診斷的規(guī)則，及時(shí)發(fā)現(xiàn)故障征兆并采取有效措施就可能避免航天器出現(xiàn)重大的故障。NASA領(lǐng)導(dǎo)下的Ames Research Center（ARC）的Inductive Monitoring System（IMS）主要采用聚類的方式對(duì)數(shù)據(jù)進(jìn)行自動(dòng)狀態(tài)分類。通過(guò)對(duì)哥倫比亞航天飛機(jī)失事前數(shù)據(jù)的分析，發(fā)現(xiàn)IMS能比航天飛機(jī)控制中心更早發(fā)現(xiàn)故障，并于09年用于國(guó)際空間站控制中心的ISS管理。

3航天器故障診斷技術(shù)的發(fā)展趨勢(shì)

近年來(lái)，基于人工智能的航天器故障診斷方法已經(jīng)成為主要的研究方向，尤其是基于數(shù)據(jù)挖掘的航天器故障診斷方法不需要建立對(duì)象的模型，依靠分析已經(jīng)積累的海量歷史數(shù)據(jù)，提取出其中的關(guān)聯(lián)關(guān)系和趨勢(shì)特征作為識(shí)別故障的依據(jù)。

航天器遙測(cè)數(shù)據(jù)包括了航天器運(yùn)行和控制過(guò)程中的各種性能參數(shù)數(shù)據(jù)、狀態(tài)分析數(shù)據(jù)、二次計(jì)算結(jié)果等多種狀態(tài)數(shù)據(jù)，這些數(shù)據(jù)反應(yīng)了航天器的運(yùn)行狀態(tài)。由于航天器系統(tǒng)復(fù)雜，參數(shù)眾多，大多包括成千上萬(wàn)的傳感器測(cè)量參數(shù)，這些參數(shù)在設(shè)備發(fā)生故障之前的一段時(shí)間可能就會(huì)有一定變化，如溫度、壓力等參數(shù)的異常變化，其也會(huì)導(dǎo)致測(cè)控過(guò)程中的一些其他數(shù)據(jù)發(fā)生異常變化?；跀?shù)據(jù)挖掘的航天器故障診斷的方法，通過(guò)以航天器的遙測(cè)數(shù)據(jù)為研究對(duì)象，構(gòu)建航天器遙測(cè)數(shù)據(jù)的訓(xùn)練庫(kù)和測(cè)試庫(kù)，利用數(shù)據(jù)挖掘分類方法訓(xùn)練故障分類器，經(jīng)測(cè)試庫(kù)數(shù)據(jù)驗(yàn)證分類器的有效性后，生成對(duì)應(yīng)的故障診斷規(guī)則，并利用歷史數(shù)據(jù)對(duì)規(guī)則進(jìn)行測(cè)試和優(yōu)化。在故障診斷中，將設(shè)備實(shí)時(shí)的數(shù)據(jù)與的診斷規(guī)則和診斷知識(shí)一起代入診斷運(yùn)算過(guò)程，得到故障是否存在、產(chǎn)生的原因和處理的方法。這種方法可從海量的數(shù)據(jù)中及時(shí)發(fā)現(xiàn)異常情況，并對(duì)異常情況進(jìn)行預(yù)警、診斷并發(fā)現(xiàn)一些深層次的故障原因，并將故障重新輸入訓(xùn)練庫(kù)中，提高后續(xù)故障診斷的準(zhǔn)確度和精度，是今后研究的一個(gè)重點(diǎn)。

4結(jié)束語(yǔ)

本文對(duì)故障診斷技術(shù)的現(xiàn)狀進(jìn)行了綜述。重點(diǎn)介紹了泛應(yīng)用于航天器的故障檢測(cè)的基于模型、基于信號(hào)處理、基于人工智能的診斷方法。由于航天器系統(tǒng)的復(fù)雜性及其運(yùn)行環(huán)境的特殊性，還有很多故障診斷的問(wèn)題亟待解決，可以將各種方法進(jìn)行融合，發(fā)揮各自的優(yōu)點(diǎn)，不斷用新的方法來(lái)探究。