張?jiān)?，王建峰，李陶然，?亮，兀 穎，趙 勇，姜曉軍

(1. 中國科學(xué)院光學(xué)天文重點(diǎn)實(shí)驗(yàn)室 (國家天文臺(tái))，北京 100101；2. 中國科學(xué)院大學(xué)天文與空間科學(xué)學(xué)院，北京 100049)

望遠(yuǎn)鏡是天文研究的重要工具，其高效穩(wěn)定運(yùn)行是保證有效天文觀測(cè)的前提。因此，為了實(shí)現(xiàn)長時(shí)間穩(wěn)定的觀測(cè)運(yùn)行，故障診斷系統(tǒng)不可或缺。

故障診斷系統(tǒng)是一種分析故障時(shí)的系統(tǒng)數(shù)據(jù)并迅速判斷、定位故障點(diǎn)的程序系統(tǒng)，它能在望遠(yuǎn)鏡發(fā)生故障時(shí)迅速響應(yīng)，給出解決方案。故障診斷技術(shù)在多個(gè)領(lǐng)域中已有應(yīng)用，早在20世紀(jì)60年代，美國斯坦福大學(xué)首次提出了基于專家系統(tǒng)的故障診斷方法，將行業(yè)內(nèi)專家的知識(shí)庫應(yīng)用在故障診斷領(lǐng)域[1]。20世紀(jì)70年代，關(guān)于控制系統(tǒng)的故障診斷技術(shù)在麻省理工學(xué)院首次提出[2]。在天文方面，美國針對(duì)哈勃望遠(yuǎn)鏡維護(hù)困難的問題開展了對(duì)望遠(yuǎn)鏡控制系統(tǒng)故障診斷技術(shù)的研究[3]。澳大利亞也于90年代將故障診斷技術(shù)應(yīng)用于澳大利亞望遠(yuǎn)鏡(Australia Telescope)中，實(shí)現(xiàn)了基于傳感器的望遠(yuǎn)鏡故障診斷[4]。在國內(nèi)，故障診斷技術(shù)在天文方面也有所應(yīng)用。南極望遠(yuǎn)鏡上使用了智能鏡面除霜系統(tǒng)，用于加熱望遠(yuǎn)鏡鏡面來確保其不受霜雪的影響[5]。Mini-GWAC使用了基于故障樹與傳感器的望遠(yuǎn)鏡故障診斷系統(tǒng)，實(shí)現(xiàn)了系統(tǒng)的安全全自動(dòng)控制[6]。

然而，傳統(tǒng)的故障診斷系統(tǒng)在故障信息獲取受限的條件下很難發(fā)揮原有的作用。診斷方法單一，信息獲取渠道單一，例如上世紀(jì)研制的中小口徑望遠(yuǎn)鏡，往往沒有完備的傳感器設(shè)備，傳統(tǒng)故障診斷系統(tǒng)無法準(zhǔn)確地通過傳感器獲取系統(tǒng)所需信息，運(yùn)行效果大打折扣。如今人工智能技術(shù)突飛猛進(jìn)[7]，故障診斷系統(tǒng)也變得多方法融合化、多渠道信息化與智能化，利用這些技術(shù)可以很好地彌補(bǔ)傳統(tǒng)故障診斷系統(tǒng)的不足，最大化發(fā)揮故障診斷的效果。

本文提出的基于觀測(cè)圖像識(shí)別的天文望遠(yuǎn)鏡智能故障輔助診斷系統(tǒng)使用了卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別模塊，利用望遠(yuǎn)鏡故障時(shí)產(chǎn)生的觀測(cè)圖像，將圖像的智能識(shí)別技術(shù)與故障診斷系統(tǒng)相結(jié)合，很好地解決傳感器不完備的老式中小口徑望遠(yuǎn)鏡信息獲取不充分的問題。此外，信息獲取越充分，故障判定的準(zhǔn)確性就越高，所以這一系統(tǒng)也可以輔助傳統(tǒng)的基于傳感器的故障診斷系統(tǒng)，增加信息獲取渠道，提高故障診斷的準(zhǔn)確率。

1 基于觀測(cè)圖像識(shí)別的望遠(yuǎn)鏡智能故障輔助診斷系統(tǒng)設(shè)計(jì)

本文提出的故障輔助診斷系統(tǒng)是基于望遠(yuǎn)鏡觀測(cè)時(shí)的圖像、過往的故障記錄、故障的解決方案以及可能的傳感器信息運(yùn)作的。傳感器與圖像信息經(jīng)分析整合后，通過與過往故障記錄比對(duì)可以給出關(guān)于望遠(yuǎn)鏡可能的故障原因、故障概率并從故障的解決方案中給出相應(yīng)建議。因此本系統(tǒng)采用以下的設(shè)計(jì)方案。

1.1 系統(tǒng)總體設(shè)計(jì)

基于觀測(cè)圖像識(shí)別的望遠(yuǎn)鏡智能故障輔助診斷系統(tǒng)主要由4部分組成：信息收集模塊、數(shù)據(jù)庫模塊、推理模塊與人機(jī)交互界面。結(jié)構(gòu)如圖1。

圖1 基于觀測(cè)圖像識(shí)別的望遠(yuǎn)鏡智能故障輔助診斷系統(tǒng)結(jié)構(gòu)框圖Fig.1 Structure of intelligent fault-assisted diagnosis system for telescope based on observation image recognition

系統(tǒng)各組成部分功能如下：

(1)信息收集模塊：負(fù)責(zé)接收傳感器和觀測(cè)圖像傳遞的信息，其中有基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法，負(fù)責(zé)根據(jù)重訓(xùn)練的故障模型分辨實(shí)測(cè)圖像的大致故障類型。之后它將收集到的故障信息傳遞給數(shù)據(jù)庫模塊與推理模塊并展示到人機(jī)交互界面。此外，信息收集模塊也負(fù)責(zé)監(jiān)視望遠(yuǎn)鏡的實(shí)時(shí)運(yùn)行狀況，它通過判斷圖像質(zhì)量以及傳感器返回的參數(shù)確定目前的狀態(tài)，并將數(shù)據(jù)與參數(shù)存儲(chǔ)于系統(tǒng)運(yùn)行數(shù)據(jù)庫中，以便出現(xiàn)故障時(shí)推理模塊進(jìn)行調(diào)閱。

(2)數(shù)據(jù)庫模塊：為整個(gè)系統(tǒng)的知識(shí)儲(chǔ)備與運(yùn)行庫，分為系統(tǒng)運(yùn)行數(shù)據(jù)庫與故障知識(shí)庫。系統(tǒng)運(yùn)行數(shù)據(jù)庫中存儲(chǔ)著故障ID、方法ID、路徑權(quán)重、對(duì)應(yīng)關(guān)系以及望遠(yuǎn)鏡的運(yùn)行數(shù)據(jù)，是整個(gè)系統(tǒng)運(yùn)行的基本保障。故障知識(shí)庫存儲(chǔ)了故障樹中記錄的相應(yīng)故障知識(shí)，包括故障基礎(chǔ)知識(shí)與概率性的權(quán)重信息。

(3)推理模塊：包含推理機(jī)與解釋器，它負(fù)責(zé)將信息收集模塊、系統(tǒng)運(yùn)行數(shù)據(jù)庫與故障知識(shí)庫中的相關(guān)信息收集并推理，以一定的邏輯策略判斷可能的結(jié)果，并將結(jié)果送往人機(jī)交互界面。推斷故障成立時(shí)，推理模塊也會(huì)將結(jié)果返回至知識(shí)庫中儲(chǔ)存，作為日后工程師維護(hù)望遠(yuǎn)鏡的方向性依據(jù)。

(4)人機(jī)交互界面：用于展示信息并接受用戶的控制，是用戶與系統(tǒng)之間的重要交互渠道。

1.2 故障樹設(shè)計(jì)與分析

本系統(tǒng)采用了基于故障樹的邏輯結(jié)構(gòu)設(shè)計(jì)，故障樹是一種樹型結(jié)構(gòu)，能夠清晰地反映上層 “樹干” 與下層 “樹枝” 之間的邏輯與因果關(guān)系。系統(tǒng)從頂事件出發(fā)，逐步依據(jù)信息與樹狀結(jié)構(gòu)向下層判斷，一旦確定底事件，對(duì)應(yīng)的故障就被確定了。故障樹的頂事件是望遠(yuǎn)鏡的實(shí)測(cè)圖像異常，代表著望遠(yuǎn)鏡系統(tǒng)失效。通過對(duì)以往故障記錄進(jìn)行電子化整理并統(tǒng)計(jì)興隆觀測(cè)基地8臺(tái)望遠(yuǎn)鏡的歷史故障，建立故障庫，咨詢相關(guān)專家，決定將故障樹中層分為星像拉長、星像滑躍、星像消失 3大類。依據(jù)望遠(yuǎn)鏡的結(jié)構(gòu)細(xì)分至系統(tǒng)乃至部件的失效，建立起興隆觀測(cè)基地8臺(tái)光學(xué)望遠(yuǎn)鏡的系統(tǒng)故障樹如圖2，故障標(biāo)記說明如表1。

圖2 望遠(yuǎn)鏡系統(tǒng)故障樹Fig.2 Fault tree of telescope system

表1 望遠(yuǎn)鏡系統(tǒng)故障樹標(biāo)記事件Table 1 Description of the labels in telescope system fault tree

故障圖像經(jīng)由重訓(xùn)練的圖像識(shí)別模型分類至3個(gè)圖像大類之一，再與各系統(tǒng)通信進(jìn)一步判斷至底事件。底事件擁有各自的權(quán)重，成功判定的故障與工程師反饋的故障都會(huì)記入其中并實(shí)時(shí)進(jìn)行調(diào)整，在因條件所限無法精確判斷時(shí)可以作為概率的參考。因?yàn)閷?duì)于單臺(tái)望遠(yuǎn)鏡的故障往往具有重復(fù)性，所以權(quán)重與概率的分布也具有較高的參考價(jià)值。

故障樹的定性與定量分析能有效找出系統(tǒng)的薄弱環(huán)節(jié)，工程師在維護(hù)時(shí)可以針對(duì)這些部位重點(diǎn)排查，從而降低望遠(yuǎn)鏡在運(yùn)行時(shí)的故障率，使用布爾代數(shù)化簡(jiǎn)法進(jìn)行定性分析，過程如下：

T=A1+A2+A3

A1=B1+B2+X1+X2;A2=X3+X4+X5;A3=B3+B4;

B1=X6+X7+X8+X9+X10;B2=X11+X12;B3=X13+X14;B4=C1+C2+X15+X16;

C1=X17+X18;C2=D1+X19+X20+X21;

D1=X22+X23+X24.

(1)

可以得出：

T=X1+X2+X3+X4+X5+X6+X7+X8+X9+X10+X11+X12+X13+X14+X15+X16+

X17+X18+X19+X20+X21+X22+X23+X24.

(2)

即最小割集為

{X1} {X2} {X3} {X4} {X5} {X6} {X7} {X8} {X9} {X10} {X11} {X12} {X13} {X14} {X15} {X16} {X17} {X18} {X19} {X20} {X21} {X22} {X23} {X24}

共24個(gè)最小割集，均為一階割集。即故障樹中所包含的每個(gè)底事件均直接影響望遠(yuǎn)鏡的成像質(zhì)量，薄弱部位和各底事件的故障概率直接相關(guān)。下面根據(jù)所統(tǒng)計(jì)的望遠(yuǎn)鏡故障記錄計(jì)算各底事件的發(fā)生概率。

興隆觀測(cè)基地的望遠(yuǎn)鏡在發(fā)生故障時(shí)，工程師會(huì)在解決故障的同時(shí)填寫故障報(bào)表并存檔，分析統(tǒng)計(jì)這些存檔可以獲取望遠(yuǎn)鏡故障樹底事件的發(fā)生概率。統(tǒng)計(jì)興隆觀測(cè)基地2016～2018年8臺(tái)望遠(yuǎn)鏡故障報(bào)表并計(jì)算平均每臺(tái)每年的底事件發(fā)生概率，結(jié)果如表2。

表2 故障樹底事件發(fā)生概率Table 2 Probability of fault tree bottom event

根據(jù)故障樹分析，系統(tǒng)的最小割集均為一階割集，即任意底事件的失效均導(dǎo)致頂事件失效。根據(jù)表2的結(jié)果計(jì)算平均每年頂事件至少失效一次的概率：

P(T)=1-[1-P(X1)][1-P(X2)][1-P(X3)][1-P(X4)]……[1-P(X24)]≈0.929 575，

其中，發(fā)生概率較大的故障有相機(jī)快門閉合失效、觸發(fā)望遠(yuǎn)鏡限位保護(hù)、CCD通訊系統(tǒng)故障和鏡蓋的通訊系統(tǒng)故障，平均每臺(tái)望遠(yuǎn)鏡一年有20.83%的概率發(fā)生一次此類故障。望遠(yuǎn)鏡維護(hù)人員在日常維護(hù)檢修時(shí)，應(yīng)重點(diǎn)注意上述薄弱部位的故障，及時(shí)發(fā)現(xiàn)問題并更換故障配件，可以提高望遠(yuǎn)鏡系統(tǒng)運(yùn)行的可靠性，減少觀測(cè)時(shí)因故障造成的損失。

1.3 故障訓(xùn)練集的建立

卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別模塊需要故障訓(xùn)練集進(jìn)行重訓(xùn)練。在系統(tǒng)中，要求模塊能夠識(shí)別星像拉長、星像滑躍、星像消失與正常圖像。故障訓(xùn)練集的圖片來源主要有3種：觀測(cè)圖像中篩選、望遠(yuǎn)鏡實(shí)地拍攝與人工繪制。從觀測(cè)中獲得的圖像主要為興隆觀測(cè)基地80 cm望遠(yuǎn)鏡2017～2018年的圖像與85 cm望遠(yuǎn)鏡在2019年的圖像，其中篩選了星像滑躍23幅，星像拉長50幅，正常觀測(cè)圖像1 037幅。望遠(yuǎn)鏡實(shí)地拍攝使用興隆觀測(cè)基地60 cm望遠(yuǎn)鏡，人為拍攝故障的星像圖像，其中拍攝星像拉長626幅，星像消失1 104幅，鑒于保護(hù)望遠(yuǎn)鏡的目的無法拍攝星像滑躍的圖像。人工繪制是為了補(bǔ)充難以從常規(guī)渠道獲得的故障圖像，共補(bǔ)充星像滑躍44幅，星像拉長73幅。標(biāo)記上述圖片并將其中90%作為訓(xùn)練集，10%作為測(cè)試集使用。

重訓(xùn)練參數(shù)中，訓(xùn)練步數(shù)設(shè)置為9 000，學(xué)習(xí)率設(shè)置為0.01，無隨機(jī)裁剪、縮放、翻轉(zhuǎn)，經(jīng)過重訓(xùn)練成功獲得所需模型。測(cè)試準(zhǔn)確率為97.63%，其中，特征明顯的圖像均分類正確，拉長較短、滑躍較長的圖像有小概率出現(xiàn)混淆。

2 初步測(cè)試結(jié)果

根據(jù)上文所述的系統(tǒng)設(shè)計(jì)，使用Python編寫代碼，成功構(gòu)建基于圖像的望遠(yuǎn)鏡智能故障輔助診斷系統(tǒng)。為了測(cè)試系統(tǒng)是否能夠正常工作，嘗試人工模擬故障進(jìn)行檢測(cè)。此外，還將實(shí)際觀測(cè)中的故障數(shù)據(jù)輸入虛擬望遠(yuǎn)鏡中檢測(cè)，判斷系統(tǒng)給出的結(jié)果是否與故障記錄一致。

2.1 模擬故障虛擬環(huán)境測(cè)試結(jié)果

使用望遠(yuǎn)鏡控制軟件 “興隆基地通用望遠(yuǎn)鏡控制前沿機(jī)” 生成的虛擬望遠(yuǎn)鏡來進(jìn)行本系統(tǒng)的實(shí)驗(yàn)測(cè)試。測(cè)試通過人為手動(dòng)模擬望遠(yuǎn)鏡的故障檢驗(yàn)系統(tǒng)是否能夠正常工作。模擬的故障為 “用戶誤操作”，即用戶因?yàn)椴簧魍Ｖ垢櫠a(chǎn)生望遠(yuǎn)鏡的實(shí)測(cè)圖像拉長的現(xiàn)象。實(shí)驗(yàn)過程中使用實(shí)測(cè)的星像拉長圖片對(duì)系統(tǒng)進(jìn)行引導(dǎo)，系統(tǒng)診斷結(jié)果如圖3。結(jié)果顯示，系統(tǒng)成功地根據(jù)實(shí)測(cè)圖片及虛擬望遠(yuǎn)鏡的狀態(tài)信息判斷，導(dǎo)致這幅圖片產(chǎn)生的故障原因，系統(tǒng)在虛擬環(huán)境下使用成功。

圖3 模擬測(cè)試結(jié)果Fig.3 The result of simulation test

2.2 基于實(shí)測(cè)數(shù)據(jù)的測(cè)試結(jié)果

興隆觀測(cè)基地的80 cm望遠(yuǎn)鏡于2016年1月18日在觀測(cè)時(shí)發(fā)生故障，通過查詢篩選獲取了1月18日拍攝的故障圖像與望遠(yuǎn)鏡當(dāng)時(shí)的運(yùn)行日志、系統(tǒng)與位置信息，調(diào)整虛擬望遠(yuǎn)鏡的參數(shù)狀態(tài)還原故障場(chǎng)景。測(cè)試結(jié)果如圖4。系統(tǒng)成功判斷出圖像異常，且異常為 “星像消失”。根據(jù)故障樹的邏輯，在星像消失的分支下，系統(tǒng)先嘗試與CCD系統(tǒng)通訊，獲取了CCD狀態(tài)正常且CCD通訊系統(tǒng)正常的反饋，之后與鏡蓋系統(tǒng)通訊，確認(rèn)鏡蓋開啟度小于閾值，通訊系統(tǒng)正常而鏡蓋很可能未打開，所以通過排除法尋找并給出了 “鏡蓋電機(jī)故障” 的底事件，與基地故障報(bào)表記述一致。這表明在望遠(yuǎn)鏡的實(shí)際使用中，系統(tǒng)可以發(fā)揮應(yīng)有的作用，幫助維護(hù)人員快速定位故障并參考對(duì)應(yīng)的解決建議。

圖4 真實(shí)數(shù)據(jù)測(cè)試結(jié)果Fig.4 The result of real data test

如果系統(tǒng)因?yàn)闂l件所限無法精確判定至故障樹的底事件，系統(tǒng)會(huì)根據(jù)以往的故障記錄和工程師的反饋確定故障現(xiàn)象可能原因的權(quán)重。每一臺(tái)望遠(yuǎn)鏡的故障通常會(huì)重復(fù)出現(xiàn)，所以故障原因的概率分布也具有一定的意義，故障解決后系統(tǒng)可以根據(jù)反饋對(duì)概率進(jìn)行調(diào)整，系統(tǒng)對(duì)單個(gè)望遠(yuǎn)鏡的模糊故障診斷的精確度，為維護(hù)人員提供一定的方向指導(dǎo)。

收集并統(tǒng)計(jì)判斷了興隆觀測(cè)基地望遠(yuǎn)鏡2019年產(chǎn)生的48次故障，能夠直接判定底事件的故障31次；根據(jù)權(quán)重模糊判斷且參考項(xiàng)概率最高者為故障原因的故障10次；故障原因僅包含在參考項(xiàng)中5次；故障原因未包含在參考項(xiàng)中2次；綜合判定正確率為85.42%，錯(cuò)誤率為14.58%。

3 結(jié) 論

本文介紹并利用Python構(gòu)建了一種基于觀測(cè)圖像識(shí)別的望遠(yuǎn)鏡智能故障輔助診斷系統(tǒng)，分析了系統(tǒng)的故障樹，根據(jù)分析結(jié)果得出興隆觀測(cè)基地望遠(yuǎn)鏡易發(fā)生鏡蓋電機(jī)故障、快門閉合失效、限位保護(hù)、CCD通訊故障與鏡蓋通訊故障。在日后的維護(hù)中著重關(guān)注這些部位可以有效提高望遠(yuǎn)鏡的日常穩(wěn)定性。本系統(tǒng)能夠監(jiān)視望遠(yuǎn)鏡的運(yùn)行狀態(tài)，創(chuàng)新之處在于望遠(yuǎn)鏡系統(tǒng)故障時(shí)可以使用觀測(cè)時(shí)的故障圖像作為一條新的信息獲取渠道，通過智能圖像識(shí)別初步進(jìn)行故障的分類，并針對(duì)發(fā)現(xiàn)的故障給出相應(yīng)的維修建議，為故障診斷系統(tǒng)的智能化做好了預(yù)研與鋪墊。系統(tǒng)經(jīng)進(jìn)一步完善也可以與其它故障診斷系統(tǒng)聯(lián)合使用，輔助進(jìn)行故障診斷，提高診斷的準(zhǔn)確率，為望遠(yuǎn)鏡的穩(wěn)定運(yùn)行提供保障。