航天地面測控系統的健康管理應用*

余 濤

(中國西南電子技術研究所，成都 610036)

0 引 言

航天地面測控系統是航天器在軌運行的地面監測和控制節點，為航天器執行在軌任務提供支持保障。隨著航天事業的快速發展，在軌航天器數目激增，同時也對地面測控系統的運行可靠性和穩定性提出了更高的要求。健康管理技術基于設備狀態監測數據，利用各類故障診斷和狀態評估模型，對設備運行工況進行綜合評估分析，旨在通過全面掌握設備健康狀態發展態勢，及時排查設備故障和隱患，降低故障影響，提高設備運行可靠性。因此，在航天地面測控系統中引入健康管理技術也自然成為了發展的必然趨勢。

健康管理技術在英美等國得到了深度研究和推廣應用，已建成多個具有代表性的健康管理系統，包括F-35飛機故障預測與健康管理(Prognostics Health Management，PHM)系統[1]、NASA飛行器綜合健康管理(Integrated Vehicle Health Management，IVHM)系統[2]、直升機健康與使用監控系統(Health and Usage Monitoring System,HUMS)[3]等。國內的健康管理技術起步較晚，相關研究主要集中于理論算法，尚未形成較為成熟的健康管理系統，但隨著技術的發展和裝備型號的技術攻關，在航空航天裝備領域已取得了一定成果[4]。文獻[5]對航空電子系統故障預測與健康管理體系結構進行了分析，從結構、功能分層和樹形運行藍圖上進行了分析和設計。文獻[6]針對航天測控設備提出了基于范例推理(Case Based Reasoning,CBR)和規則推理(Rule Based Reasoning, RBR)結合的故障診斷系統設計方案，給出了基于故障樹模型的知識表示方法和診斷推理方法。文獻[7]提出了基于案例推理的航天測控設備故障診斷方法，對故障案例的搜索及診斷效率較高。文獻[8]針對遙感衛星接收系統給出了故障診斷專家系統設計方法。文獻[9]對測控設備專家系統知識獲取方法進行了研究分析。文獻[10]對復雜系統健康狀態評估技術的現狀發展進行了研究綜述。文獻[11]針對無人機系統的健康狀態評估方法進行了研究，通過三角模糊數和層次分析法結合，實現了對無人機健康狀態的量化評估。文獻[12]采用層次分析法實現對地基測控網的健康狀態評估。

隨著航天測控設備和健康管理技術的發展，健康管理系統已成為航天地面測控系統的重要組成部分。本文對航天地面測控系統健康管理體系、工作流程、業務模型進行了研究，并結合某型號裝備的研制給出了應用實例。

1 健康管理體系

航天地面測控系統包括天伺饋分系統、發射分系統、接收分系統、基帶分系統、時頻分系統、標校分系統等多個分系統，各分系統又包含大量不同的設備與部件，對這樣的復雜系統進行健康狀態管理需要完成部件、設備、分系統、系統多層級的健康信息采集，并利用采集信息實現全系統的狀態監視、故障診斷、健康狀態評估、維修輔助決策等健康管理應用。

航天地面測控系統健康管理體系如圖1所示，主要包括健康信息采集、健康管理知識庫和健康管理應用服務。基于航天地面測控系統多層級的健康信息采集和健康業務知識對故障診斷、健康狀態評估等健康管理業務提供數據和知識支撐，為航天地面測控系統設備提供運維保障服務。

圖1 系統健康管理體系

健康信息采集實現對部件、設備、分系統、系統的多層級健康狀態數據獲取，以部件工作狀態參數為基礎，通過部署傳感器采集部件工作電壓、電流、溫度、振動等各類工作狀態參數，結合內置測試(Built in Test，BIT)、設備監控軟件組件獲取設備狀態，并根據狀態監視結果，按需進行鏈路測試和參數標校，獲取業務分系統的功能、性能指標。匯集上述系統各級健康狀態數據，作為健康管理應用服務的數據分析基礎。

健康管理知識庫保存了各級設備、部件的健康業務處理規則、模型和案例，以及各類歷史健康數據，如故障監測知識、故障樹診斷模型等，支撐相關健康管理應用服務的功能實現。

健康管理應用服務主要包括設備狀態監視、故障診斷、健康狀態評估和維修輔助決策，各業務功能通過上層應用調度，實現健康管理全業務服務的自動化閉環運行。首先針對實時采集的健康狀態數據按需進行預處理，生成健康狀態表征信息；然后利用監測點知識對各級設備、部件健康狀態特征進行監視判別，發現異常狀態時，自動調取對應設備的故障診斷和健康狀態評估模型，對異常設備進行故障識別和定位，對系統健康狀態進行評估，并根據評估結果生成維修建議，供運維人員參考執行，達到快速消除故障和預防潛在故障的目的。對于完成診斷的故障案例和健康評估結果自動保存至知識庫，支持對后續異常事件的診斷處理。

2 健康業務模型

航天地面測控系統健康業務模型主要包括數據預處理與狀態監視模型、故障診斷模型和健康狀態評估模型，支撐對各級設備的健康管理應用服務。

2.1 數據預處理與狀態監視

航天地面測控系統設備類型眾多，各類型設備的狀態采集數據存在著同類參數名稱不一、量綱不一，以及直接采樣參數難以表征采樣部件健康特性的問題，因此需要對狀態采集數據進行預處理，以滿足狀態監視和后續診斷、評估的處理需要。

數據預處理包括分類處理和信息綜合處理。分類處理主要針對設備狀態監測數據、天線跟蹤數據等特定類型數據進行處理。設備狀態監測數據處理按設備進行分類處理，針對不同設備的狀態監測數據，進行平滑濾波、門限判決、信息關聯、虛警剔除等處理。天線跟蹤數據主要包括軌道數據、角跟蹤數據、自動增益控制(Automatic Gain Control，AGC)電壓、角誤差電壓等，可進行跟蹤精度計算、角誤差電壓變化范圍分析等。

信息綜合處理針對多類型數據進行關聯性分析、統計值計算、特征提取等，從海量采樣數據中提取具備健康表征特性的關鍵參數信息，消除冗余數據，提高后續狀態監視的處理的效率。

狀態監視功能基于預處理后的健康狀態數據及監測點知識進行實時故障監測。以頻綜單元為例，監測點知識為預處理后數據設定了多級監測門限，根據實時狀態監測數據對部件狀態進行判別。基于判別狀態，支持對異常告警策略、維修處置建議等進行設定，以消除虛警及對不同部件的亞健康狀態、故障狀態進行靈活處置。此外，支持通過組合邏輯條件對關聯參數進行篩選判斷，提高故障監測能力。

2.2 故障診斷

航天地面測控系統包括多個分系統以及大量不同類型設備，面向不同類型的分系統和設備應采用對應的故障診斷模型對異常狀態設備進行故障檢測和診斷。

以天伺饋分系統為例，天伺饋分系統主要由天線、饋源、天線座、天線控制單元(Antenna Control Unit,ACU)、天線驅動單元(Antenna Drive Unit,ADU)等設備組成，包括機械設備和電氣設備，因此分系統可能發生的故障也包括機械故障和電氣故障。機械故障如天線座方位艙、俯仰艙等裝置軸承部分因疲勞、腐蝕、磨損產生的性能下降，傳動裝置中齒輪箱出現齒輪損傷、折斷或滲漏油，天線反射體背架老化造成的傾斜等。電氣故障如天線伺服電機電源損壞、電路板燒損致輸出拉低，ACU單元板線纜接觸不良引起供電電壓異常，驅動信號電路出現故障使得天線失去作用等。

針對上述故障機理較為明確的故障類型可采用故障樹建模的方法進行設備故障模式構建，并應用于后續診斷過程中。設備故障樹以設備功能故障作為頂事件，以故障監測點及各類測試結果作為底事件，并將導致頂事件發生的因素或因素組合按照邏輯關系進行逐級構造，最終形成頂事件故障的故障樹模型。

以圖2所示天線俯仰驅動故障樹為例進行說明。頂事件為天線俯仰驅動故障，導致該頂事件發生的可能因素包括電源故障、天線故障、急停和缺相。4個節點通過或門進行連接，表示任一因素可導致頂事件發生，其中電源故障、急停和缺相為基本事件，可直接進行檢測判斷，不再往下細分。天線故障的導致因素可逐級向下分解為鎖定電機故障、俯仰限位故障等，直至到監測點底事件，即通過監測點知識可直接判斷的事件。故障樹模型保存于健康管理知識庫，由設備狀態監測功能驅動，對發現的異常狀態進行識別和模型檢索、匹配，并使用對應的故障樹模型進行自動化檢測診斷。此外，對于無法直接采集的性能參數指標可通過基于故障樹對應節點人工發起標校測試，獲取相關參數指標，輔助進行故障檢測和隔離。

針對故障機理不明確的故障類型無法通過知識庫現有知識進行故障識別診斷，主要通過兩類方法實現對未知故障診斷能力的擴展。第一類是專家系統。設備運維人員基于設備異常狀態監視數據、標校測試結果和自身經驗對設備故障類型、故障現象、故障單元、故障原因、推理方式、判決依據和維修處置建議進行歸納，形成專家知識，錄入專家系統，逐步擴展對未知故障的識別診斷能力。第二類是數據驅動方法。在設備長期運行的過程中積累設備健康、異常、故障等狀態下的工作狀態數據，利用大量各健康狀態下的樣本數據，采用機器學習方法對設備故障特征進行提取，構建設備故障分類、識別模型，并應用于后續對同類故障的識別診斷。

圖2 天線俯仰驅動故障樹

2.3 健康狀態評估

航天地面測控系統健康狀態評估完成對系統、分系統、設備、部件多個層級的健康狀態量化評估，主要采用層次分析法進行評估計算。層次分析法將復雜系統表示為有序的階梯層次結構，通過確定同一層級各評估項的權重，將復雜系統的定性評估轉化為定量計算的方法，適用于對航天地面測控系統多層級健康狀態的量化評估。

基于航天地面測控系統的結構組成和設備關聯關系建立層次分析結構樹，部分結構樹如圖3所示，其中頂層為系統健康度，逐級向下為分系統健康度、設備健康度、部件健康度，以及底層的狀態監測數據。

基于上述健康評估層次分析結構樹，首先對部件健康度進行量化評估，通過監測點實時采樣數據與歷史健康數據統計結果計算偏離度作為部件當前量化健康度；然后根據部件重要度配置加權權重，逐級向上層計算各級設備量化健康度值，計算公式如下：

(1)

式中:Q為上級設備健康度量化值，wi為第i個設備的健康度權重值，xi為第i個設備的健康度量化值。最終得到系統各層級設備的健康度量化值。

圖3 健康評估層次分析結構樹

根據量化健康評估值可配置取值區間與設備健康狀態定性評價的映射關系，將量化評估結果映射為健康、亞健康、故障三級定性評價，便于運維人員直觀掌握當前各設備的健康狀態，有針對地制定設備維修保障計劃。

此外，健康狀態評估可周期性地進行，積累設備健康狀態評估數據。由此可通過歷史健康數據擬合設備健康度發展趨勢，進而實現對設備未來健康狀態發展的預測，并通過采取預防性維修措施，防范實際故障的發生，保障全系統的可靠運行。

3 健康管理業務流程

如圖4所示，健康管理業務流程主要包括狀態監測、故障診斷、健康狀態評估、維修輔助決策等業務功能流程，并將相關處理結果在前端應用進行可視化。

圖4 健康管理業務流程

狀態監測業務功能利用狀態采集數據對設備健康狀態進行實時監測，首先對狀態采集數據進行清洗、對齊、降噪、插值等預處理；然后基于處理后數據提取健康特征，并利用監測點知識對設備健康狀態進行判別，發現異常狀態時進行提示告警并觸發故障診斷和健康狀態評估流程。

故障診斷業務功能由異常狀態告警觸發，基于異常狀態數據進行故障檢測，判別是否存在故障，以消除虛警；然后根據告警單元和異常狀態信息進行故障診斷知識檢索和匹配，利用對應診斷模型進行故障診斷。

健康狀態評估業務功能在發現異常狀態時自動觸發，也可由周期健康評估策略觸發對航天地面測控設備進行健康體檢，通過讀取當前設備工作狀態數據，基于多層級健康評估模型和量化指標評價體系對系統、分系統、設備、部件進行多層級健康狀態評估。

維修輔助決策業務功能基于故障診斷結果和健康評估結果對故障或亞健康設備生成維修處置建議，供運維人員參考實施，并支持依據預防性維修策略對未出現故障征兆的設備進行預防性維修處置，如定期巡檢、設備保養、備件更換等。

健康管理前端應用提供統一的集成顯示和交互平臺，對故障告警信息、故障診斷結果、維修處置報告、健康評估報告等健康業務信息進行可視化展示，并提供健康模型編輯、標校測試發起等人工交互操作接口。

4 應用實例

結合某航天地面測控站健康管理系統建設需求，針對該站測控設備研發了健康管理應用軟件，為該站設備提供綜合健康狀態管理和運維保障服務。軟件界面如圖5所示，展示了天伺饋分系統監測點知識的編輯管理頁面。

圖5所示健康管理系統應用軟件為測控設備提供運行狀態監視、故障檢測與診斷、健康狀態評估和維修輔助決策等健康管理業務功能，并具備設備入退庫管理、備品備件管理、維修保養、升級改造等運行維護功能，為測控設備提供全生命周期的運維保障服務。

目前該健康管理系統已正式上線運行超過1年，通過自動化診斷和評估功能多次準確處理設備故障，保障了后續任務的正常執行；對于復雜故障給出故障單元定位、原因分析和維修處置建議，大大減少了運維人員的維修處置耗時，提高了設備的整體運行效率。

5 結束語

本文針對航天地面測控系統健康管理業務及應用進行了研究分析，提出了應用于航天地面測控設備的健康管理體系，重點闡述了設備狀態監視、故障診斷和健康狀態評估的業務模型和工作流程，并給出了應用實例。本文提出的基于物理模型和專家知識的健康管理方法能有效解決已知類型故障的檢測、診斷和評估，但對于未知類型故障的處理則缺乏有效手段。基于數據驅動和機器學習的方法能夠由設備健康狀態數據提取設備故障特征，并運用于對未知類型故障的檢測識別，這是值得探索并極具實際應用價值的下一步研究方向。