基于數字孿生的火箭測試與發射過程健康管理技術研究

(北京宇航系統工程研究所，北京 100076)

0 引言

運載火箭健康管理功能是支撐運載火箭測試與發射過程自動化，以及容錯重構能力的關鍵，負責地面測試階段和飛行段全箭數據綜合、處理、決策，并按照既定的故障模式進行決策處理及控制等功能。

航天系統具有研制難度大、產品價值高、制造批量小、技術復雜、試錯代價巨大的產品特點。NASA和美國空軍將飛行器數字孿生定義為：“一種集成的、多物理、多尺度、概率仿真模型，能夠利用物理模型、傳感器數據和歷史數據等來反映與該模型對應的飛行實體的狀態”。美國國防部提出利用數字孿生技術，用于航空航天飛行器的健康維護與保障[1-2]。

火箭的測試發射過程涉及動力、電氣、能源、結構、環境等專業，各系統各產品協調工作，才能完成火箭的測試與發射，將有效載荷成功送入軌道。整個過程技術狀態變化大，且地面試驗難以覆蓋飛行試驗，迫切需要通過數字孿生技術提升發射效率和可靠性[3-4]。

本文基于數字孿生技術，對數字孿生的火箭測試與發射過程健康管理技術應用展開研究和探索。

1 火箭測試發射過程健康管理功能需求分析

1.1 地面測試數據綜合分析

運載火箭在點火發射前，需要在地面進行大量的測試工作，包括各類系統和全箭的模擬飛行測試，以確保火箭飛行過程正常。火箭測試過程中，健康管理系統提供測試過程箭上、地面設備狀態監測，測試過程數據綜合處理，測試結果監測與判斷，并提供故障分析定位功能。

由于火箭沒有真實飛行，地面測試過程的外部激勵通常都是通過等效器進行模擬，測試數據和真實飛行數據均在較大的差異，地面測試數據的分析往往通過門限進行比對，數據的綜合分析能力較低，也不易發現潛在的問題，尤其是無法進行故障狀態模擬測試。因此，迫切需要一種在地面測試過程中有助于火箭飛行過程的數據綜合分析方法。

1.2 飛行過程故障診斷和預測分析

在火箭點火-起飛過程中，能源系統、動力系統、電氣系統等核心功能正常工作是起飛的關鍵，出現異常需進行緊急關機等預案措施，且全過程需提供快速判斷處理功能，因此射前緊急關機條件判斷與決策是點火起飛過程故障診斷的關鍵功能之一。

飛行過程中，火箭真實狀態往往和設計狀態有所差異，需要根據當前狀態數據對火箭進行監測分析，對火箭未來狀態進行預測。此外，對于火箭發生的異常情況要快速發現和定位故障，并對故障影響進行分析，快速處理。

因此，火箭飛行過程中需要強大的故障診斷和預測能力，但是由于火箭箭上資源有限，部分工作需要通過地面實現，地面需要能模擬火箭真實飛行過程的孿生火箭，和真實火箭實現“伴飛”，便于及時發現故障和預測分析。

1.3 故障處理措施的快速推演決策

運載火箭的智能化是未來發展趨勢，其飛行過程中的故障診斷和容錯重構能力是其重要標志之一。健康管理系統實現飛行過程總體關鍵參數采集、實時診斷與處理，為全箭容錯重構處理等提供決策信息與指令輸出是其最為突出的作用。

任何故障的快速處理措施都需要進行充分的驗證分析，雖然現代火箭可以預置一些特定的故障處理措施，但是離火箭可能發生的故障數量還遠遠不夠。火箭真實飛行過程中，迫切需要根據當前特定故障，快速制定故障處理措施，并進行快速推演驗證。如果發現措施不正確或者有更好的處理措施，則可以通過各種途徑(如遙控通道)進行優化處理。

2 基于數字孿生的健康管理功能設計

2.1 基于數字孿生技術的功能架構設計

為更好的解決火箭測試發射過程中的數據綜合分析、故障診斷和預測，以及故障處理措施的快速推演等問題，采用基于數字孿生技術的健康管理系統設計，該設計的基礎為火箭的數字孿生模型，基于該模型與真實火箭數據的交互，便于完成火箭的狀態監測、故障診斷和故障預測，以及故障干預功能。

圖1 基于數字孿生模型的健康管理架構

火箭開展地面測試前，通過地面數字孿生模型故障注入方法來模擬正常和故障狀態系統測試，提升系統測試覆蓋性。火箭測試發射過程中，健康管理實現箭載設備數據綜合處理與故障檢測，系統箭上各智能單機或功能單元上電后進行自檢，健康管理系統采集并綜合處理各系統或被測單元的自檢測試數據及狀態測試信息。

火箭點火-起飛過程中完成緊急關機診斷，由箭上健康管理模塊完成對動力系統和電氣系統工作狀態的判定，當檢測出問題時進行發動機緊急關機；同時地面采集到的聲音、光譜信息同步進行發動機推力狀態診斷，箭上和地面診斷均正常后，發動機推力爬升，火箭起飛。全過程需將信息送入地面數字孿生模型，采用故障診斷算法，得出放行與否的診斷結論。對于故障狀態，利用數字孿生模型，提供故障情況下的故障分析定位功能。

飛行過程中全箭利用數字孿生模型監測火箭數據，判斷特定事件(可能是故障)的發生是否滿足設計要求，是否按設定程序依次采取進一步的動作。按照故障對象和故障模式的差異，故障檢測過程分為箭上檢測和地面檢測兩種模式。

飛行過程中地面基于數字孿生的故障診斷預測。火箭飛行中將火箭慣組、速率陀螺、壓力傳感器、溫度傳感器等實時產生的火箭飛行的位置、速度、姿態、壓力、溫度、載荷等信息通過下行天線下傳給地面故障診斷服務器中多策略故障診斷數字模型，通過數字孿生體與箭體產品真實狀態保持同步，實時解算箭體后續飛行的姿態穩定性、載荷安全性、分離安全性、入軌精度等。

飛行過程中，檢測并判斷出飛行過程中各部段發動機故障(推力異常)、伺服機構故障中的非災難性模式，經過診斷和數據綜合處理，盡可能通過軌道重規劃和重構等措施使得火箭進入預定或其他合理軌道。地面診斷或預測的飛行故障結果，根據處置對策規則，通過天基測控鏈路上傳處理指令，或者通過安控通道上傳自毀指令。天基測控上傳指令通過數據管理模塊進行指令解析，分發給飛行控制模塊等進行處理。

2.2 箭上故障管理功能設計

箭上飛行過程中全箭故障診斷功能主要針對飛行過程中各部段發動機故障、伺服機構故障中的非災難性模式，力爭進入預定軌道。

全箭故障診斷工作流程見圖2。首先由參數測量系統根據關鍵參數要求對箭上傳感器、慣性器件參數進行采集，通過總線將數據傳輸至箭上故障診斷系統。箭上故障診斷根據預置的飛行動力學模型、電氣系統模型、動力系統模型等實時判斷火箭飛行狀態。當判斷火箭發生故障時，根據故障層級和危害程度(是否安全災難性故障)及嚴重程進行風險評估，在線決策是否繼續任務或進行安全控制。由控制系統對預置的措施集合進行選擇，執行任務重規劃(包括大氣層內的彈道重規劃、大氣層外的預測制導等)及系統重構(容錯控制、控制力重分配等)。

圖2 箭上健康管理功能架構

與此同時，地面運行健康管理系統，其中的數字孿生模型可根據飛行遙測數據進行實時狀態模擬和地面故障診斷，系統自動判斷為主人工干預為輔，如確定需要人工干預，則將診斷和決策結果通過遙控通道上傳至箭上故障診斷系統，由故障診斷系統進行有效性判別后將遙控指令轉換為故障模式后傳送至飛行控制系統，執行任務重規劃及系統重構。

2.3 地面健康管理功能設計

地面健康管理系統由地面測控組合、故障處理設備、數字孿生模型、以及服務器等組成，主要用于火箭測試發射和飛行過程中的射前必保條件監測、流程監測、數據監測、設備監測與故障診斷等。

地面健康管理系統利用信息化的技術手段，以信息、數據為基礎，重點解決信息的自動獲取、知識挖掘、綜合分析應用的問題。實現基于火箭全生命周期數據的綜合管理、基于數據的知識挖掘。系統采用“一個模型/數據中心支撐多維應用”的總體架構，形成多職能范疇內一體化技術體系和開放可擴展的貨架式產品體系結構。

2.4 火箭測試發射階段數字孿生模型設計

2.4.1 鏡像仿真系統

運載火箭數字孿生系統由數據處理系統、故障診斷系統、推理決策系統、數據庫系統和鏡像仿真系統六部分組成，系統架構如圖3所示，其中數據庫系統和鏡像仿真系統作為整個飛行鏡像系統的數據支撐和仿真驗證環境，支撐其它4個系統完成整個地面飛行鏡像系統的功能。

鏡像仿真系統的核心是箭體動力學仿真模型、環境仿真模型、載荷仿真模型，以及箭機模擬器、伺服模擬器、故障診斷模擬器等，采用仿真和真實數據混合運行的方式，實現對火箭的高保真仿真分析。

其中動力學仿真模型的主要功能是對運載火箭的飛行動力學進行模擬仿真。通過結合彈道設計、動力學積分、載荷和氣動熱計算、干擾計算等模塊，模擬出運載火箭的實際飛行狀態。相關模塊關系如圖4所示。

圖3 運載火箭地面數字孿生系統架構

圖4 運載火箭行仿真模塊關系

彈道設計模塊需具備彈道設計與計算功能，要求根據總體參數和作戰任務，生成標準彈道。彈道設計是運載火箭設計中的關鍵部分，彈道優化是火箭總體設計的重要內容，貫穿于火箭研制的各個階段，同一火箭選用不同的彈道會有不同的飛行軌跡和性能，對應的過程變量也不同。

根據總體參數、約束條件和火箭真實的運動狀態，選定優化參量，利用彈道優化技術將彈道設計問題轉化為最優控制問題進行求解，使火箭根據既定彈道模式完成主動段飛行同時使某種性能指標達到最優。

動力學積分模塊是用于對火箭彈道進行積分的模塊，主要功能是根據當前運動狀態計算出新的飛行狀態(位置、速度、姿態角、姿態角速度等)。

針對火箭主動段飛行環境惡劣，耦合度強的特點，需分析彈道各點載荷、各截面氣動熱情況，是小回路設計的重要約束。小回路根據火箭總體外形及彈道包絡，完成全箭氣動熱環境計算模型。

2.4.2 數據庫系統

數據庫系統用于火箭地面測試階段測試數據、歷史飛行數據、飛行仿真數據、知識庫、故障樹等數據的存儲和仿真分析。該數據庫系統與現有數據庫系統結合，內容包括如下。

1)設計數據：主要包括設計參數數據、圖紙及仿真數據。

2)試驗數據：各類地面試驗、出場測試、靶場測試及飛行試驗。

3)生產數據：主要為生產環節中的數據，用于修正數字孿生模型。

4)總裝數據：主要為總裝過程中產生的數據。

5)基礎環境數據：目前有風場、海洋環境、海洋重力異常及地震這4類數據。

6)知識數據：設計生產過程中產生的顯性和隱性知識，以及通過數據學習形成的知識模型等。

3 地面測試階段數字孿生應用

地面測試階段，箭上各智能單機或功能單元上電后進行自檢，地面健康管理系統完成測試過程中箭上、地面設備狀態健康監測，測試過程數據管理，測試結果監測與判斷，并提供故障情況下的故障分析定位功能。測試發射階段故障診斷功能為通過地面數字孿生系統對測試發射過程中的各系統數據(包括箭上和地面的流程信息、控制指令、狀態信息、模擬量等)進行自動監測和判讀，對異常參數進行實時故障診斷定位分析，給出相應的處理措施，輔助指揮人員進行發射決策。主要實現的功能包括如下。

3.1 測試過程實時監測

1)流程監測：

按照火箭測試流程要求，直觀顯示各系統工作流程，對控制指令、控制程序、電磁閥反饋狀態以及執行時間等情況進行監測，對執行異常、亂序、精度超差現象進行故障報警，便于指揮員檢查程序控制中動作的是否執行、執行順序和控制精度是否滿足總體要求。

2)設備監測：

對地面設備工作狀態進行監測，主要包括實時監測前端測控設備的內部信息，可將故障定位在板卡級。實時監測直流穩壓電源、變頻電源電壓、電流、轉速、頻率、報警信息等內容。

對網絡工作狀態進行監測和采集，對于網絡系統故障和異常入侵等問題，進行系統報警。對地面配氣臺、連接器，以及發射支持系統故障模式狀態進行實時和顯示。

3.2 故障模擬與故障診斷

1)故障模擬：

地面測試階段通過地面數字孿生系統進行故障注入，測試不同故障狀態下火箭健康管理功能設計的正確性，以及箭上和地面故障診斷相關算法的健壯性。

2)故障診斷：

在火箭測試階段，故障診斷以地面為主，箭上為輔。數字孿生系統實時接收箭上各系統數據后進行自動監測和判讀，對異常參數進行實時故障診斷定位分析，給出相應的處理措施，輔助指揮人員進行發射決策。

3.3 事后大數據分析

數字孿生系統可通過數據驅動(無監督學習)的方法，對歷次測試數據開展進一步分析，實現各故障診斷參數閾值與耦合判斷方式的優化，供箭上實時故障診斷使用。

通過調用歷史數據庫中的測試數據樣本，對數據進行預處理功能，包括時間對齊、抽樣、插值等。使用相關性分析算法訓練測試發射階段測試數據的相關性模型，并將相關性模型存儲到模型庫中。相關性模型內容包括：

1)模擬量參數在時間序列上的特征提取(例如曲線上升、下降、抖動等)；

2)模擬量參數在時間序列上與指令和狀態量的相關性(例如增壓指令與壓力上升之間的時間關系)；

3)模擬量參數與其它模擬量之間的相關性(例如正相關、負相關、不相關)；

4)模擬量在時間序列上的包絡域，指令和狀態量在時間序列上的包絡域。

使用基于統計分布的參數趨勢分析算法，生成模擬量參數在時間序列上的預測曲線，存儲到模型庫中。

4 火箭飛行階段數字孿生應用

4.1 箭地協同診斷

4.1.1 點火起飛階段

在火箭點火-起飛階段，全箭健康管理系統需要箭地采用協同診斷手段，分別同步完成緊急關機診斷。

箭上故障診斷功能模塊收集智能單機的電量參數完成電氣系統診斷，依據數據綜合模塊收集的非電量參數直接完成動力系統診斷，判定一級和助推器發動機推力是否在規定時間內順利達到初級工況，當檢測出問題時通過飛行控制模塊進行發動機緊急關機。

同時，地面數據處理系統根據箭上和地面收集到的數據，如地面采集到的發動機聲音、發動機光譜等間接信息，同步利用地面數字孿生系統進行發動機推力狀態故障診斷，當發現故障時，通過遙測遙控通道的上行鏈路發送關機指令，由箭上和地面同時執行緊急關機動作。

只有當箭上診斷火箭啟動正常，同時地面數字孿生模型也判斷火箭啟動正常后，火箭執行起飛流程。全過程需箭上和地面協同提供快速判斷處理功能。

緊急關機通常包括手動流程和自動流程兩部分，由于緊急關機通常發生在火箭點火-起飛的短暫過程，通常以自動流程為主，對地面人工操作的手動緊急關機環節進行限制。但隨著地面數字孿生模型的建立，地面對緊急關機條件的判斷更為準確和直觀，地面指揮員能更及時的對火箭狀態進行判斷，有利于地面實施手動緊急關機。

4.1.2 自主飛行段

飛行過程中全箭故障診斷功能主要針對飛行過程中各部段發動機故障(推力異常)、伺服機構故障中的非災難性模式，力爭進入預定軌道。

在火箭自主飛行階段，地面數字孿生系統需要同步開展故障診斷，根據鏡像系統研制可達到的性能指標，定期接收箭上下傳的遙測數據，以此為基線作為鏡像系統輸入開展實時仿真，利用地面豐富的計算資源，可以通過更復雜的故障診斷算法進行檢測和預測。如發現即將發生不可挽回的故障，經發射人員確認后，通過上行通道發送逃逸指令。

地面數字孿生系統預留重構指令上行接口，如遙測通道傳輸能力允許，地面檢測到非致命故障(特別是超出箭上控制模塊處理能力的故障)后，在短時間內完成備選重構策略的加速推演，根據結果確定最優方案，經發射人員確認后，通過遙測上行注入重構指令。

基于數字孿生的平行鏡像系統是建立在數字世界的、可反映物理系統真實性的數字模型，建立在對全箭的機械、電氣和動力等領域系統全面、綜合、真實的描述能力的基礎上，具備對全箭全生命周期的映射能力，從而對全箭飛行段故障預測性提供有力的分析決策支持。

飛行過程中全箭故障診斷功能主要針對飛行過程中各部段發動機故障(推力異常)、伺服機構故障中的非災難性模式，提高任務完成率或降低損失。對于飛行過程中的故障模式，需要由箭上自身在不依賴(或少依賴)于地面的情況下，對診斷(檢測)出的飛行過程故障(或潛在故障)，根據其可能造成的影響(或潛在影響)，選擇當前的最佳處理措施，完成故障處理自主決策。

箭上健康管理系統根據飛行動力學模型、電氣系統模型、動力系統模型等實時判斷火箭飛行狀態。當判斷發生故障時，根據故障的危害程度(是否安全災難性故障)及嚴重程進行風險評估，在線決策是否繼續任務或進行安控，并將判斷結果發送至飛行控制系統。由飛行控制系統根據預置的處理措施，執行任務重規劃[5](包括大氣層內的彈道重規劃、大氣層外的預測制導等)及系統重構(容錯控制、控制力重分配等)。

與此同時，地面健康管理系統利用數字孿生模型，根據飛行遙測數據進行實時狀態模擬和地面故障診斷，系統自動判斷為主人工干預為輔，如確定需要人工干預，則將診斷和決策結果通過遙控通道上傳至箭上故障管理系統，由故障管理系統進行有效性判別后將遙控指令轉換為故障模式后傳送至飛行控制系統，執行任務重規劃及系統重構。

4.2 預測與決策支持

4.2.1 能源預測

能源系統是火箭中最重要的分系統之一，負責在各階段向火箭各電氣設備提供穩定可靠的電能。火箭在飛行過程中有可能出現能源供給狀況惡化，或者用電設備消耗能量超出設計預期。當能源系統發生故障導致供電能力下降時，或者用電設備異常導致電能異常消耗時，如何及時發現和隔離故障變動尤為重要。發生問題的同時，如何預測未來供電能力，以及在當前有限的能源供給量下，如何通過優化負載配置，保證火箭的正常運行。

現代火箭的能源系統采用鋰電池供電，通過在數字孿生系統中建立鋰電池剩余電量模型和各發電和用電設備耗電模型，即可實現對能源系統未來工作狀態的預測。

其具體工作過程如下：

1)箭上實時采集能源狀態信息和環境信息，并根據預先裝訂的能源預測模型(含性能預計、壽命預測等)，對能源(含發電機、蓄電池組等)后續狀態進行預計；

2)箭上實時采集各用電設備的用電狀態，并根據能源供給情況和負載狀態分析，結合任務階段，對后續能源供給及消耗情況進行預計；

3)火箭能源管理系統能根據當前供電能力預計結果、任務階段，地面快速模擬關閉如何調整負載，優化能源系統工作狀態，保障火箭飛行任務需求；

4)必要時，則通過地面故障處理計算機向箭上發送控制指令進行人工干預。

4.2.2 動力預測

火箭動力系統正常運行是火箭正常入軌的基礎之一。火箭箭上各貯箱均設置了液位傳感器，燃料輸送管路上設置有流速和壓力傳感器，火箭發動機上設置有轉速、壓力、溫度等傳感器，可實現對火箭動力系統的實時監測。

火箭飛行過程中，箭上采集的動力系統數據通過無線遙測下傳，地面檢測站可實時監測火箭上各貯箱、管路和發動機情況。

在地面數字孿生系統中建立動力系統模型，動力系統模型實時接收箭上貯箱、管路和發動機參數，實時解算出推力、推進劑消耗量等指標，通過圖形化形式進行顯示。根據發動機工作狀態和剩余推進劑計算出動力系統剩余沖量，并與設計指標進行對比，分析差異和優化彈道。

在動力系統建模時，通過構造仿真的基本單元式模塊，并基于系統的物理聯接，用適當的方式把各種基本模塊連接在一起就能夠建立系統的模型，實現系統建模與仿真。模型運行時，可將箭上部分真實動力系統參數作為模型輸入，另一部分參數作為對比參數，與模型輸出參數進行對比分析，以便優化和修正動力系統模型參數，對動力系統后續工作狀態進行預測。

4.2.3 彈道預測

對智能化的運載火箭而言，火箭入軌在在線智能預測與彈道重構尤為關鍵。對于火箭類飛行器而言，飛行仿真模型準確性的有效驗證可充分通過飛行軌跡重構來實現。

利用已有的試驗數據，數學仿真模型及半實物仿真數據，完成針對火箭彈道特性的神經網絡訓練。在火箭真實飛行任務時，地面數字孿生系統通過遙測數據進行快速分析計算，實時修正得出未來一段時間的飛行曲線，可有效辨識和預測可能發生和已經發生的故障類型。

4.2.4 故障處理決策支持

火箭在飛行過程中，如發生故障，將根據箭上的診斷情況、風險評估和預置的故障預案發出重構指令，但對于重構后是否能夠完成飛行任務缺乏驗證。

地面數字孿生系統能很好的解決該問題。依靠地面強大的運算資源的優勢，地面數字孿生系統以重構時刻的火箭狀態和重構策略為輸入，根據全箭數字模型，加速推演預測得到采用該重構策略后火箭的后續飛行狀態，對重構措施的效果進行評估。如判斷需要對重構策略進行修改和優化，可快速修改驗證，并將修改后的重構策略上傳至箭上執行；如判斷火箭已無法滿足任務要求后，則將人工上行自毀或逃逸指令。

5 關鍵技術及發展趨勢

5.1 耦合模型的建立與優化

火箭飛行過程包含大量熱、氣動、結構、強度等多學科耦合現象，這既有火箭內部結構、動力、電氣各系統之間的耦合，也有火箭與外部不斷變化的環境的耦合，如氣動、噪聲、電磁等，要通過單一模型實現對于火箭產品實際物理現象的描述是不可能實現的。

除了高保真的模型外，火箭產品數字孿生體仿真的有效性還高度依賴于火箭實際運行過程的數據采集。目前，由于運載能力和采集手段的限制，火箭自身的參數采集的數量和精度都非常有限，需要引入更多類型更高精度的在線監測技術，如應力分布、氣流速度、噪聲等。與之相矛盾的是，受到火箭箭上資源的限制，狀態參數采集不能無限制增加，只能通過綜合分析和優化，利用有限的箭上狀態參數，配合地面采集的數據進行火箭數字孿生仿真。

5.2 基于虛實空間映射的模型優化技術

數字孿生需實現數字-物理空間精準映射，但真實數據通常包含大量噪聲或被污染，需要研究優化參數和特征變量確定方法，提升數字模型對實際數據的適應性，即對數字孿生模型進行優化。

由于火箭實際使用過程涉及地面和空中任務剖面環境變化，如何將大量不同類型的數據過濾噪聲與數字孿生模型參數進行匹配也是亟需解決的難題。目前許多研究人員都在致力于上述問題研究，提出了很多有用的方法，對特定類型的真實數據和虛擬模型進行優化。但是，多類型、多剖面的數據還難以確保數字孿生模型對狀態變化的響應與物理系統的響應保持完全一致。

5.3 基于數字孿生的剩余壽命預測技術

重復使用火箭逐漸成為未來火箭技術發展的重點，為了重復使用，在數字孿生模型基礎上，進一步研究產品的壽命或損傷模型，如研究關鍵結構有限元與損傷模型集成方法等。一方面，通過建立單機產品全壽命周期壽命模型，實時/周期計算單機產品在實際任務剖面下各類累積損傷；另一方面，通過建立全箭壽命模型，實現重復使用火箭的剩余壽命實時/周期預測[6-8]。

目前許多研究人員正在開展單機或部件的壽命預測研究，已有部分產品的壽命預測模型，未來隨著運載火箭重復使用技術的發展[9-10]，剩余壽命預測也將會稱為發展趨勢。

6 結束語

本文基于數字孿生技術，對運載火箭健康管理功能進行了設計和優化，設計了運載火箭測試發射階段數字孿生模型。利用真實火箭和數字孿生火箭的信息交互，可有效解決當前火箭地面測試過程數據綜合分析，飛行過程的故障診斷和預測功能，以及故障處理措施的快速推演決策等需求。與此同時，該技術在運載火箭健康管理上的應用也面臨一些關鍵技術還需要進一步突破和發展。