航天器姿態控制系統故障診斷方法概述

蘇林，尚朝軒，劉文靜

（1.軍械工程學院 光學與電子工程系，石家莊 050003；2.北京工程控制研究所，北京 100080）

人造衛星已和人類的生活息息相關，在追求高精度控制衛星運行的同時，更值得關注的是它的高可靠性和自主故障診斷及容錯能力，這是延長衛星運行壽命的重要手段。有效的在軌故障診斷技術能夠實時監控衛星在軌運行狀況，避免發生重大故障或災難。經統計分析，與其它分系統相比，衛星姿態和軌道控制系統的故障率較高而且危害較大［1］。姿態控制系統如果發生故障，必須有及時的診斷和處理措施，否則會影響航天器的正常飛行任務，嚴重時可能危及整個航天器系統。

1 故障診斷方法研究現狀

1.1 衛星姿態控制系統

衛星姿態控制按是否需要消耗衛星上能源（電能或燃料化學能）或獲得控制力矩的方式，分為被動控制和主動控制兩大類，以及介于二者之間的被動和半被動控制。而主動控制的精度高、反映快、能夠實現復雜的控制任務，是目前的主流方式。它利用星上能源（電能或推進劑工質），依靠直接或間接敏感到的姿態信息，按一定的控制律操縱控制力矩器實現姿態控制。主動姿態控制系統由姿態敏感器、控制器、執行機構（控制力矩器）和衛星本體一起構成閉環控制回路。如圖1所示。姿態敏感器測量和確定衛星相對于空間某些已知基準目標的方位；控制器對測得的信息進一步處理后確定衛星姿態，并根據確定的姿態按滿足設計要求的控制律給出指令，控制執行機構按控制指令產生所需的控制力矩，實現衛星姿態控制［2-3］。

圖1 衛星姿態控制系統結構Fig.1 Structure of satellite attitude control system

1.2 衛星姿態控制系統故障診斷方法研究

衛星姿態控制系統是一個復雜的動態閉環系統，所采取的故障診斷方法都是從控制系統角度來考慮。但由于部件眾多、過程復雜、測試數據繁多，可能發生的故障模式多，故障危害性大，這就決定了對衛星控制系統的故障診斷有其特殊的要求，這主要表現在兩個方面：一是診斷的實時性要求高；二是需要克服閉環系統故障征兆傳播特性給故障定位帶來的困難［4］。

按照國際故障診斷權威德國P.M.Frank教授的觀點，所有的故障診斷方法可以劃分成基于知識的方法、基于解析模型的方法、基于信號處理的方法三種。沿著這條主線，將應用于衛星姿態控制的主要故障診斷方法歸類。

1.2.1 基于解析模型的故障診斷方法

該方法核心思想是用解析冗余代替硬件冗余，以系統的數學模型為基礎，利用觀測器、等價空間方程、Kalman濾波器、參數模型估計和辨識等方法產生殘差，然后基于某種準則或閾值對該殘差進行評價和決策。本質上就是產生殘差并對殘差做分析。它的優點在于可診斷未預知的故障，不需要歷史經驗知識。該方法在衛星姿態控制系統的故障診斷中研究比較深入，國內外有大量關于此方法的文獻。已經涌現出的方法有：雙觀測器法、未知輸入雙觀測器法、奇偶空間法、滑模濾波器法、自適應濾波器法、模糊觀測器法、擴展Kalman濾波器法、強跟蹤濾波器等。按照產生殘差的思想將基于解析模型的故障診斷方法分為以下兩類類：

（1）基于冗余信息的故障診斷方法

基于冗余信息的故障診斷方法主要有等價空間法和奇偶檢測法。等價空間方法的主要思想是通過系統的真實測量檢查分析冗余關系的等價性，一旦超出預先設定的誤差界限，就說明系統中已經發生了故障［5］。衛星在軌運行期間一般都會產生一定的冗余信息。通常，冗余信息是用以識別傳感器和執行器故障的最有效和最準確的途徑。冗余信息包括直接冗余和分析冗余。當兩個以上的傳感器監測一個物理變量，就構成直接冗余。如果可以識別并采用被測變量之間一定的物理關系，借以得到額外的未知變量的冗余信息，便可得到分析冗余信息［6］。借鑒等價空間法的一致性思想，定光成等學者將敏感器冗余測量信息融合，實現了紅外與滾動陀螺和俯仰陀螺的故障判斷與定位、紅外和太陽信息判斷偏航陀螺故障、紅外、陀螺與GPS等三軸定姿的故障判斷［7］。

對于冗余配置的系統，奇偶檢測法是處理有冗余測量信息故障檢測問題的常用方法。利用奇偶方程所形成的殘差來進行故障識別，即利用多個具有相同精度的測量元件同時測量某一參數，通過不同測量元件之間的量測差的大小來判斷是否發生故障［8］。

文獻［9］從實際工程角度出發，對于衛星姿態控制系統中的執行機構—輪控系統采用奇偶空間法進行故障診斷。利用輪控系統中各飛輪轉速之間的一致性來實現飛輪的故障檢測與隔離。該方法簡單直接，而且能夠克服飛輪故障在閉環系統中的傳播影響。

一般奇偶方程產生殘差考慮了所有傳感器的輸出和執行器輸入，因此全部傳感器和執行器的故障都反映在這個殘差中，所以在系統無擾動輸入情況下，該殘差只能用來檢測故障，不能隔離故障［10］。因此出現了許多改進的奇偶方程法。文獻［11］將奇偶向量法與神經網絡結合，在奇偶向量基礎上利用廣義似然比法檢測衛星故障，并提取故障特征，再利用神經網絡進行故障診斷以提高衛星故障診斷的準確性。有學者提出最優奇偶向量檢測與隔離方法，主要思想是設計一個性能指標函數，使得最優奇偶向量對被檢測的傳感器故障最敏感，而對其余傳感器故障和未知輸入不敏感，這種方法不僅能明顯提高故障檢測能力，也使故障隔離效果更好［12］。Patton也曾指出在殘差產的生同時考慮故障隔離問題，可以采用結構化殘差法和方向性殘差向量法。前者殘差可敏感不同的故障；后者對于每種故障可使殘差匹配于故障的特定方向［13］。

（2）狀態估計法

觀測器和濾波器法是從狀態估計角度進行分析的。被控過程的狀態直接反映系統運行的狀態，通過估計系統的狀態，并結合適當的模型進行故障診斷。基本思想是：重構被控過程狀態，通過與可測變量比較，構成殘差序列，再構造適當的模型，并采用統計檢驗法，從殘差序列中把故障檢測出來，并做進一步分離、估計與決策。

該方法適用范圍廣，既可用于執行機構，又可用于敏感器。當系統處于確定性條件時，可使用線性或非線性的狀態觀測器；而在噪聲必須被考慮的隨機情況下，可使用Kalman濾波器。早期用于故障診斷的觀測器是一類特殊的全階觀測器，在實際應用中由于診斷對象的模型復雜，往往難以滿足實時性要求，于是出現了降階觀測器。王巍將降階觀測器用于執行機構的故障診斷，針對每一個執行機構各建立一個降階觀測器，通過設計觀測器的反饋矩陣使每一個降階觀測器的估計狀態只受某一個特定的執行機構的影響，而與其余的執行機構無關。這樣可以對每一個執行機構的故障進行診斷［5］。文獻［14］中作者在建立太陽敏感器、紅外地球敏感器和陀螺輸出之間的冗余關系方程基礎上，設計了一個Kalman故障檢測濾波器和一個故障隔離觀測器。檢測濾波器產生的殘差對三種部件的故障都敏感，隔離觀測器產生的殘差不受陀螺故障的影響。該方法通過監測兩個殘差可判斷敏感器是否發生故障，并分辨出故障源。

觀測器方法一直在不斷的深入研究。例如，自適應觀測器法可以在線地調節觀測器的增益矩陣，補償未知時變參數和緩變漂移型故障對殘差序列的影響；強跟蹤濾波器理論，提出了一種高度系統化的參數偏差型故障的檢測及診斷方法，應用于非線性時變隨機系統。目前對于狀態估計方法的研究主要集中在提高檢測系統對于建模誤差、擾動、噪聲等未知輸入的魯棒性及系統對早期故障的靈敏度。

近幾年來，未知輸入觀測器法得到了深入研究，這種方法是從系統魯棒性角度出發。解決實際系統中存在一些隨機干擾、未知輸入（可以是系統的不確定性、未建模動態、噪聲、故障等）、線性化誤差、建模誤差等難以預料因素而導致的檢測診斷系統性能降低，誤報率增大等問題［15］。未知輸入觀測器法的基本思想是：將模型參數的變動和外部擾動納入系統的未知輸入，通過簡單的線性變換即可設計出對系統的模型參數變動不敏感而對故障敏感的魯棒觀測器［16］。目前研究的難點在于如何同時對系統不確定性及建模誤差和外界干擾與故障進行分別觀測［17］。曲春娣對于衛星動量輪閉環系統提出了一種基于UIO雙觀測器的故障診斷方法，通過分析觀測器殘差向量的變化來分離執行機構、傳感器及系統參數故障，并且可以通過隔離觀測器反映出傳感器的故障模式［18］。

雖然基于模型的故障診斷方法有著深入研究，但是該方法面臨的最大困難就是對于日益復雜的控制系統，難以建立精確的數學模型，這樣在檢測條件下的任何模型的不確定性因素都可能導致錯誤的報警，進而也無法準確有效的實現故障診斷。

1.2.2 基于知識的診斷方法

隨著人工智能技術的發展，產生了基于知識的故障診斷方法。該方法引入診斷對象許多信息，采用了多種方法相結合?；谥R的航天器故障診斷方法涉及面比較廣，目前應用于姿態控制系統中有以下幾類：

（1）專家系統

早期的故障診斷專家系統都是基于規則的，這些規則是專家的經驗總結，用來描述故障和征兆的關系。該方法優點是知識表示簡單、直觀、形象、方便，使用直接的知識表示和相對簡單的啟發式知識，診斷推理速度快，易于編程和開發出快速原型系統。專家系統是航天器基于知識的最早故障診斷方法之一。專家系統在綜合利用專家的經驗知識進行智能決策方面有獨到之處，這是它成功應用于航天器故障診斷領域的理論基礎。目前國內外仍采用各種專家系統對航天器進行故障診斷。但專家系統主要面臨知識獲取的“瓶頸”問題，對未出現過和經驗不足的故障診斷顯得無能為力。因此單獨利用專家系統進行故障診斷的應用很少，通常將專家系統結合其他方法彌補專家系統獲取知識難的問題。上世紀90年代，衛星控制系統故障診斷專家系統就有了深入研究。北京控制工程研究所開發了衛星控制系統實時故障診斷專家系統原型(SCRDES)，對于帶時間因素的知識表達做了開創性的工作，對實時診斷衛星故障具有很大的實際意義。

對專家系統的改進多從知識的獲取、規則的產生和推理機制幾方面考慮。例如，用廣義模糊Petri網表示產生式規則，并將以Petri網表達的事實知識和規則知識以面向對象知識表示的框架封裝起來，形成以Petri網為核心的混合知識表示方式，其特點能方便地進行知識的并行處理。還有將神經網絡與專家系統結合的多種方式。文獻［19］中采用神經網絡來構造專家系統，把傳統專家系統的基于符號推理變成基于數值運算的推理，提高專家系統的執行效率，解決專家系統的學習問題。可以說專家系統是基于知識方法中技術最成熟、應用最廣泛的故障診斷方法。我國在衛星姿態控制系統故障診斷技術研究中，仍然對專家系統做著不懈的努力。

（2）基于神經網絡的診斷方法

神經網絡是人工智能技術用于故障診斷的重要方法之一。神經網絡以其高度的并行處理、聯想記憶、自學習以及極強的非線性映射能力，得到人們的重視。人工神經網絡用于航天器故障診斷方面主要有：用神經網絡產生殘差；用神經網絡評價殘差；用神經網絡進一步診斷；用神經網絡作自適應誤差補償等［20-21］。早期，單純采用神經網絡對衛星測量系統中各姿態敏感器故障進行研究。研究發現，用理想故障模式訓練的BP網絡不能完全檢測和診斷姿態敏感器所發生的故障；與BP網絡相比，CP網絡學習速度快，有更廣的適應性；BP網絡分類器的訓練難度隨網絡的增大而增加，訓練速度緩慢，容易陷入局部最小點［22］。針對該缺點，學者們展開了大量的算法研究。邱浩等在標準逆傳播神經網絡的基礎上，提出了一種全新的改進逆傳播神經網絡，用來消除標準逆傳播神經網絡收斂速度慢和易陷入局部最小點的缺點，并設計了一個主神經網絡和三個分布神經網絡的結構，通過神經網絡的在線學習，得到需要的參數估計，用它與敏感器測得的實際值比較，判斷故障［23］。隨著不斷的深入研究，已不是研究簡單的神經網絡，而是將它與其他技術結合起來。文獻［24］利用串聯的方法將小波分析、神經網絡和模糊邏輯有機地結合，充分利用各自優點進行陀螺儀的故障識別。運用小波分析提取陀螺漂移的趨勢項；運用神經網絡使故障診斷具有自適應、自學習能力；將模糊邏輯用于判決中，使判決的結果更加可靠。文獻［25］是在基于解析冗余故障診斷技術的基礎上，應用RBF網絡對衛星控制系統建模，應用數理統計學中的距離測度--M距離方法設計故障檢測觀測器對殘差進行評價，從而完成故障的檢測與定位。該方法對衛星姿態敏感器突變故障具有很好的效果。此外，神經網絡與奇偶檢測方程結合的方法應用在了陀螺敏感器的故障診斷上［26］；神經網絡與主元分析結合的方法，對衛星姿控系統中執行機構（反作用輪）的故障做了有效的診斷［27］。

（3）基于定性的故障診斷方法

該方法的基礎是定性模型和定性推理，不需要建立精確的數學模型，利用不完備的先驗知識，采用定性的方法，對系統結構和功能進行描述，建立定性模型，對系統進行推理，預測系統的定性行為，從而檢測故障。該方法能克服基于解析模型診斷方法依賴于建模精度的缺點。在航天器故障診斷領域，美國自上個世紀90年代開始就采用了定性模型的方法，最具代表性的是“深空一號”探測器建立的基于定性模型的 Livingstion故障診斷系統，該系統使航天器擁有了自主故障診斷和重構的能力［28］。對基于定性模型的診斷方法，我國還處于概念學習、研究的起步階段，已有學者利用有向符號圖（SDG）對液體火箭發動機故障診斷做了一定的研究［29-30］。而采用定性模型對衛星姿控系統的故障診斷研究還在摸索中。

1.2.3 基于信號處理的方法

基于信號處理的方法是航天器最早使用的故障診斷方法，在20世紀80年代以前，主要采用閾值模型。70年代初，診斷方法由簡單閾值診斷向多信號濾波診斷發展，故障檢測系統的自主性和可靠性有了明顯的增強。該方法不需要數學模型，計算量小，提高了故障的早期檢測能力，但缺乏故障的診斷能力［31］。

在衛星姿態控制系統的故障診斷中，常常直接分析可測信號，提取方差、幅值、頻率等信息來進行故障檢測與診斷。但僅僅憑借簡單的比較分析達不到預期效果，診斷的實時性、自主性很差。

隨著技術的不斷發展，新技術層出不窮。小波變換由于其計算量不大、靈敏度高、克服噪聲能力強等優點，成為基于信號處理的熱點故障診斷方法，已在航天器故障診斷方面做了一些研究。如《小波分析在載人飛船GNC系統故障診斷中的應用》一文中，作者分別采用離散小波變換、正交小波變換和二進小波變換對紅外地球敏感器輸出精度降低、陀螺輸出含有異常跳變以及姿控發動機堵塞、泄漏故障進行診斷，達到了預期效果。吳麗娜等對離散小波變換在衛星姿控系統故障診斷中的應用做了研究。指出采樣頻率的選擇是小波分析故障診斷方法的關鍵之一，對信號突變的故障離散小波變換診斷效果良好［32］。文獻［33］中作者通過研究衛星飛行時特征信號的分形特征，提出分形維數可以作為故障檢測的特征量。經衛星姿控系統仿真，得出結論：飛行姿態穩定時，相應的分形維數較?。欢鴦恿枯喅霈F故障時，姿態曲線發生較大的波動，相應的分形維數也隨之變化。同時指出對不同故障，相應的分形維數敏感程度不同。這些結論為今后的研究奠定了基礎。

小波分析、分形理論等新技術雖然得到了人們的注意，但其在航天器故障診斷中研究并不深入。目前的研究成果也僅限于仿真實驗，這些新技術只能對衛星姿控系統中特定的故障診斷，尚不能識別所有故障。

對于衛星姿控系統來說，衛星在軌運行期間，會產生大量數據，其中包含著豐富的信息，若能充分利用這些數據監視其工作狀態以及進行故障診斷，既簡單又方便。而這些大量的數據相互之間通過衛星的動力學、運動學模型有著密切的聯系，若能從數據之間的相互關系獲得相關的冗余信息，利用冗余信息分析衛星的工作狀態，進而進行故障診斷，應該是一個比較好的思路。從挖掘數據信息角度出發，會發現多元統計方法是處理高維、相關數據的有效工具，它在許多工業過程的故障檢測中得到成功應用。至于該方法具體如何應用到衛星姿控系統的故障診斷中需要深入研究。

2 展望

在衛星姿控系統故障診斷研究中，基于信號處理的方法應用最早，它也是其他理論及方法的前提，但其新技術的發展還沒有廣泛的應用到其中，常常只是作為其他方法中的輔助算法；基于模型的方法研究比較深入，人們熱衷于它的動態性質和實時性，對于其存在的各種問題也涌現出許多解決方法。但該方法的前提是建立準確的系統模型，而這一點限制了應用，尤其是對非線性系統；基于知識的方法是研究的主流，不必建立系統數學模型，深知識與淺知識的融合使用、“智能”算法等一系列優點引起人們的重視。在眾多智能方法中，哪種方法更適合衛星姿控系統的故障診斷，或者如何結合多種方法將其應用于實際都有待進一步研究。

總體來看，與國際航天器診斷技術相比，我國的故障診斷方法比較簡單，這是由于我國在航天器故障診斷方面的研究起步較晚。雖然在各種故障診斷技術領域均有研究，但都不夠深入，不能形成完善的理論體系，大多理論與算法還不能實際應用。事實上，我國航天器在軌故障診斷方法大多基于硬件冗余以及對關鍵信號監測，地面也缺少完備的專家系統等智能手段。而國外在航天器故障診斷方面已經達到了相當高的自主性，國內航天器的自主故障檢測和處理方法僅局限于對少數可預知的故障設計，并有一定的適用條件。大多數情況需要進入安全模式運行，且大部分故障診斷和處理措施需要在地面幫助下進行。與國外航天器的自主故障診斷能力相比還有相當大的差距。借鑒國外先進技術，探索適合實際應用的故障檢測與診斷方法，提高衛星控制系統資源的利用率，實現自主故障診斷是我國面臨的具有挑戰性的研究課題。

［1］Mak.AStudy of On-Orbit Spacecraft Failures［C］.58th International Astronautical Congress.Hyderabad，Indin，24-28 September，2007：IAC-07-D1.5.02.

［2］屠善澄.衛星姿態動力學與控制［M］.北京：宇航出版社，2001.

［3］楮桂柏.空間飛行器設計［M］.北京：航空工業出版社，1996.

［4］郝慧.基于小波分析的航天器姿態控制系統故障診斷方法研究［J］.航天控制，2005，23（5）：73-77.

［5］王巍.基于模型殘差分析的航天器故障診斷技術研究［D］.哈爾濱：哈爾濱工業大學博士論文，1999.

［6］榮吉利.基于模型的航天器在軌傳感器故障診斷方法［J］.兵工學報，2002，23（2）：242-245.

［7］定光成，潘科炎，胡軍.航天器高精度姿態敏感器冗余測量信息智能融合技術［J］.航天控制，2000（3）：56-63.

［8］李延龍，吳訓忠.一種冗余配置的慣性導航系統漸變型故障容錯方法［J］.彈箭與制導學報，2008，28（2）：57-60.

［9］邢琰.基于直接冗余的輪控系統故障診斷及優化配置［J］.中國空間科學技術，2003（4）：1-5.

［10］宋華，張洪鉞.多故障的奇偶方程—參數估計診斷方法［J］.控制與決策，2003，18（4）：413-417.

［11］楊靜，張洪鉞.基于神經網絡和奇偶向量的衛星故障診斷［J］.上海海運學院學報，2001，22（3）：92-97.

［12］金宏，張洪鉞.對特定傳感器故障敏感的最優奇偶向量檢測與隔離方法［J］. 航空學報，1997，118（4）：481-483.

［13］Patton R J，Chen J.A Review of Parity Space Approaches to Fault Diagnosis Applicable to Aerospace System.AIAA Guidance，Navigation and Control Conference.Aug 10-12，1992/Hilton Head IsIand，SC.370 L'Enfant Promenade，S.W.Washington，D.C.20024 AIAA 92-4538）.

［14］江耿豐，邢琰，王南華.基于雙觀測器的衛星姿控系統敏感器故障隔離［J］.中國空間科學技術，2007（5）：8-13.

［15］寶音賀西.基于模型的故障診斷技術研究及其在衛星中的應用［D］.哈爾濱：哈爾濱工業大學博士論文，1999.

［16］黃孝彬，劉吉臻，牛玉廣.傳感器故障的魯棒檢測與識別方法［J］.華北電力大學學報，2003，30（1）：45-48.

［17］張翠俠，唐軍.基于觀測器的故障檢測與診斷［J］.現代機械，2007（6）：51-53.

［18］曲春娣，張洪鉞.衛星動量輪閉環系統的UIO雙觀測器故障診斷［J］. 航天控制，2005，23（6）：66-71.

［19］劉發金.基于神經網絡的衛星故障診斷專家系統及其應用［D］.哈爾濱：哈爾濱工業大學碩士論文，2006.

［20］Chiang C Y，Juang J C，Hussein M.Youssef.Neural Network Approach to Aircraft Fault Detection，Isolation and Estimation Design［C］.32nd Aerospace Sciences Meeting&Exhibit.Washington，D.C.，1994，AIAA94-0273：1-6.

［21］Jabbari A，Jedermann R，Lang W.Application of Computational Intelligence for Sensor Fault Detection and Isolation［J］.Proceedings of World Academy of Science，Engineering and Technology，2007，22：503-508.

［22］田蔚風，金志華，陸愷.人工神經網絡在衛星姿態測量系統故障診斷中的應用研究［J］.航天控制，1999（4）：63-66.

［23］邱浩，王道波，張煥春.BP神經網絡用于傳感器故障診斷的仿真研究［J］.中國空間科學技術，2003（6）：26-30.

［24］樊春玲，金志華，田蔚風.小波模糊神經網絡的陀螺儀故障診斷［J］.上海交通大學學報，2003，37（1）：141-144.

［25］燕飛，秦世引.基于RBF神經網絡和M距離的衛星故障診斷［J］.航天控制，2006，24（6）：61-66.

［26］林雪原，劉建業，蔣秀珍.基于神經網絡的余度敏感器結構故障診斷方法［J］.儀表技術與傳感器，200（11）：52-54.

［27］秦振漢.神經網絡專家系統在衛星故障診斷中的應用研究［D］.哈爾濱：哈爾濱工業大學碩士論文.2005.

［28］Sandra C H，Adam J S.Livingstone Model-Based Diagnosis of Earth Observing One［C］.AIAA 1st Intelligent Systems Technical Conference.Chicago，IIIinois，2004：1-11.

［29］劉洪剛.液體火箭發動機智能故障診斷理論與策略研究［D］.長沙:國防科技大學博士論文，2002.

［30］鄭威.液體火箭發動機基于定性模型的故障診斷方法研究［D］.長沙:國防科技大學碩士論文，2002.

［31］黃文虎，朱平，姜興謂.航天器健康保障技術發展綜述［J］.世界科技研究與發展，1998，20（6）：83-87.

［32］吳麗娜，張迎春.離散小波變換在衛星姿控系統故障診斷中的應用［J］.儀器儀表學報，2006，27（6）：407-409.

［33］張曉梅，姜興渭，黃文虎.基于分形的航天器故障檢測［J］.振動與沖擊，2001，20（1）：76-78.