動力系統故障診斷技術

張利彬，易 航，李 璨，黃 輝，張學英

（北京宇航系統工程研究所，北京，100076）

動力系統故障診斷技術

張利彬，易 航，李 璨，黃 輝，張學英

（北京宇航系統工程研究所，北京，100076）

結合液體火箭動力系統對故障診斷技術的需求，介紹國外在運載火箭動力系統故障診斷領域的發展概況，并從理論研究和應用兩方面重點介紹美國在此領域中的發展情況；同時結合中國在此領域中的發展現狀，對中國運載火箭動力系統故障診斷的研究提出建議和展望。

動力系統；故障診斷；故障檢測

0 引 言

液體火箭動力系統是運載火箭的重要組成部分，其結構復雜，系統耦合度較強，工作條件較為惡劣，一度使其成為運載火箭的故障敏感多發部位，并且故障的發生和發展具有快速性、破壞性大的特點。隨著載人航天技術和低溫動力系統的發展，對液體火箭動力系統工作的可靠性和安全性提出了越來越高的要求。一直以來國內外的許多研究者對液體火箭動力系統進行了深入的理論與應用研究[1～3]，特別是獵鷹9火箭所具備的飛行過程中發動機故障冗余能力，既保證了獵鷹火箭動力系統出現故障時，能夠迅速進行故障定位和故障排除并最終取得發射成功，同時也展現未來發展方向：一是未來運載火箭應具備發動機重要參數射前檢測與故障處理能力；二是未來運載火箭應具備飛行過程中的健康管理與控制重構能力。

國外對動力系統故障診斷的研究由來已久并持續升溫。美國從20世紀60年代就開展相關研究，逐步經歷發動機的故障模式收集、信息特征獲取、智能算法研究和典型系統的工程應用等階段[2,4]，目前比較成熟的故障診斷系統已經在工程中得到廣泛應用，并取得顯著效果；法國于20世紀90年代開發完成用于阿里安5火箭發動機的監測系統[5]，可實現在發動機發生嚴重故障時關閉發動機；德國于20世紀90年代研制了基于智能模式識別算法的液體火箭發動機專家系統[6]；歐空局在未來運載火箭技術方案中，將火箭動力系統健康監測作為主要分系統列入研制計劃；俄羅斯已成功開發健康監測和壽命評估與預測系統[7]通過對其靜態數據和動態數據實現對大功率液體火箭發動機（Rd-170）在地面試驗和飛行后的技術狀態評估；日本在H-2火箭接連發射失敗后，逐步加大對飛行器的健康監控和故障診斷技術的投入力度，Sakamoto等人對H-2運載火箭的發動機實時監測技術做了分析[2]。

1 美國動力系統故障診斷技術

1.1 理論研究

20世紀70年代，美國在航天飛機主發動機（Space Shuttle Main engine，SSMe）研制中采用了工作參數紅線閾值檢測與報警的方法[1]；80年代中期，進一步優化了紅線閾值監控的檢測能力，開發了故障檢測系統（System of anomaly and Fault detection，SaFd）用于SSMe地面試車中，通過渦輪泵系統的關鍵測量參數進行故障的門限檢測，適用于發動機穩態工作過程[8]；80年代后期以來，相繼在專用傳感器技術、故障模式分析、故障診斷算法開發、故障處理與控制等方面進行大量的研究，為多個工程應用系統提供理論支撐[9]。

1.1.1 故障模式

20世紀80年代后期，美國對以SSMe為代表的液體火箭發動機故障模式進行了較為深入的研究，為火箭動力系統健康監控的系列研究奠定了基礎。

1987年，美國收集和梳理了SSMe的相關故障履歷數據，整理出SSMe故障模式與影響分析表，并按照專家經驗準則，實現故障等級的劃分，進而確定最關鍵的故障[9]；1990年，通過故障模式、影響與危害度分析方法得到SSMe等發動機的17種故障模式，其中高壓氧化劑渦輪和燃料渦輪泵的故障占有較高比例，為SSMe故障模式庫的建立提供依據[10]。

1.1.2 物理參數選擇與特征獲取

物理參數的正確選擇與特征獲取是動力系統健康監控技術研究和系統實現的基礎，關系著動力系統健康監控的成敗。在綜合考慮參數的可測性和可實現性的同時確定監測的物理參數，選擇和提取其合理的特征，以實現物理特征與故障模式映射關系的有效表達，從而達到監測參數與故障模式相對應的目的。例如針對發動機渦輪泵的故障檢測，選取其振動加速度信號的均方根作為監測參數，既可以實現又能表征其故障特征。

1.1.3 故障診斷算法研究

火箭動力系統的故障診斷算法主要集中在信息處理、故障建模和人工智能等方面。

信息處理主要采用概率統計分析、聚類主成分分析和小波分析等數學方法。其中，概率統計分析方法的特點是通過數學概率統計的方法得到動力系統及其部件的變化規律，但是該方法需要有足夠數據樣本量的支撐。

故障建模法在自動控制領域得到廣泛應用。在液體火箭動力系統故障診斷研究領域，目前應用較為成熟有基于對象狀態估計、物理參數估計和時間序列等信號的動態建模和基于系統結構的靜態建模兩種，因此要求建立的模型與真實對象之間具有較好的一致性和性能符合性，能夠良好地反映系統的真實狀態。

應用于故障診斷的人工智能算法主要有定性推理、專家系統、模式識別和神經網絡等方法。

a）定性推理：選擇系統特性以約束的形式表示研究對象的系統特征，同時利用已知的系統信息，按照制定的定性推理策略，對系統的整體行為進行定性描述和解釋。目前應用的定性推理方法主要有：定性過程理論（Qualitative process Theory，QTp）、定性模型方法（Qualitative Model approach，QMa）和符號有向圖（Signed directed Graph，SdG）[11]等。

b）專家系統：是目前工程應用中較為信賴的實現方法，較典型的系統有：1）發動機數據分析專家系統（pre-launch expert System，pLeS）[12]；2）基于規則健康評估專家系統（Titan Health assessment expert System，THaeS）[8]；3）故障診斷專家系統（expert System for Fault diagnosis，eSFd）[2]；4）發動機數據解釋專家系統（engine data Interpretation System，edIS）[3]。這些系統主要應用在發動機工作前準備或關機后分析等離線分析。

c）模式識別：其工作原理主要分兩個步驟進行：1）根據發動機的歷史數據和先驗知識，建立發動機故障模式知識庫；2）在發動機工作時，將獲取的發動機當前工作狀態參數與知識庫中的參數進行對比，從而完成發動機的檢測與定位。1990～1992年，聯合技術研究中心UTRc開發的聚類算法[10]和LeRc研制的積累差檢測算法（accumulative difference detection algorithm，adda）[10]和零模板算法（Zero Template algorithm，ZTa）先后將模式識別方法成功應用于SSMe的故障檢測。

d）神經網絡：基于神經訓練建模的方法，優點是利用神經網絡的自學習優勢，自動生成訓練模型，缺點是依賴樣本數據，對于樣本中不包含的數據沒有自動識別和學習的能力。目前應用于液體火箭動力系統故障診斷的神經網絡算法主要有多層神經網絡、模糊神經網絡、動態神經網絡和混合神經網絡等，這些方法大多基于數值仿真研究與試車數據檢驗的狀態。

1.1.4 健康監控管理平臺開發

目前，美國已有多家研究機構致力于火箭動力系統健康監控管理平臺的開發和推廣。Gensym公司完成G2實時專家系統開發平臺的開發和完善[4]，同時，G2平臺已被路易斯研究中心作為其研發火箭發動機實時診斷系統的開發平臺；Qualtech系統公司的Teams系列軟件被NaSa廣泛應用于各個工程研制中；同時推進了ReaLITY-aLT公司開展航天動力系統的仿真建模研究[3]；科學監控公司開發的動力系統健康管理系統，其目標是實現動力系統多參數信息分析、實時狀態檢測、剩余壽命評估、全壽命周期健康管理和決策支持等[2]。

1.2 典型系統應用

20世紀70年代以來，美國在SSMe、空間運載等計劃的指導下，相繼開發了異常與故障檢測系統（System for anomaly and Failure detection，SaFd）[8]、箭載智能推進系統的綜合專家系統（Integrated expert System，IeS）[4]、試車后故障診斷系統（post Test diagnostic System，pTdS）[9]、事后分析的發動機數據解釋系統（engine data Interpretation System，edIS）[12]和動力系統自動數據檢測系統（automated propulsion data Screening，apdS）[11]等。目前，在NaSa開發的綜合運載器健康管理（Integrated Vehicle Health Management，IVHM）[6]系統中，動力系統中的健康管理系統通過對有關發動機及其附件的各種工作參數和傳感器信息的有效分析，從而獲得發動機健康狀態評估信息。

1.2.1 異常與故障檢測系統

20世紀80年代，美國馬歇爾飛行中心與Rocketdyne公司合作開發出異常與故障檢測系統，其特點是采用閾值報警和冗余設計等技術，實現23路SSMe參數同時監測，并成功應用于SSMe的地面試車中[1]。其中閾值的分層優化方法較為成功，具體步驟為：第1階段，根據同類型發動機歷史數據得到第1級閾值；第2階段，由第1階段的閾值均值結合歷史數據的方差得到第2階段的閾值；第3階段，由第2階段閾值的均值和方差共同求出。

該系統比紅線緊急關機系統能夠更快捷地檢測出系統故障，提高了可靠性。該系統更多適用于發動機穩態過程的監控，對故障的覆蓋率較低。

1.2.2 健康監控系統

20世紀90年代初，美國聯合技術研究中心就著手研究動力系統健康監控系統[9]。健康監控系統的功能框架如圖1所示。

由圖1可知，該系統主要由7個模塊組成：a）系統任務管理模塊，管理整個動力系統健康監控系統的工作；b）健康監控模塊，綜合所有實時健康參數的輸出結果，并表決；c）傳感器模塊，用來同時獲取動力系統監測參數的物理信息；d）數據記錄模塊，記錄和存儲所有傳感器的輸出數據；e）離線數據分析模塊，完成歷史數據的分析，并對現有算法進行驗證：f）數據庫管理模塊，按照特定的優化表格實現對數據的組織、維護和管理；g）通訊模塊，完成參數和信息的傳送。

圖1 健康監控系統的功能示意

該系統可對傳感器數據、診斷算法和系統健康狀態等進行綜合評定，可以利用多種物理信息的相關性實現評估結果的相互驗證，提高了故障檢測能力，但其只能應用于離線分析。

1.2.3 綜合運載器健康管理系統

近年來，NaSa組織開展了綜合運載器健康管理系統的研究。其中較為優秀的是波音公司和艾姆斯研究中心為空天飛機X-37聯合研制的Livingstone集成運載器健康管理系統[6]。

綜合運載器健康管理系統如圖2所示。

圖2 綜合運載器健康管理總體架構

由圖2可知，該系統主要由航天運載器層、傳感器層、管理軟件層和診斷軟件層等構成。其特點為，基于Livingstone模型從系統的角度上診斷和定位故障，結合實時條件對研究對象的相互關系進行自動推理。但是，該系統在工作時，對研究對象的結構和工作狀態進行假設，且推理方法只適用于已知的系統。

1.2.4 先進健康管理系統

近年，馬歇爾飛行中心與波音分公司合作開發出更為先進健康管理系統[4]。該系統典型特點是實時的故障檢測系統，主要包括實時振動監控系統、線性發動機模型系統和光學羽流異常檢測系統。實現步驟為：a）及時更新SSMe的中心控制器的內容，增強對渦輪自身的監測與保護；b）增加健康管理計算機，使用更為先進的算法檢測故障和緩解發動機的異常行為造成的影響。

該系統的主要特點是：a）當發生災難性故障時，可以在更理想的階段終止航天任務；b）算法靈活、可擴展性強。該系統提高了航天運載器在發射和升空階段的可靠性和安全性，為NaSa重點資助的對象之一。

2 中國動力系統故障診斷技術現狀

2.1 理論研究

自1990年以來，中國針對大型火箭推進系統的健康監控技術進行了大量的研究工作，在應用神經網絡、模糊數學、專家系統、故障樹分析方法及遺傳進化理論等進行故障檢測與診斷算法的研究方面取得了大量的研究成果[13～17]。目前的大多研究主要針對火箭發動機展開，并且由于研究和應用歷史較短，尚處于地面試驗測試、數值仿真驗證等階段，針對火箭動力系統故障診斷的工程應用基本處于起步階段。

2.2 典型應用

2.2.1 紅線報警系統

主要用氫渦輪泵振動信號的檢測來判斷火箭發動機健康狀態的好壞[13,14]，實現方法分為兩種：一種是利用某種頻率下的振動參數自相關系數和均方根值進行閾值判斷，閾值范圍根據歷史數據確定；另一種是利用振動信號的頻域分析提取特征量，利用智能神經網絡構建診斷模型實現故障監測，缺點是對訓練數據樣本量要求較大，更適于離線狀態分析，距實時工程應用有較大差距。

2.2.2 火箭發動機狀態監控與故障診斷工程樣機

火箭發動機狀態監控與故障診斷工程樣機系統是針對某型渦扇發動機研制的[15～17]，系統架構分為系統級、功能部件級和參數級，以實現發動機系統、功能部件、參數級別的故障檢測與診斷。在故障檢測與診斷算法方面，應用相對成熟的有神經網絡、支持向量機和模糊理論等。但目前處于實驗室樣機階段，尚需要真實數據的驗證和完善。

3 結論與展望

加快動力系統故障診斷技術的工程化應用，是今后研究的出發點和落腳地，應從以下方面開展研究：

a）新型傳感器研制及工程應用技術研究：一是新型傳感器技術的研究與發展，包括微型嵌入式傳感器、智能傳感器等新型傳感器的成功制造與使用；二是傳感器工程應用技術的研究，傳感器的工程應用首先要保證自身的高可靠性、高穩定和高準確性，用于液體火箭動力系統故障診斷的關鍵參數傳感器的數據應精確與可靠，避免錯誤的傳感器數據引起航天任務的終止或失敗。

b）高效智能的健康監控技術研究：實時高效地完成火箭動力系統相應物理參數的獲取、傳輸、處理和利用，是實現火箭動力系統故障診斷的前提和基礎。隨著智能技術，如專家系統、神經網絡、模糊理論等的發展，液體火箭動力系統健康監控技術正向智能化的方向前進，將大大提高火箭動力系統健康監控的能力。

c）實時準確地健康監控技術研究：液體火箭動力系統的實時性健康監控包括試車過程點火前準備、點火和飛行過程等3個環節，其最終目的是通過對液體火箭動力系統預冷、增壓、點火時泵前壓力、飛行過程中的推力和增壓壓力等參數的監測，實時監控火箭動力系統的增壓系統和發動機的工作狀態，盡早地發現火箭動力系統的異常或故障，以便采取相應的措施，如緊急關機、啟動發動機余度管理等，避免危險性或災難性的事故發生，保障發射任務的成功。

d）液體火箭動力系統健康評估與決策支持系統研究：在動力系統試車階段，立足于綜合分析動力系統試車前后的健康狀態，幫助研究者對火箭動力系統的可用性和試車成功與否提供評定依據，并用于指導和改善設計；在動力系統研制階段，健康評估與決策支持系統可以對動力系統出現的故障盡快進行分析與定位，實現故障原因盡快定位，并指導采取相應措施；在火箭動力系統使用階段，健康分析與評估系統可以為動力系統或關鍵單機的多次使用提供可靠的決策依據。

[1] Michael B. a candidate architecture for monitoring and control in chemical transfer propulsion systems[R]. NaSa-TM-103161, 1990 .

[2] Jue F K. Space shuttle main engine(SSMe) options for the future shuttle[R]. aIaa-2002-3758, 2002.

[3] Fiorucci T R, Lakin II d R. advanced engine health managementapplications of the SSMe real—time vibration monitoring system[R]. aIaa-2000-3622, 2000．

[4] dvidson M, Stephens J. advanced health management system for the space shuttle main engine[R]. aIaa-2004-3912, 2004.

[5] Guo T H, Merrill W. Real-time diagnostics for a reusable rocket engine[R]. NaSa-TM-105792, 1993.

[6] pettit c d, Barkhoudarian S. Reusable rocket engine advanced health management system:architecture and technology evaluation summary[R]. aIaa-99-2527, 1999．

[7] Venneri S. NaSa's space launch initiative[M]. Space and aeronautics committee on Science, 2002．

[8] Reilly d. System for anomaly and failure detection(SaFd) system development[R]. NaSa-cp-193907, 1993．

[9] Hawman. Health monitoring system for the SSMe-program overview[R]. aIaa-90-1987, 1990

[10] Nemeth e, anderson R. an advanced intelligent control system[R]. aIaa 92-3162, 1992．

[11] Nemeth e. Healthmanagement system for rocket engines[R]. NaSa cR-185223, 1990．

[12] Martin O H. enhancements to the engine data interpretation system(edIS)[R]. NaSa-cR-193363, 1993．

[13] 張育林，吳建軍等. 液體火箭發動機健康監控技術[M]. 長沙: 國防科技大學出版社, 1998.

[14] 張振鵬. 液體發動機故障檢測與診斷中的基礎研究問題[J]. 推進技術, 2002, 23(5): 353-359.

[15] 陳啟智. 液體火箭發動機故障檢測與診斷研究的若干進展[J]. 宇航學報, 2003, 24(l): l-10.

[16] 楊爾輔, 張振鵬, 崔定軍. 液發推力室和渦輪泵故障檢測與診斷技術研究[J]. 北京航空航天大學學報, 1999, 25(5): 619-622．

[17] 謝光軍. 液體火箭發動機渦輪泵實時故障檢測技術及系統研究[d]. 長沙: 國防科學技術大學, 2006.

Fault diagnostics on dynamic System of Launch Vehicle

Zhang Li-bin, Yi Hang, Li can, Huang Hui, Zhang Xue-ying
(Beijing Institute of aerospace System engineering, Beijing, 100076)

With the demand of fault diagnosis techonology of dynamic system, this paper introduces the overseas development situation of fault diagnosis in launch vehicle dynamic system, and focuses on the development of theory research and typical application in USa. according to china’s situation in this area, suggestions and prospects of the research on fault diagnosis in launch vehicle dynamic system are proposed.

dynamic system; Fault diagnostics; Fault detection

Tp393.0

a

1004-7182(2016)01-0040-06

10.7654/j.issn.1004-7182.20160110

2014-11-20；

2015-12-28

張利彬（1982-），男，工程師，主要從事運載火箭健康管理系統設計