航天器故障診斷技術的研究現狀與進展

王嘉軼+聞新

摘要： 航天器故障診斷技術的發展對于航天任務的順利完成起著至關重要的作用， 本文對航天器故障診斷技術進行了簡要的綜述。 在對航天器故障類型和故障發生概率收集歸納的基礎上， 闡述了故障診斷所面臨的挑戰以及國內外航天器故障檢測與隔離技術的發展現狀， 分析了航天器故障診斷方法的研究進展并指出了各自的主要特點， 總結了航天器故障診斷技術現狀并對未來的發展方向進行了展望。

關鍵詞： 故障診斷； 故障檢測； 發展現狀； 航天器

中圖分類號： V467文獻標識碼： A文章編號： 1673-5048（2016）05-0071-06

Abstract： The development of fault diagnosis technology for spacecraft plays an important role in the successful completion of the flying mission. This paper briefly reviews the fault diagnosis technology for spacecrcoft， and it describes the challenges of fault diagnosis and development status of fault detection and isolation technology for spacecraft in China and abroad based on collecting and summarizing the types of spacecraft fault and the probability of fault occurrence. The progress of research and the main characteristics of the fault diagnosis methods are analyzed. The present situation of spacecraft fault diagnosis technology is summarized and the future development direction is prospected.

Key words： fault diagnosis； fault detection； development status； spacecraft

0引言

隨著航天領域的不斷擴展以及航天技術的不斷進步， 航天器系統的復雜度不斷提升。 這雖然有利于航天器完成難度更大的太空任務， 但是由于太空環境的復雜性以及航天器地面測試系統的局限性， 航天器的可靠性將會相應降低。 航天器發生微小的故障都有可能引起系統性的故障問題，影響整個航天器的正常工作， 甚至導致太空飛行任務的失敗。 所以， 航天器的故障診斷技術對于其飛行任務的成敗起到至關重要的作用。 另一方面， 故障診斷技術的發展也可以讓航天器更加自主化、 智能化， 脫離繁瑣的人工監控模式， 不僅擁有了更高的容錯性， 也大大降低了航天器的開發成本和飛行任務的風險。

國外航天領域的科研人員對航天器的故障診斷技術進行了多方面的研究， 國內也同樣致力于這方面的發展， 但主要還停留在對航天器的故障分析和狀態監測階段。1航天器故障分析

針對航天器系統發生的故障， 收集并整理了近50年來公開發布的國內外航天器發射與在軌等各階段的故障及其發生的原因， 對總體的故障方式進行了總結和研究。

按故障類型對航天器發生故障的比率進行統計， 如圖1所示[1-6]。 從圖中可以看出， 電源分系統、 控制分系統以及推進分系統發生故障的概率最高， 并且這三個分系統一旦發生故障， 對航天器的正常運行可能造成非常嚴重的傷害。

另外， 按航天器發生故障的嚴重性將航天器故障分為四個等級， 如表1所示[7]。

在國內外航天器發生的故障中， 災難性故障和輕微性故障所占比率較少， 分別為22%和20%。 而嚴重性和一般性的故障發生概率較大[8]， 分別為27%和31%。

所以， 航天器一般以發生在控制系統、 推進系統或者電源系統上的嚴重性或一般性故障為主。 而只要能夠及時開展對航天器的故障診斷技術研究， 其中大多數故障可以提前進行診斷并且避免災難的發生， 特別是針對控制分系統、 電源分系統和推進分系統方面的探索， 不僅可以保障航天員的安全， 也可以提高航天器在軌運行的可靠性， 減輕地面工作人員的工作負荷以及航天器的發射和制造成本[9]。 所以航天器故障診斷技術的發展對于航天領域的進一步開拓具有非常重要的意義。

航空兵器2016年第5期王嘉軼等： 航天器故障診斷技術的研究現狀與進展2國內外故障診斷技術發展現狀分析

航天器故障診斷技術是隨航天技術的不斷進步而逐步發展起來的。 以歐美為主的國家在航天器的故障診斷技術上的發展較早， 領先于國內。 但隨著國內航天事業的巨大發展以及中國航天大國地位的崛起， 中國在航天器故障診斷技術上的進步也是不容小覷的。

2.1國外航天器故障診斷技術的發展

美國在航天領域的發展早期就已經非常重視故障診斷技術的研究， 是最先將故障診斷技術運用于航天器飛行任務中的國家。 自20世紀70年代起， 美國在很多航天工程中都采用了以狀態監測為主的故障診斷方法。 當時的“雙子星座”飛船就是以故障監測系統為基礎的載人飛船， 將地面數據監測系統以及宇航員艙內手動操作相結合來完成包括姿態控制系統、 燃料推進系統以及三軸轉動速率的數據狀態檢測。 通過對這些狀態參數的監測可以對飛船發生的故障采取相應的措施， 保證飛行任務的順利完成。 而后的“阿波羅”飛船在“雙子星座”飛船故障診斷系統的基礎上， 建立了一套自身的安全保障系統。 該系統包括了對故障狀態的監測和處理， 并由航天領域專家進行參與分析。 這也使得“阿波羅”系列飛船能圓滿完成各項任務。 近年來， NASA在航天器故障診斷方面進行了全方位的探索并且已經形成了完整的故障診斷體系， 后來將其歸類為集成健康管理系統的范圍中[10]， 各分工如表2所示[11]。

俄羅斯和西歐等多個國家也在故障診斷技術方面進展卓越。 俄羅斯借助前蘇聯開展的航天器故障診斷仿真工作中得到的經驗技術對航天器的故障診斷與狀態進行監測和分析， 并通過地面模擬的方法來保證航天器飛行任務的順利完成。 而西歐， 以德國和法國為主的國家也進行了研究并開發了很多實用的故障診斷系統。 法國的Delange等人研究開發了用于火箭發動機的故障監測系統， 能夠高效準確地判斷出故障發生的時間并及時采取措施； Dellner等人針對“尤里卡”平臺開發的基于知識的故障診斷系統， 可以對該平臺的冷閉合系統進行全方位的故障監測與保護措施[12]。

2.2國內航天器故障診斷技術的發展

相對于歐美等航天大國來說， 國內在航天器故障診斷方面的發展起步較晚， 技術不成熟， 但也逐漸意識到故障診斷對于航天器的重要性， 并開展了一系列理論與實踐研究。 自20世紀80年代以來， 在國內各航天院所的帶領下進行包括航天器設備的故障診斷系統研究， 研制出了針對不同故障類型的故障診斷系統， 但實驗效果并不理想。 2014年成立了國內首個航天器在軌故障診斷與維修實驗室， 進行在軌故障早期辨識與定位、 在軌故障仿真與維修、 在軌可靠性增長與延壽等技術研究， 標志著中國的航天器故障診斷技術正邁向一個嶄新的階段， 將更加有效地提升國內航天器自主故障診斷的能力。

3航天器故障診斷的方法

通過對國內外航天器故障診斷技術的發展分析， 歸納出了三種近年來主要運用的方法， 分別是基于信號處理的方法、 基于數學模型的方法和基于知識的方法。

3.1基于信號處理的方法

基于信號處理的方法是最早使用的故障診斷技術， 是其他方法進行故障診斷的基礎。 該方法不需要以系統的數學模型為基礎， 只需對時域、 幅值、 頻域等可測信號特性進行分析， 就能識別和檢測系統故障。

基于信號處理的方法較多， 一般有小波變換法、 信息融合法等。 以下主要對信息融合法和小波變換法進行分析。

3.1.1信息融合診斷法

故障診斷是通過一些檢測量來判斷系統是否發生故障， 所以對單個檢測量的故障診斷方法選擇至關重要。 為了避免某一種診斷方法的誤報或漏報， 可以采取多種方法對單個檢測量進行診斷， 即對系統各部分的一個局部故障進行診斷， 然后將各種診斷方法獲得的結果融合成最終故障診斷方案， 即全局故障診斷。

基于信息融合的診斷技術可以通過局部故障和全局故障診斷相融合的方法來實現對航天器整體系統的故障檢測與隔離。 信息融合法可對故障進行多方面的分析， 比以往單一的信息處理方法更具有可信度和準確性， 提高了航天器系統的信息利用率， 為系統的故障診斷提供更有效的幫助。

3.1.2小波變換診斷法

小波變換法首先對系統的輸入信號進行小波變換， 然后求出輸入輸出信號的奇異點。 通過對其奇異點的分析， 判斷出對應故障的發生情況[13]。

這種方法的主要優點是不需要系統的數學模型， 只需通過簡單的小波變換特性來分析檢測故障。 由于小波變換法的高靈敏度和強抗干擾能力， 近年來很多學者都針對其進行了航天器故障診斷的理論與仿真研究工作。 文獻[14]將小波分析方法應用于航天器姿態控制系統中采用的紅外地球敏感器、 陀螺和姿控發動機的典型故障模式中， 并達到了預期的效果； 文獻[15]提出了利用小波變換的時-頻局部化特性作為新的信號處理方法， 提出了基于小波分析的航天器結構故障診斷方法。 但由于小波變換的方法大多只用于理論驗證和仿真實驗中， 所以還需在實踐中驗證。

早期的基于信號處理方法的航天器故障診斷技術由于實時性和自主性差， 遠達不到預期效果。 但通過小波變換、 信息融合等多種新技術的加入， 使得基于信號處理的方法更加得到青睞， 在航天器的故障診斷方面起到非常重要的作用， 也將會逐漸從工程仿真實驗向航天器故障診斷實踐上發展。

3.2基于數學模型的方法

基于數學模型的故障診斷是現代故障診斷技術發展的基礎， 也是發展最成熟、 應用最廣泛的一種方法。 其核心是以分析系統數學模型為基礎， 通過參數估計、 狀態估計等多種方法來產生殘差， 然后通過閾值或其他限定準則對該殘差進行分析和下一步的故障處理[16]。 該方法進展迅速且易于理解和研究， 所以應用較為廣泛， 主要分為參數估計法和狀態估計法兩類。

3.2.1參數估計診斷法

參數估計法是指當航天器系統故障的參數可由參數變化的數據來表示時， 就可以利用參數的估計值與實際值之間的偏差來判斷出系統的具體故障方式和故障情況[17]。 基于參數估計的故障診斷方法見圖2， 其中u和y分別為輸入和輸出參數值， N為模型參考狀態。

在眾多的參數估計方法中， 強跟蹤器濾波法和最小二乘法因其強魯棒性而被廣泛應用。

3.2.2狀態估計診斷法

狀態估計診斷法是通過對被控系統的重新建模， 利用模型的估計狀態與原系統中可反映自身的狀態量相對比， 構成殘差量。 從殘差量中得出反映系統各個狀態的運行情況和故障信息， 從中診斷出故障， 并作進一步的故障隔離和故障容錯。 該方法需要具備系統的過程數學模型以及局部可觀測部分。 該方法是在能夠獲得系統精確模型的基礎上最為有效的一種方法。

一般觀測器和濾波器方法都是運用狀態估計的診斷原理來進行的。 若系統是確定且可觀測的， 則一般采用觀測器的方法， 如自適應非線性觀測器； 若系統需要加入噪聲等干擾因素， 則一般會使用濾波器的方法， 如Kalman濾波器等。

從以上方法可以看出， 雖然基于數學模型的方法能夠較為精確、 高效地完成航天器系統的故障診斷， 但是對于系統結構較為復雜的航天器以及無法預測的太空環境而言， 精確數學模型的建立是非常困難的， 即使建立出數學模型也很難保證不受不確定因素的干擾。 所以， 基于數學模型的航天器故障診斷方法需要與其他方法相結合， 才能更有效地推進航天器故障診斷技術的發展。

3.3基于知識的方法

基于知識的故障診斷方法是通過直接或間接的方法來獲取故障診斷的發生征兆或判定原則， 較為直觀地了解系統的故障發生情況， 及時做出準確的判斷來完成系統的故障診斷。 但由于知識的覆蓋有限， 航天器系統的不確定因素較多， 加之經驗技術的缺乏， 使得該方法具有一定的局限性。 一般基于知識的方法有專家系統法、 神經網絡法、 組合智能診斷法等。

3.3.1專家系統診斷法

早期的專家系統是通過在航天器系統工程方面擁有豐富經驗的專家總結出的規則來描述系統故障和故障征兆。 這種方式可以充分利用專家的經驗知識來進行系統的故障診斷， 從而快速準確診斷出故障。 但面對未知問題時， 容易出現錯判或漏判的現象， 因此， 一旦出現與專家系統不匹配的故障問題時， 就會出現診斷失敗的情況[18]。

通常是將專家系統與其他智能方法相結合來完善整個故障診斷技術。 文獻[19]設計開發了分布式故障診斷專家系統， 通過各個子故障診斷專家系統間的任務分配、 協作以及診斷決策并結合智能控制方法來滿足航天器復雜大系統的故障診斷需要； 文獻[20]提出了一種分布式實時故障檢測診斷專家系統， 將基于知識診斷技術與自動檢測技術有效結合起來， 為航天器故障診斷技術的發展提供了新的思路。

3.3.2神經網絡診斷法

由于神經網絡具有自組織、 自適應的能力， 并且對于復雜的非線性系統不需要完整的數學模型， 因此在航天器故障診斷技術中得到了應用。 神經網絡可將系統知識方法通過網絡進行訓練和學習， 具有更好的實時更新與推理能力。 常用于航天器故障診斷的神經網絡模型如圖3所示。

該方法也存在不足之處， 其未能充分利用專家系統的經驗知識且只能通過已有的樣本進行訓練學習， 一定程度上影響了診斷技術的可靠性。 另一方面， 神經網絡的訓練知識基于輸入輸出值的檢測， 對與過程有關的狀態量和發生的故障不能夠做出足夠準確的解釋。 這些都對基于神經網絡的故障診斷技術的發展提出挑戰。

3.3.3組合智能診斷法

人工智能在各個方面都已經有了廣泛的應用， 并且已經展示出其足夠的優勢所在。 但是， 包括神經網絡、 模糊數學、 粒子群算法等智能方法都有其局限性， 如何克服困難充分發揮其優勢才是航天器故障診斷技術需要探索的。

文獻[21]提出了一種基于專家系統、 案例推理以及故障樹的混合智能診斷技術來解決航天器的測控管理問題， 并且文獻中所提及的故障樹雙向混合推理機制被用于實現航天器故障定位和預測功能； 文獻[22]在TS模糊模型的基礎上， 結合H∞最優故障觀測器來構建殘差信號， 研究姿態控制系統陀螺的故障診斷問題； 文獻[23]提出了將幾何學與神經網絡相結合， 并通過自適應估計濾波器來對殘差進行判斷， 從而完成對衛星姿態控制系統中反作用飛輪的故障檢測、 隔離和估計； 文獻[24]采用了一種基于分層神經網絡的衛星系統故障診斷模型， 通過自組織特征映射網絡和廣義回歸神經網絡相結合來實現整星各分系統故障的精確定位和判斷故障發生的原因。

混合智能方法能夠讓各自算法的結構特點體現出來， 彌補了單個智能方法的不足之處。 通過智能方法的組合應用以及與其他診斷方法的融合， 可以使航天器故障診斷系統通過經驗性思維、 邏輯性思維和創造性思維的互相轉化與配合， 來完成復雜的診斷技術的發展， 是巧妙組合的有機整體[25-27]， 如圖4所示。

4航天器故障診斷技術面臨的挑戰

從上述的航天器故障類型和統計數據可以看出， 航天器發生故障的方式都有其自身的特點和規律。 只要能有效地開展故障診斷技術， 就可以對其故障進行及時的修復， 并且可以防范一些可能發生的故障問題， 對航天器飛行任務的可靠性和故障診斷技術開展的有效性都有一定幫助， 對航天器系統的容錯技術起到一定的促進作用。

目前航天器故障診斷技術面臨的主要挑戰有[28]：

（1） 空間環境復雜， 擁有很多不確定因素。 航天器在發射升空及空間軌道運行階段， 都會受到來自空間中大氣攝動、 引力攝動、 三體攝動等很多攝動力的影響， 除此之外， 太陽高能粒子輻射、 氧原子腐蝕、 單粒子翻轉效應等很多太空環境原因產生的不利因素， 也都會對航天器的自主運行和器件的完好性造成一定的影響。 因此， 如何克服惡劣的太空環境來完成航天器的故障診斷， 并避免因環境因素導致的故障誤報和漏報現象是現代航天領域的一個重要方向。

（2） 地面人工干預能力有限。 大多數航天器都不僅僅是在本國上方進行太空飛行任務， 所以在航天器的星下點軌跡處都覆蓋有地面測控站是不現實的， 導致航天器的可監測性能下降。 當衛星失去控制或者是不在監測范圍內時出現故障， 不能及時進行人工干預會對航天器的軌道運行造成惡劣的影響甚至是整個飛行任務的失敗。 運用自主故障診斷技術就可以在減少故障發生頻率的同時減少地面站的參與度， 有效地節約地面監測成本， 是提高航天器可靠性的主要方法。

（3） 星上可利用資源有限。 要使得航天器的故障診斷技術有很強的自主控制能力， 就需要航天器具有更加復雜的結構。 但是航天器的星上資源有限， 包括星上計算機的資源儲備以及有效載荷都具有一定的限制。 過于復雜的系統雖然可以使得航天器的自主故障診斷技術有所提升， 但是會降低航天器運行過程的可靠性， 影響航天飛行任務的順利完成。 所以如何利用航天器星上的有限資源開展有效的故障診斷也是航天器故障診斷的重要階段。

（4） 故障診斷技術與航天器結合能力不成熟。 在現代工業發展中故障診斷已經十分成熟， 可以為工業操作系統提供非常精準的故障檢測與容錯技術。 航天器的自主故障診斷能力在這些方面還有待提高， 所以如何將成熟的地面故障診斷技術運用到軌道運行過程中來提高航天器的智能化， 是故障診斷技術極具挑戰性的一個環節。

5總結與展望

航天器故障診斷技術的發展對于提高系統的可靠性和準確性， 保障飛行任務的順利進行具有重要作用。 但航天器故障檢測系統較為復雜， 不能只采用單一的技術來解決故障診斷的問題。 因此通過多種方法結合的優勢彌補單個技術方法的劣勢， 例如將智能算法與數學模型相結合就是非常重要的發展方向。

另外， 國內對于航天器故障診斷技術的研究尚處于初步階段， 與歐美等其他航天大國相比， 國內還僅停留在理論研究的初步階段， 對于航天器這種在特殊環境中運行的系統， 不僅需要扎實的理論研究， 更需將理論與工程實踐相結合， 研究開發出高可靠性、 長壽命并且高精度的航天器， 同時降低維修費用和生產成本， 便于航天工程實踐的需要。

參考文獻：

[1] Zhang Yanduo， Jiang Xingwei， Huang Wenhu. Fusion of Data Association and Expert Knowledge for Fault Diagnosis[J]. Journal of Harbin Institute of Technology， 2002， 34（1）： 1-3.

[2] Sakthivel R， Selvi S， Mathiyalagan K. FaultTolerant SampledData Control of Flexible Spacecraft with Probabilistic Time Delays[J]. Nonlinear Dynamics， 2014， 79（3）： 1835-1846.

[3] 林來興. 最近十年航天器制導、 導航與控制（GNC）系統故障分析研究[J].控制工程， 2004（1）： 1-8.

[4] Shen Yi， Zhang Xiaolei， Wang Zhenhua. Spacecraft Fault Diagnosis Based on Empirical Mode Decomposition and Directed Factor Graph[J]. Journal of Harbin Institute of Technology， 2013， 45（1）： 19-24.

[5] Kato H， Ota J. RealTime Spacecraft Actuator Fault Diagnosis with StateSegmented Particle Filtering[J]. Advanced Robotics， 2014， 28（19）： 1265-1276.

[6] 聞新， 張興旺， 秦鈺琦， 等. 國外航天器在軌故障模式統計與分析[J]. 質量與可靠性， 2014（6）： 13-18.

[7] 周前祥， 郭華嶺. 載人航天器故障特點及其診斷技術的研究展望[J]. 中國航天， 1999（9）： 30-32.

[8] 譚春林， 胡太彬， 王大鵬， 等.國外航天器在軌故障統計與分析[J]. 航天器工程， 2011， 20（4）： 130-136.

[9] 龍兵， 宋立輝， 荊武興， 等. 航天器故障診斷技術回顧與展望[J]. 導彈與航天運載技術， 2003（3）： 31-37.

[10] 張森， 于登云， 王九龍. 國外航天器故障診斷研究進展[C]∥第二十屆全國測試與故障診斷技術研討會， 2011.

[11] Zolghadri A. An Algorithm for RealTime FailureDetection in Kalman Filters [J]. IEEE Transactions on Automatic Control， 1996， 41（10）： 1537-1539.

[12] 王婉秋， 楊松. 航天器動力學環境試驗故障診斷專家系統[J]. 航天器環境工程， 2008， 25（1）： 36-40.

[13] 張洪鉞， 聞新， 周露. 國內控制系統故障診斷技術的現狀與展望[J]. 火力與指揮控制， 1997， 22（3）： 1-6.

[14] 郝慧， 王南華. 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）： 73-78.

[15] 王婉秋， 楊松. 基于小波分析的航天器結構故障診斷方法研究[C]∥中國宇航學會結構強度與環境工程專委會航天空間環境工程信息網學術研討會， 2006.

[16] 蘇林， 尚朝軒， 劉文靜. 航天器姿態控制系統故障診斷方法概述[J]. 長春理工大學學報： 自然科學版， 2010， 33（4）： 23-27.

[17] 聞新. 控制系統的故障診斷和容錯控制[M]. 北京： 機械工業出版社， 1998.

[18] Chen Wei， Hu Guangrui， Wang Yaping. Knowledge Acquisition in an Expert System for Fault Diagnosis of Certain Spacecraft[J]. Journal of Shanghai Jiaotong University， 2000.

[19] 李清東， 張慶振， 任章，等. 航天器分布式智能故障診斷專家系統設計[J]. 戰術導彈控制技術， 2006（4）： 107-110.

[20] 丁彩紅， 黃文虎， 姜興謂. 一種實時監測與故障診斷專家系統方案[J]. 自動化技術與應用， 1999， 18（3）： 19-21.

[21] 解侖， 劉帆， 鞏瀟，等. 基于混合智能的航天器故障診斷系統[J]. 信息與控制， 2010， 39（1）： 106-113.

[22] 王宇雷， 李傳江， 馬廣富. TS模型和H∞觀測器在衛星故障診斷中的應用[J]. 哈爾濱工業大學學報， 2010， 42（9）： 1345-1350.

[23] Baldi P， Blanke M， Castaldi P， et al. Combined Geometric and Neural Network Approach to Generic Fault Diagnosis in Satellite Reaction Wheels[J]. Ifac Papersonline， 2015， 48（21）： 194-199.

[24] 安若銘， 高陽. 基于分層神經網絡的航天器故障診斷技術[J]. 航天器環境工程， 2013， 30（2）： 203-208.

[25] Yan Fei， Li Mingjian. A New Approach to Fault Diagnosis for Satellite Control Systems Based on Machine Learning[J]. Advanced Materials Research， 2012， 457-458： 1070-1076.

[26] Song Fei， Qin Shiyin. A Novel Fault Diagnosis Method for Satellite Systems Based on Multivalue Logic Inference with SemiTensor Product of Matrices[C]∥IEEE Conference on Prognostics and System Health Management， 2012： 1-5.

[27] Cui Ziqian， Xu Minqiang， Wang Rixin. Study on Intelligence Fault Diagnosis Approach Based on Digraph Model and Application to Satellite Battery[J]. Advanced Materials Research， 2014， 889-890： 929-932.

[28] 邢琰， 吳宏鑫， 王曉磊， 等. 航天器故障診斷與容錯控制技術綜述[J]. 宇航學報， 2003， 24（3）： 221-226.