基于邏輯框圖的衛星健康評估方法

(上海衛星工程研究所，上海 201109)

0 引言

隨著航天事業的不斷發展，航天活動的頻率快速提高，在軌航天器的數量逐年大幅增長，現有的衛星監測系統很難滿足在軌監控任務需求，因此航天器在軌健康管理技術越來越受重視。

自從NASA把故障預測與健康管理(prognostics and health management, PHM)技術運用在航天器在軌安全保障中后[1-3]。國內的學者們也相繼針對航天器健康評估提出了不同的模型。文獻[4]采用層次分析法，實現各故障模式對航天器系統、分系統、單機設備影響權重的量化和分析，并提出航天器健康評估體系分級構建思想。文獻[5]提出一種基于投影尋蹤的航天器健康評估方法，該方法構建模型簡便且便于維護。文獻[6]提出利用貝葉斯網絡評估某衛星的動量輪在軌健康狀態，并通過仿真驗證該方法的有效性。文獻[7]提出的基于模糊變權原理的健康評估方法，通過衛星全壽命中實時改變各組件的權重，更客觀的反映衛星在軌健康情況。文獻[8]提出的基于可重構度的衛星評估方法，考慮了衛星系統的高冗余，可重構特性，使評估結果更加準確。

本文基于衛星分系統的組成邏輯關系(串聯、并聯、表決)建立評估模型，旨在從衛星能分系統能否完成既定任務的角度，和衛星分系統單機冗余，備份的角度評估衛星分系統在軌的健康狀況。

1 評估模型總體設計思路

衛星分系統一般是由幾個單機共同配合完成分系統的任務，單機內又由幾個部件完成各自的任務，各部件的工作狀態通過遙測數據的變化來反映。建立部件層、組件層、分系統層分層評估模型。在部件層通過選取的關鍵遙測參數在評估期間的變換曲線與歷史正常時期的曲線之間的距離構建非線性模糊無量綱模型進行評估；在組件層通過組件內部各部件的連接邏輯，構建評估模型，從組件完成既定任務的能力和完成既定任務所承擔的風險兩種維度進行評估，分別定義為組件的任務健康度和任務風險度；在分系統層通過各組件的連接邏輯，構建評估模型，從分系統完成既定任務的能力和完成既定任務所承擔的風險累積兩種維度進行評估，分別定義為分系統的任務健康度和任務風險度，其中任務健康度范圍在[0,1]之間，越大越好；任務風險度范圍在[0,1]之間，越小越好。

2 部件層評估

部件的評估主要通過選取能反映衛星狀態的模擬量遙測參數與歷史正常時期的變化情況建立評估模型來確定。

2.1 遙測參數的變化類型

一般選取的遙測參數為電壓類或溫度類，根據各遙測參數的歷史變化情況，大致可以分為以下4類變化形式：

1)范圍內穩定變化:此類遙測的特點是變化平穩，在一個小范圍里面波動。

2)周期型變化:此類遙測的特點是變化具有周期性，且每個周期基本上相同。

3)季節型變化:此類遙測的特點是天與天之間遙測變化不大，但要全年來看具有明顯的季節性。

4)周期型與季節型組合:此類遙測的特點是短期具有周期性，長期又具有季節性。

2.2 部件評估模型

對衛星上天初期正常工作時的遙測數據進行統計或通過設計文件查詢得到遙測數據的期望值，定為Xei，則某遙測評估指標的在軌實測量Xi與期望的偏差為xi=|Xi-Xei|，當xi較小時，說明器件的性能良好，當xi較大時，說明器件的性能變差。一般電子設備的故障率變化是兩端高，中間低，像浴盆一樣，稱為“浴盆曲線”，如圖1所示。

圖1 浴盆曲線

模仿電子器件的“浴盆曲線”來定義如何評價指標的“健康度”。利用歷史正常運行的遙測數據與期望值作絕對值差，進行統計得到開始損耗的偏差xli(具體根據遙測的類型決定取統計的分位值)，發生異常的偏差xai(一般取統計的0.95分位值)，及失效的偏差xdi(一般通過設計文件查詢得到)。根據“浴盆曲線”的變化特性，本文選用非線性模糊無量綱模型[7,9]來反映指標的變化情況。當偏差在xli內，指標“健康度”為1；當在xli外，指標偏差較小時，“健康度”變化較為平緩，指標偏差較大時，“健康度”變化逐漸加快，所采用的模型如圖2所示。

圖2 無量綱模型函數

非線性無量綱模型為：

(1)

其中:Hi(xi)為非線性無量綱模型處理的數值，b為形狀調節參數，很據每個遙測的xai值來確定b的大小，當b=0時，無量綱模型退化為線性模型。

綜合各部件的遙測參數指標，可得到部件hu的模型為：

(2)

其中:zi為指標的無量綱轉換，k為指標個數。

3 組件層及分系統層評估

3.1 組件層評估

組件層是由部件按照一定的邏輯關系組合而成，而各部件相對上一層又有相對重要和相對不重要之分，故需研究如何合理的賦予各部件權重和各部件的邏輯連接關系。

3.1.1 模糊層次分析法

模糊層次分析法確定權重系數[10]時，需要先分析組件的層次結構及健康狀態的評估指標，利用專家知識兩兩比較各指標相對于上層的相對性大小，以相對性大小作為矩陣元素確定為判斷矩陣。步驟如下：

標度定義說明：0.9指兩風險因素相比，一個比一個極端重要；0.8指兩風險因素相比，一個比一個強烈重要；0.7指兩風險因素相比，一個比一個明顯重要；0.6指兩風險因素相比，一個比一個稍微重要；0.5指兩風險因素相比，同樣重要；

3.1.2 變權理論

由以上可以得到各個權重指標的權重值，但都是定值。實際上當衛星某一部件的健康狀態不斷下降，此時對于整個系統的重要程度也會隨著變大，若用以前的權重值會導致因為權重低而反應健康狀態變化不明顯的問題。因此需要根據衛星部組件的健康狀態的變化而權重也相應的變化。

本節使用文獻[11]中提到的變權方法，首先需要明確狀態因素向量xi。定義當健康狀態處于(0.7,1]時狀態因素向量為0，當健康狀態處于(0.6,0.7]時狀態因素向量為1，當健康狀態處于(0.4,0.6]時狀態因素向量為2，當健康狀態處于(0,0.4]時健康狀態為3。令狀態變權函數為：

Si(xi)=eα·xi

(3)

其中:α為均衡系數，α越小各指標權重變化也越小，當α=0時就退化為常權。變權公式為：

(4)

3.1.3 部件邏輯關系及其評估模型

衛星組件內部的各部件主要以串聯、并聯(冷備份、熱備份)、表決等邏輯組合而成。

1)串聯:

組件的功能需要所有部件完成其功能，工作邏輯如圖3所示。

圖3 串聯工作邏輯

定義由非線性模糊無量綱模型得到各部件的健康度為hui,i=1,2,…,m，各部件的權重為ωi,i=1,2,…,m。組件的任務健康度hm為：

(5)

組件的任務風險度為：

(6)

其中:r(0)m為評估前該組件風險情況，一般默認為0。

2)并聯:

熱備份：所有部件均在工作，只需一個及以上的部件正常，整個組件就能正常工作，工作邏輯如圖4所示。

圖4 熱備份工作邏輯

定義由非線性模糊無量綱模型得到各部件的健康度為hui,i=1,2,…,m。各部件的權重為ωi,i=1,2,…,m。組件的任務健康度hm為：

(7)

組件的任務風險度為：

其中:r(0)m為評估前該組件風險情況，一般默認為0。

冷備份：只有一個部件在工作，其余的關機備份，當工作的部件故障時，打開另一個通路，整個組件依舊能工作，工作邏輯如圖5所示。

圖5 冷備份工作邏輯

定義由非線性模糊無量綱模型得到各部件的健康度為hui,i=1,2,…,m。各部件的權重為ωi,i=1,2,…,m。組件的任務健康度hm為：

(9)

其中:Δi為是否工作的遙測參數，一般部件工作Δi為1，不工作Δi為0，若不是該類型通過相關公式轉化為這種類型。

組件的任務風險度為：

(10)

其中:r(0)m為評估前該組件風險情況，一般默認為0。備份部件的健康度默認為1。

3)表決：

表決系統為一系列部件中，只允許其中k個無法工作，其余均正常才能工作。工作邏輯如圖6所示。

圖6 表決工作邏輯

定義由非線性模糊無量綱模型得到各部件的健康度為hui,i=1,2,…,m。各部件的權重為ωi,i=1,2,…,m。組件的任務健康度hm為：

(11)

組件的任務風險度為：

(12)

3.2 分系統層評估

分系統層由各組件按照一定的邏輯關系連接共同完成分系統任務，一般是通過串聯和并聯的組合。

3.2.1 串聯

該分系統由不同組件串聯組合而成，前一個順利完成是后一個開始的前提，若其中一個組件故障，會導致整個分系統也無法工作，邏輯圖如圖7所示。

圖7 串聯工作邏輯

各組件的健康度hm和風險度rm通過3.1.3節方法得到，假設共有n個組件，權重為wi,i=1,2,…,n，通過3.1.1節方法得到，則分系統的任務健康度Hs為：

(13)

分系統的任務風險度Rs為：

(14)

3.2.2 串聯與并聯的組合

該分系統由不同組件串聯與并聯混合成，串聯的工作特性與串聯組合一致，并聯只需其中1路正常就能工作，工作邏輯圖如圖8所示。

圖8 混合工作邏輯

各組件的健康度hm和風險度rm通過3.1.3節方法得到，假設共有n個組件，權重為wi,i=1,2,…,n，通過3.1.1節方法得到，則分系統的任務健康度Hs為：

熱備份：

(15)

冷備份：

(16)

其中:Δi為是否工作的遙測參數，一般部件工作Δi為1，不工作Δi為0，若不是該類型通過相關公式轉化為這種類型。

分系統的任務風險度為：

Rs=w1·rm1+w2·(1-((1-r(0)m)·

(17)

其中:r(0)m為評估前該組件風險情況，一般默認為0。

4 實驗結果與分析

衛星的電池和太陽電池陣是為整個衛星的各個飛行階段的用電負載提供能源的，在整個衛星中具有很重要的位置。為了驗證本章提出的分系統評估模型的正確性，在MATLAB軟件上分別進行某衛星電源分系統分系統正常運行時的評估實驗，某衛星電源分系統異常運行時的實驗對比以證明其正確性。數據來源于航天八院衛星運行監測中心的某系列衛星03、04星在軌遙測數據。某衛星電源分系統的分層結構如圖9所示。

圖9 電源分系統分層結構

4.1 評估模型

4.1.1 遙測參數指標模板

統計該衛星在軌正常運行時期的遙測數據，及查閱該衛星的詳細設計資料后并建立比對模板，建立非線性無量綱模型對各部件進行評估。由于篇幅有限，僅展示各遙測參數指標主份的比對模板曲線。

圖10 各指標模板

建立了模板后，待評估數據(按天評估)與模板的位置匹配后，計算與模板的距離，利用式(1)和式(2)評估部件的“健康度”。

4.1.2 系統邏輯框圖

電源分系統主要由太陽電池陣電路、蓄電池組(A/B)、充放電調節器(A/B)、分流器等單機組成，其內部各部件的邏輯連接框圖如下：

太陽電池陣：太陽電池陣選用供電陣A7/B7電流、充電陣電流、放電終止電壓、放電深度參數指標。邏輯關系如圖11所示。

圖11 太陽電池陣邏輯框圖

利用式(5)和式(6)得到太陽電池陣電路的任務健康度和任務風險度。

蓄電池組：蓄電池組選用充電終止電壓、各單體電壓指標，利用式(5)和式(6)得到蓄電池組任務健康度和任務風險度。

充放電調節器：充放電調節器選用充電電流，放電調節電路電壓指標。邏輯關系如圖12所示。

圖12 充放電調節器邏輯框圖

利用式(5)～(6)，式(9)～(12)得到充放電調節器的任務健康度和任務風險度。

分流器：分流器選用母線電壓指標，利用式(5)和式(6)得到蓄電池組任務健康度和任務風險度。

電源分系統的邏輯關系如圖13所示。

圖13 電源分系統邏輯框圖

4.2 實驗結果與分析

為驗證評估模型的正確性，本文選用某系列04衛星2019年6月1號到6月28號的衛星正常運行期的遙測數據和該系列03衛星2015年5月20號到5月30號的異常運行期的遙測數據進行比對實驗。

4.2.1 正常運行期實驗結果與分析

電源分系統及各組件的任務健康度和任務風險度如表1所示。

從表1可以看出，在評估期間衛星電源分系統整體比較健康，任務健康度度在0.925左右，任務風險度在0.069左右，如圖14所示，但太陽電池陣電路的健康程度雖然在相對健康的范圍，但有下降的趨勢，此時應該多加關注，本文評估結果與實際衛星情況相符合。評估期間，各組件的權值均未發生過變化。

4.2.2 異常運行期實驗結果與分析

電源分系統及各組件的任務健康度和任務風險度如表2所示。

已知該衛星在5月30日發生了太陽電池陣線路短路的質量問題，從表2中可以看出，在當天太陽電池陣電路的任務健康度僅為0.1929，基本無法正常完成既定任務，任務風險度達到0.6541，處于較高風險的狀態，蓄電池組由于電壓無法達到正常水平健康度也僅為0.5，充電調節器和分流器的健康度也相應的下降，電源分系統的任務健康度僅為0.3011，任務風險度達到0.5285，此時由于任務健康度的下降，權重變化為[0.6979,0.2076,0.0945]。

圖14 電源分系統評估結果

表2 實驗結果

異常發生前10天的太陽電池陣電路的任務健康度和任務風險度變化如圖15所示。

從圖中可以看出，太陽電池陣電路的任務健康度從25號突然下降到0.6609，權重也變化為[0.5836,0.2862,0.1302]。在27號到29號穩定在0.67左右，說明在25號已經有了故障的征兆，此時若及時處理，可能會避免后面的異常發生。

本文通過正常數據和異常數據驗證了該方法，結果表明評估的結果與實際相符合，具有正確性。

5 結束語

本文以某衛星的電源分系統健康評估為例，開展了一種基于衛星部組件連接邏輯的評估方法的研究，以衛星分系統完成任務的能力和完成任務所承擔風險累積兩種維度進行評估。并利用某衛星正常運行時期和異常時期的在軌實測數據進行對比實驗，實驗結果表明，該方法具有正確性。

此外，本文方法存在以下幾點不足，需要后續繼續進行研究：1)在模板構建及統計過程中需耗費大量時間，故需要研究更加智能、快速的方法；2)本文提出的模型需在更多的實測數據上進行驗證。