航天測控數傳一體化系統健康管理系統設計*

王鈞慧，劉愛平，肖小兵

(中國西南電子技術研究所，成都610036)

0 引 言

裝備健康管理是隨著故障診斷技術的進步而發展起來的，其內涵是通過分析裝備健康狀態的影響因素，緊密結合狀態監測、維修、使用和環境等信息，對裝備健康狀態進行評估和預測，并基于裝備的健康狀態合理選擇維修策略，周密計劃維修活動。

近年來國內外學者針對健康管理開展了大量工作并取得了豐碩的研究成果。Wang等人[1]提出了基于面向服務架構(Service Oriented Architecture,SOA)和雙總線技術的健康管理軟件體系架構，實現了民用飛機的健康管理功能。Zhang等人[2]對大數據收集、清理、存儲和分析等內容進行了完整的描述，提出了一種基于大數據開源軟件框架來實現航天器健康管理的方法。Li等人[3]針對衛星星座網絡的健康管理方法，提出了衛星星座網絡建模方法，根據節點重要性評估算法來尋找網絡中的關鍵節點，并根據實時運行狀態對衛星星座網絡的健康狀態進行評估。Orsagh等人[4]針對航空電子設備中開關模式電源和GPS接收機兩種設備，利用數據進行模型訓練實現了對設備壽命和故障的預測。黃鶴等人[5]設計了一種航空電子系統的健康管理體系，并對基于測試性模型的多信號增強診斷和基于馬爾科夫及貝葉斯網絡的健康評估方法進行了詳細論述。高洪青[6]從有源相控陣雷達的狀態監測與健康管理入手，構建了分層式健康管理系統框架，根據作用距離和副瓣電平等指標進行了信息融合和健康評估，實現了有源相控陣雷達的狀態監測和健康管理。何謙等人[7]針對S頻段統一測控系統故障診斷及健康管理的需求給出了故障診斷軟件體系架構，并基于故障樹的設備故障診斷開展了設備狀態評估設計。楊羅蘭等人[8]在經典測控系統故障識別和預測技術的基礎之上，針對測控系統關鍵指標預測的問題，探索了基于歷史數據的指標預測方法，并對基于SVR的單步和多步指標預測方法進行了具體分析。孫寶升等人[9]基于中繼衛星S頻段多址(S-band Multiple Access,SMA)全景波束支持本文提出了一種中低軌衛星在軌健康管理的新概念和模式。王儲等人[10]對故障預測與健康管理(Prognostic and Health Management，PHM)的相關概念、國內外發展現狀以及關鍵技術進行了簡要介紹，并結合測控系統的發展現狀提出了針對該領域的PHM技術的研究方法和具體實施策略。魏永峰等人[11]以某型雷達抗干擾測試系統為例，闡述了可應用于測控裝備故障預測與健康管理的一種科學管理方法，提出基于模型的PHM技術在抗干擾測試系統中應用。基于視情維修的開放體系(Open System Architecture for Condition Based Maintenance,OSA-CBM)架構在航電、動車組等應用場景已經進行了應用[12-13]，該架構對航天測控數傳一體化系統健康管理系統設計也有很強的指導意義。

本文提出了一種適用于航天測控數傳一體化系統的健康管理設計方法，包括系統工作模式、組成、軟件體系架構、主要業務流程和關鍵技術解決方法。

1 系統方案設計

1.1 系統運行模式

本系統采用在線診斷和離線診斷兩種手段來完成全系統健康管理。系統工作模式如圖1所示。

圖1 系統工作模式示意圖

在線診斷是通過設備在線診斷和業務在線評估兩個手段來實現。設備在線診斷是指結合系統/設備故障樹模型、故障傳導模型和規則知識，識別虛警，確定設備故障。通過故障樹分析和專家系統規則引擎進行邏輯推理，定位真實故障設備，確定故障原因。業務在線評估是指通過業務運行數據感知設備缺陷，反證設備健康狀態；建立業務健康度曲線，降低業務健康評估復雜度。系統運行時，將能夠反映系統和業務狀態的多維度信號/數據特征與業務健康模型對比后進行多維特征融合，降維形成健康度曲線，對業務狀態進行直觀展示和評價；關注健康曲線劇烈波動時刻的瞬時系統，為后續離線分析提供參考輸入。

離線診斷是指綜合利用系統全域全景數據和在線關注的業務異常數據，結合健康模型、專家知識和分析算法，在大量數據中分析設備運行規律，提取設備故障特征信號，發現、識別、確認設備故障和缺陷，必要時輔以主動式診斷(標校測試)協助分析。故障預測的方法主要有兩類：一是基于失效物理模型的故障預測技術；二是基于數據驅動的故障預測技術。航天測運控裝備中存在大量的電子設備，失效物理模型建立的難度較高，建議采用基于數據驅動的故障預測技術。航天測運控裝備中大量的數據都屬于帶時間標簽的數據，比如設備運行狀態、測試數據、標校數據和環境數據等內容，因此可采用InfluxDB、Kdb+等時序數據庫來進行數據存儲。為了獲取足夠多的數據，建議健康管理采用“中心+端”的模式，由中心獲取多套航天測控數傳一體化系統的運行數據，通過機器學習算法完成模型訓練；中心將訓練好的模型下發給設備端，設備端根據模型完成實時故障預測。

1.2 系統組成

如圖2所示，健康管理系統包含測控數傳設備、監控分系統、健康管理軟件及信息庫等。

圖2 健康管理系統組成

(1)測控數傳設備

包括各個分系統的可監控單元，設備主要是利用內置的傳感器進行健康狀態信息采集并上報監控分系統。健康管理數據傳輸網絡可共用現有的監控網，無需單獨建設。

(2)監控分系統

定時獲取各設備的健康狀態信息，實時將設備健康狀態信息寫入狀態庫；監控分系統同時接收測控數傳任務運行狀態并進行記錄；監控分系統接收健康管理的要求完成相關的測試標校工作。

(3)健康管理軟件

健康管理軟件主要包括信息采集服務、數據預處理服務、故障診斷服務、健康狀態評估服務、預測分析服務、狀態維護服務等。各個服務密切配合完成健康管理的相關功能；

(4)信息庫

主要包括狀態庫、裝備庫和知識庫。狀態庫可根據數據特點選用關系型數據庫或者大數據平臺，主要完成設備健康狀態、任務狀態、測試標校結果等各類信息；裝備庫主要保存設備關鍵信息、設備健康狀態、預測狀態等內容；知識庫主要包括健康管理各服務所需要的知識，包括故障診斷知識、健康評估知識和預測分析知識。

1.3 系統工作流程設計

如圖3所示，健康管理流程通過如下三種方式來觸發啟動：第一種方式為健康管理軟件接收到設備狀態異常消息；第二種方式為健康管理軟件接收到任務結束消息；第三種方式為健康管理軟件根據日常維護計劃通過時間符合方式來觸發。

健康診斷處理核心思想是模擬專業操作維護人員對設備問題解決的思維方式與步驟進行系統故障分析與定位、系統健康狀態及任務執行狀態預測和任務執行能力評估。因此上述三種激活方式，一旦設備狀態異常或任務執行異常均會激活系統健康診斷的故障定位與分析功能，屬于條件驅動方式。設備狀態異常采用專家故障診斷(故障樹)方式進行分析和定位，必要時可結合實時測試和標校進行進一步確認；任務執行異常則通過對執行任務的功能和性能分析進行故障定位，也可結合實時測試和標校進行進一步確認。第三種方式為日常管理方式，并采用定期計劃管理，即依據健康模型，定期對系統健康狀態指數開展健康檢查，并對各項檢測、標校、測試結果進行分析。

系統健康診斷首先為系統設備建立健康檔案，進而在設備故障、任務異常定位分析或日常健康檢查結果基礎上進一步開展信息綜合分析處理，進行系統健康狀態預測，更新系統設備健康狀態。系統標校、測試是系統級健康診斷的重要依據。

圖3 健康管理工作流程設計

1.4 關鍵功能設計

航天測控數傳一體化系統健康管理實現從狀態檢測、特征提取、故障診斷、綜合評估、趨勢預測及維修決策全過程的管理，具備設備級自主健康管理能力，構建良好的人機交互輔助決策機制，作為裝備維護與使用管理的主要平臺。本節介紹系統任務健康評估和設備故障預測兩個關鍵點的實現路徑，同時給出健康管理軟件架構設計方法。

1.4.1 傳感器設計

根據航天測運控設備的典型故障模式，并根據測試性設計和維修性設計，總結出能夠表征設備健康狀態的檢測點和測試點。在系統運行過程中由監控分系統完成狀態采集和存儲。同時，需要根據后續健康管理分析的結果進行迭代，逐漸完善采集點的設計。

針對天伺饋分系統等機電設備，一般采集齒輪箱振動、俯仰箱噪聲、方位基座噪聲、溫度、水浸狀態、饋源氣壓、電機振動等數據。電機的振動傳感器安裝在電機外殼上；電樞電壓傳感器和電樞電流傳感器套在電機電纜上；測速反饋傳感器套在測速反饋線上；溫度傳感器探頭自帶強磁片，吸附在電機的外殼上；齒輪箱的振動傳感器安裝位置齒輪箱輸入軸向上；水浸傳感器安裝齒輪箱的底部。針對變頻器、功放等設備主要采集電流、電壓、溫度等數據。

1.4.2 系統健康評估方法

采用層次分析法來對航天測控數傳一體化系統進行系統任務健康狀態評估。層次分析法是指先將一個復雜問題分解為幾個子問題，然后再對子問題向下進行層層分解，一直分解到不可再分解的評估指標為止。計算出各個評價指標后，將指標的評估結果進行歸一化，然后通過加權融合的方式計算其父級指標評分，再向上層層融合得到子問題的評估得分，最后通過D-S證據合成的方法計算原復雜問題的評估結果。以S自跟蹤功能健康評估為例，其評估元素如圖4所示。

圖4 S自跟蹤功能健康評估

1.4.3 設備故障預測方法

采用基于數據驅動的設備故障預測技術，通過分析輸入、輸出和狀態參數之間的關系，獲得機器學習模型，并從大量的歷史樣本中學習輸入與輸出值之間的映射關系，建立非線性、非透明及非針對特定對象的模型用來計算未來值，從而可以進行故障預測。

(1)健康度計算

由于航天測運控設備故障場景較少，因此采用一分類故障預測模型。根據設備大量正常樣本的分布，總結出一個多元正態分布模型，作為設備的健康模型，定義聚類中心的健康度為1，越靠近中心，健康度越大；離中心越遠，健康度越小。將該模型用于預測時，設備每個時刻都可以獲取一組工作參數，將這組工作參數輸入到多元正態分布模型中，可以得到一個健康度。可通過馬氏距離來描述設備的健康度。設由n個設備的正常歷史樣本組成的樣本集為X：

X=x1,x2,…,xn。

式中：xi=(xi1,xi2,…,xim),i=1,2,…,n，表示第i時刻設備的所有參數。計算樣本均值：

計算樣本斜方差：

δ=(X-μ)×(X-μ)T。

新樣本xt與聚類中心μ的馬氏距離定義為

Mahalanobis(xt,μ)=(xt-μ)T·δ-1(xt-μ)。

新樣本xt越趨近于聚類中心μ，馬氏距離趨近于0，即健康度越大；新樣本xt越遠離于聚類中心μ，馬氏距離越大，健康度越小。

(2)基于時間序列的故障預測

設備的每個時刻都可以得到一個模式，并且每個模式都可以對其計算故障度，那么可以得到設備前n個時刻的故障度，也就形成了一個時間序列的觀測值：

(t1,y1),(t2,y2),…,(tn,yn)。

每個觀測值表示ti時刻的故障度為yi，基于這n個觀測值，預測未來一段時間的故障度走勢。故障預測算法可選用自回歸(Autoregressive，AR)模型、循環神經網絡(Recurrent Neural Network，RNN)、長短時神經網絡(Long Short-Term Memory Network，LSTM)等機器學習算法來完成。

2 軟件架構設計及實現

針對航天測控數傳一體化系統不斷演進的特點，本文提出了基于微服務的健康管理軟件體系架構，證明該架構具有通用、開放、靈活的特點，可滿足健康管理應用要求。軟件體系架構如圖5所示。

圖5 軟件體系架構設計

面向微服務的架構具有結構清晰、易于理解、松耦合、便于獨立測試、部署和管理等特點。每個服務組件都是簡單靈活、可獨立部署的；服務之間是松耦合的，服務內部是高內聚的，每個服務很容易按需擴展。

2.1 基礎設施

基礎設施為系統健康管理軟件運行提供支撐環境，包括硬件設備、操作系統和數據庫管理系統等。

2.2 數據服務

數據服務層包括數據庫和數據服務，健康管理數據庫分為狀態數據庫、裝備信息庫和知識庫三類，業務數據可并入狀態數據庫或獨立存儲。

(1)狀態數據庫

狀態數據庫涵蓋地面站設備健康管理所需的數據類型，包括業務數據、狀態數據、測試數據及環境數據等。

(2)裝備信息庫

為了滿足設備信息化全生命周期管理需求，建立設備信息電子檔案，為日后的數據挖掘分析、技術狀態管控以及設備精準維修提供支撐。

(3)知識庫

知識庫主要包括系統關聯、數據篩查、故障診斷、狀態評估、趨勢預測、等級劃分、維修決策以及數據挖掘等方面的各類算法模型，用于支撐故障診斷和健康狀態評估等。

2.3 業務服務

業務服務是健康管理的核心層，用于實現健康管理的主要功能。業務服務可根據需要分層設計不同粒度的業務服務，也可以通過服務聚合形成更高層的業務服務。

分系統業務服務可根據需求分為多層，初步考慮可分為基礎服務、功能服務和任務服務三層。

基礎服務主要實現一些細粒度的較單一功能，主要包括天伺饋信息采集、監控信息采集、環境信息采集、數據篩選、數據異常檢測、數據特征提取、設備故障診斷、系統/分系統業務能力診斷、設備健康狀態評估、系統/分系統業務能力評估、系統性能預測和設備壽命預測等。

功能服務主要實現健康管理的主要功能，主要包括：

(1)信息采集——主要完成系統各類健康狀態相關信息的采集，數據采集的顆粒度以現場可更換最小單元為單位，采集周期可設置。

(2)數據預處理——分類完成各類數據的處理，包括數據篩選、平滑、降噪、均值、方差和變異特征提取等。

(3)故障診斷——依據設備狀態監測信息，結合故障診斷模型完成各設備的故障診斷。

(4)健康狀態評估——根據健康狀態評估模型，完成系統設備健康狀態評估及系統/分系統業務能力評估。

(5)預測分析——根據預測算法模型及裝備信息預測設備剩余使用壽命及設備故障發生時間。

(6)裝備維護——根據裝備信息(健康體檢、故障診斷、狀態評估等)提出裝備維修建議。

(7)數據管理——完成所有健康管理數據庫和數據文件的管理與維護。

任務服務主要實現一些粗粒度的高層服務，主要包括：

(1)綜合健康體檢——協調監控分系統，分級完成系統、分系統和單機設備的健康體檢，并按要求形成體檢報告。

(2)故障聯合診斷——完成系統、分系統設備等復雜故障的多手段聯合診斷。

(3)全壽命周期管理——完成設備信息錄入、運行過程中狀態跟蹤等功能。

(4)裝備效能評估——完成任務完成率、設備完好性等效能評估內容。

2.4 信息綜合顯示

完成設備故障信息、設備健康評估信息、設備健康預測信息和裝備維修維護決策等多信息的綜合顯示。健康管理人機交互界面如圖6所示。

圖6 健康管理人機交互界面

3 結束語

本文提出了一種航天測控數傳一體化系統健康管理設計方法，闡述了系統運行模式、組成和工作流程，給出了一種面向航天測運控設備的系統任務健康評估和設備故障預測實現路徑，并介紹了基于微服務的健康管理軟件體系架構，對于后續健康管理系統的建設具有指導意義。但同時，還需要對以下部分繼續進行研究：

(1)健康管理在本領域是一項新技術，離視情維修的目標還有一定差距，需要結合用戶應用場景加強理論研究和工程應用探索。同時，利用積累的歷史數據對關重件的故障預測算法開展研究，逐步完善算法模型庫。

(2)根據健康管理系統的應用效能，在下一代裝備中重新優化系統“六性”設計，逐步提高裝備作戰效能。