融合多源數據的北斗衛星導航系統健康管理體系

龍東騰 張銳 王晉婧 申林 鄭恒 鳳建廣

(1 中國航天標準化研究所，北京 100071)(2 中國衛星導航系統管理辦公室，北京 100032)

現代大型信息物理系統復雜性、綜合化、智能化程度不斷提高，為了以更經濟有效的方式滿足信息化時代對信息物理系統的快捷、精確、持續保障的要求，20世紀90年代中期，故障預測與健康管理(Prognostics and Health Management，PHM)技術應運而生，通過采用傳感器信息、專家知識及維修保障信息，借助各種智能算法與推理模型實現系統運行狀態的監測、預測、判別以及管理，實現低虛警率的故障檢測與隔離，并最終實現智能任務規劃及基于設備狀態(歷史、當前及未來狀態)的智能維護[1]。在海量數據的背景下，如何利用數據挖掘的思維，從大型復雜系統連續運行過程中產生的數據挖掘有價值的信息來指導系統運行優化，引起了國內外學者和工業部門工程人員的廣泛關注：美國通用(GE)公司旗下的航空公司通過在生產的航空發動機上安裝眾多的傳感器，實時采集飛機各類參數，通過數據分析技術為航空公司提供飛機的運維管理、運營優化、健康管理等解決方案，以及提供航行預測等各類服務。我國國家電網公司也在開展數據驅動的電網運行狀態評估與決策的研究實踐，并在國家電網調度中心、省級電網調度中心進行了利用海量數據的大電網安全運行風險評估與控制決策系統平臺示范[2-3]。

GPS作為衛星導航系統先驅，在健康管理方面也進行了諸多探索，基于在軌運行數據對導航衛星銣原子鐘、動量輪等單機進行了剩余壽命預估，并制定合理的健康管理策略，對衛星服務的中斷進行預測及提前預報，提高在軌衛星可用性。同時，隨著GPS更新換代，通過改進設計制造，提高在軌衛星自主健康管理能力[4-5]。北斗衛星導航系統(BDS)是我國自行研制的全球衛星導航系統，是繼美國GPS，俄羅斯GLONASS、歐洲GALILEO之后的第4個全球衛星導航系統，在長期運行過程中產生大量數據，在一定程度上具備了典型的大數據3V特征，即規模性(Volume)、多樣性(Variety)和高速性(Velocity)。具體體現在：①規模性，以主控站為例，作為地面站的信息匯集中心，每天由外場站收集到的導航信號監測數據約為1 Tbyte，在產生業務數據的過程中，產生的中間結果數據量級為幾十太字節，若再考慮在軌衛星的實時遙測，數據量將更龐大；②多樣性，在北斗衛星導航系統運行過程中，會產生來自衛星的在軌遙測數據、地面設備運行參數監測數據、系統內部運行監測評估數據、第三方導航性能監測評估數據等，另外，在星上產品研制與地面試驗過程中，也積累了大量試驗數據；③快速性，在軌衛星長期運行管理中心在衛星過境時動態獲取衛星遙測數據，境外衛星采用星間鏈路回傳，遙測數據采樣間隔短且按時序大量涌入數據庫，通常采樣間隔為秒級。這些數據是對北斗衛星導航系統運行過程的全面描述，星、地設備運行數據和服務性能監測數據都反映了系統的運行性能變化，需要基于以上數據進行健康管理體系設計，對數據進行深度挖掘，支撐系統穩定運行。本文梳理了北斗衛星導航系統目前的健康管理技術的現狀與差距，從數據融合的目標出發，針對北斗導航衛星在軌穩定運行目標，從數據融合和健康管理兩方面，提出了數據采集分類、數據融合框架、分級健康管理的技術體系，為北斗衛星導航系統精細化運行管理提供借鑒。

1 北斗衛星導航系統健康管理技術現狀

北斗衛星導航系統作為復雜的連續運行系統，已形成了在軌組織分級管理、異常問題分級處置、遙測參數分級監視、支持系統分類管控等管理實踐，對星座衛星星上產品特性及趨勢分析進行運行健康狀況、持續開展衛星使用策略優化[6-7]。但總體而言對數據的利用率仍有提高空間，主要體現在：①服務性能評估多是利用地面監測站內部觀測數據進行，外部觀測數據并未得到有效利用，由于監測站布站地域受限，服務性能降級難以及時發現，服務性能評價難以做到客觀；②導航衛星遙測數據挖掘深度不足，沒有做到主動的視情維修；③星上和地面產品研制和試驗數據并未得到合理利用，難以做到設備全壽命周期健康管理。基于以上背景，本文通過總結相關理論方法，借鑒其他行業的應用實踐，提出了數據驅動的北斗衛星導航系統運行評估與健康管理方法體系，旨在利用機器學習等人工智能技術深度挖掘數據行為模式與產品故障模式的內在規律，能夠更全面、更及時、更準確地評估系統和產品性能、狀態和運行風險，從而為最終的運維決策優化提供量化技術支撐。

2 多源數據融合

2.1 多源數據融合概述

多源數據融合是指對多類型的傳感器數據進行關聯和綜合處理，以提高評估等任務的精度和準確性，通過融合來自多數源、多類型傳感器數據和相關信息，可以得到比運用單個、孤立的傳感器更加詳細且精確的結論。詳細而言，軍事應用包括自動目標識別、自動車輛制導、遙感、戰場監視和自動威脅識別系統，非軍事應用包括大規模生產過程監控、基于狀態的復雜系統運維、醫學診斷等領域[8]。與單傳感器相比，多源數據融合具有以下優勢：一是使用多個同類型數據，獲得統計學意義上的效益，可以改善評估的準確度；二是使用多類型數據的相對信息，進行比對校正，可以改善觀測過程；三是拓展監測手段和數據類型，可以獲得更加豐富的數據信息，大幅提升觀察和評估能力。

2.2 北斗系統數據融合

2.2.1 數據融合采集分類

按照北斗系統的不同應用場景需求進行選擇性和有所側重的數據采集，制定合理的數據采集策略，采用四象限圖進行分析，監測數據采集的優先級和策略如圖1所示。其中橫坐標表示故障影響(如服務中斷時間、維護耗費、安全風險等)，縱坐標則為該設備的故障發生頻率。根據實際需求，在橫縱坐標上設定控制目標線，可將坐標系分成4個象限，各關鍵設備根據故障率及影響分別落在不同的象限內，每一個象限對應不同的數據采集策略。

圖1 監測數據柔性采集示意圖

第Ⅰ象限：單機設備同時具備很高的故障發生率和故障影響。衛星設計經過多次試驗驗證，該部分產品或單機在試驗時應該被充分暴露，成熟的衛星產品不應有任何的單機或設備落在該象限。若在軌衛星出現此類設備，衛星還要長期在軌運行，應采取以設備健康為導向的數據采集策略，不僅全面采集設備本身的工況數據，還應實時監測可能影響設備健康的其他因素，并進行趨勢分析。為防止影響服務的故障發生，并且在后續衛星研制過程中改進設計，降低該事件發生造成的影響。

第Ⅱ象限：單機設備故障發生率高，但影響較小。針對此類設備可以選擇“狀態監控維護”的維護策略，連續采集預警信號或幾個能夠反映設備故障狀態的參數，實時動態監控即可。例如，一些北斗系統地面設備故障頻率較高，但一般不影響服務的可用性，需要對設備進行實時監測，保證故障發生后能及時響應并恢復，對星上硬件實施開關機操作或軟件故障實施軟件重構。

第Ⅲ象限：單機設備故障發生率低，且影響較小。該類單機設備一般穩定性較高，一般不需要實時監控和數據采集，采用巡檢、定期維護或到壽更換的維護模式。對可更換設備(地面系統)按照設計平均壽命進行預防性更換即可。

第Ⅳ象限：單機設備故障發生率較低，但影響較大。針對這一類單機設備，需進行詳細的故障模式及影響分析(FMEA)，根據分析結果決定數據采集的對象和策略，全面采集設備的工況數據、性能參數等，實時監測可能影響設備健康的其他外部因素，并進行趨勢分析，對影響較為嚴重的故障模式進行預測性維護和風險管理。例如，衛星原子鐘故障等，故障發生率較低，但影響較大，需要對其進行實時監測，進行性能退化趨勢分析，對可能發生的故障征兆采取有效的預防性措施。

2.2.2 數據融合框架

結合北斗系統實際設計數據融合框架，北斗衛星導航系統的衛星、地面設備在研制生產、運行管理過程中產生大量的數據，數據類型各異。以數據的實際用途為依據設計數據融合和管理體系，提取數據的特征，對數據進行規整，針對特定的應用場景設計主題數據倉庫，實現多源的數據融合。北斗衛星導航系統數據融合框架如圖2所示。

圖2 數據感知與融合框架圖

通過數據規整，北斗系統數據包括星上產品地面試驗測試數據、衛星在軌遙測數據、可靠性評估數據(包括質量問題信息)、監測評估數據、地面業務和監測數據，數據內容涵蓋北斗系統從單機—系統—大系統的數據和關鍵單機全生命周期數據。對規整后的數據，按照數據應用場景和用途，采用數據主題倉庫分類管理，主要應用場景包括單機級健康管理、系統級健康管理和大系統級健康管理。

單機級健康管理主要包括：關鍵單機FMEA、單機可靠性評估、單機故障診斷、單機壽命預測、關鍵單機主備切換決策支持等，需要融合星上產品生產過程數據、地面可靠性評估試驗數據和在軌遙測數據進行分析。

系統級健康管理主要包括：在軌衛星健康狀態評估、整星故障預測、整星壽命預測，除融合星上產品生產過程數據、地面可靠性評估試驗數據和在軌遙測數據外，還需考慮單星的服務性能監測指標，如單星的空間信號精度、單星服務的連續性、可用性等，進行全方位的整星級健康管理。

星座級健康管理主要包括：衛星軌位調整、備份星入網決策、備份策略優化、運行機組跟蹤規劃等任務，是星地一體化運行健康管理的概念。大系統級的健康管理更注重于北斗系統導航服務性能保障方面，通過綜合地面運控系統和外部監測資源，如全球連續監測評估系統(iGMAS)、國際導航服務(International GNSS Service, IGS)、空間環境監測數據，對大系統運行進行精細化的健康管理。

3 融合多源數據的分級健康管理體系

3.1 單機級健康管理

1)地面試驗及在軌數據融合

單機級健康評估包含的內容主要包括狀態評估和故障預測，是在多源數據融合的基礎上進行的。單機產品的地面試驗較充分，也是在軌運行狀態的直接數據來源，融合地面和在軌兩個階段的故障信息可以按照以下思路進行折算。

(1)

式中：ttest為單機的時間信息；ttest_k為地面加速壽命試驗時間；ntest_k為樣本量;Ktest_k為加速因子；ton-orbit為在軌的運行時間；m臺同類型單機累計；rtest為單機的失效信息；rtest1為地面試驗階段失效數；ron-orbit為在軌運行階段失效數。試驗前信息通過可靠性預計方法獲得，按照式(2)中貝葉斯更新方法融合驗前數據和試驗數據。

(2)

式中：Tfusion為在軌運行綜合時間；test和rest分別為基于單機產品失效率預計值獲得的失效時間和失效臺數；ttest2和rtest2分別為試驗和在軌過程中統計的失效時間和失效臺數。

面向北斗導航衛星原子鐘等關鍵單機，基于綜合考慮地面試驗和在軌運行的綜合時間Tfusion和失效情況rfusion，針對不同單機選取與產品失效強關聯的特征參數，并構建健康狀態指標，基于指標的變化情況和態勢分析進行狀態評估和故障預測。

2)健康評估

利用衛星和地面系統單機/設備的運行狀態信息，從單機/設備狀態監測數據中提取狀態特征參數，綜合利用狀態監測信息，采用數據統計方法建立單機/設備性能或狀態統計分析模型。涉及到的狀態評估方法主要是數據統計等。按照單機/設備的重要程度、復雜程度、評估的需求以及管理等因素劃分健康等級，確定影響單機/設備健康狀態的相關因素，再選取反映單機/設備健康狀態的關鍵特征參數，結合故障模式分析結果，建立單機/設備的健康評估模型。從而根據歷史情況與當前監測數據，對單機/設備的健康狀態做出實時評估。涉及到的健康評估方法包括層次分析、模糊評判、貝葉斯網絡、支持向量機等方法[9-10]。

3)故障預測

針對衛星單機和地面系統設備，根據單機/設備產生的海量監測數據，深入挖掘隱含的故障信息，提取高質量和高價值密度信息，提取單機/設備反映關鍵性能特征參數，并根據特征參數變化趨勢識別退化特征，采用數據驅動+失效物理方法建立單機/設備壽命預測模型，結合單機/設備的實際運行信息，對單機/設備進行壽命預測。涉及到的壽命預測方法包括自回歸滑動平均模型(ARMA)、神經網絡、深度機器學習、貝葉斯網絡、神經網絡、支持向量機等方法[11-12]。

3.2 衛星級健康管理

系統級健康管理基于關鍵單機狀態評估結果，按照單機級、分系統級、單星級進行組網衛星健康狀態評估。針對單星的空間信號精度、連續性和可用性監測指標的長期監測結果，基于故障知識圖譜對單星性能指標的異常進行診斷，圖3為考慮空間環境的多層級的衛星健康評估與診斷技術路線示意圖。

注：圖中MEO-n、GEO-n、IGSO-n分別代表中軌、高軌和傾斜地球軌道上的某顆北斗衛星。

1)空間環境及運行狀態參數的數據融合

以導航衛星單星信號播發情況作為判定基點，融合單機遙測數據和年度空間環境數據開展系統級的健康評估和故障診斷工作。空間環境數據包括地磁擾動指數值(Kp值)、太陽輻射指數(F10.7值)等，以及根據太陽活動規律的相關指數強度預測結果，圖4為考慮空間環境和系統狀態的衛星級數據融合示意圖。

圖4 衛星級數據融合示意圖

2)健康評估

系統級健康評估從各衛星關鍵單機的狀態評估結果入手，采集衛星在軌數據和空間環境數據進行單機級的狀態評估，通過考慮年度空間環境優劣、冗余備份等因素進行系統健康評估，結合衛星實際運行過程中空間信號精度、單星連續性、單星可用性等監測參數指標，以及評估時段內遙測參數變化范圍等情況，評估單星的健康狀態，基于評估結果預備對用戶發布計劃中斷通告，以及預備單機失效備份切換預案。

3)故障診斷

對關鍵任務、系統、分系統和部件等逐層次建立可拓展的貝葉斯網絡故障診斷結構模型，對系統的功能和任務進行劃分得出故障特征作為多層網絡的構成要素，同時定義故障的表征節點和原因節點。針對衛星信號播發情況以及空間信號關鍵性能指標(如空間信號精度、信號連續性、可用性等)的故障或異常現象，重點排查空間環境敏感單機，根據遙測數據和系統表現特征合理推斷，迅速找到故障原因，準確定位故障源，對軟故障進行快速恢復，及時排除故障。

3.3 星座級健康管理

北斗系統運行過程中，在服務層面，多個監測站對導航信號進行監測，對服務性能進行評估；在運行層面，衛星系統、運控系統、測控系統、星間鏈路運管系統聯合保障系統的穩定運行，各系統的運行指標也被嚴格監測，總體而言，運行性能是系統運行性能的表現，各系統運行的監測指標是保障星座系統運行穩定的內因，因此，在進行星座運行健康管理時，需要統籌考慮服務性能評估和各系統的運行監測評估，并針對各系統進行正常任務監控與調度和異常/故障情況下的運行維護，圖5為關聯服務層和運行層的星座級健康管理示意圖。

圖5 星座級健康管理示意圖

1)內外部服務性能監測評估數據融合

針對北斗系統提供的定位導航類和通信數傳類等各類服務，融合系統自身監測站點以及外部跟蹤站點數據，常態化進行服務性能監測評估，保證向用戶提供優質服務。利用地面系統的監測站點數據進行內部服務性能評估，同時，利用iGMAS、IGS等外部機構對系統的監測評估結果，對重合站點進行評估結果比對，以及對其他站點評估結果的補充，實現評估北斗系統服務性能評估的內外融合。目前，各類服務性能評估均有成熟方法，主要的評估指標有服務可用性、連續性、完好性評估[13-16]。基于監測評估結果，提前感知星座狀態，為常規的監控與調度和異常的處置提供支撐，圖6為內、外部服務性能監測數據融合示意圖。

圖6 監測評估數據融合

2)正常任務監控調度

北斗衛星導航系統正常任務監控調度主要由衛星系統、地面運控系統、測控系統和星間鏈路運行管理系統4個系統協調完成，聯合保障系統正常運行，在正常任務監控調度中各系統工作內容如下。

(1)衛星系統接收地面系統注入的導航參數、遙控指令、運行管理指令等信息，并按照指令進行數據更新、軌道姿態調整、載荷工作狀態設置，按照任務要求進行各類導航信號的播發，遙測參數的產生與下傳。

(2)地面運控系統對導航系統的各項業務進行統籌規劃，包括導航數據的上行注入分發、衛星鐘差及軌道測定與預報、電離層延遲改正監測處理、系統完好性監測處理、基本導航信號觀測與監測、短報文通信信號收發與業務處理等。

(3)測控系統進行跟蹤測量及測控調度，包括獲取衛星的遙測信息、完成高精度定軌、調整GEO衛星位置，調整MEO、IGSO衛星軌道相位，實現星座構型保持和需離軌衛星的離軌控制。

(4)星間鏈路運行管理系統進行星間鏈路資源管理調度、參數配置管理，生成星間鏈路運行管理指令，并調度地面資源進行運行管理指令的整網分發，同時通過星間鏈路地面站收集衛星的遙測下行數據，進行星間網絡狀態監視。

3)異常/故障情況下的運行維護

異常/故障情況下的運行維護，主要包括：衛星系統智能維護、地面運控系統智能維護、星座系統智能維護。

(1)衛星系統維護。通過綜合系統運行監測數據，開展壽命預測和基于狀態監測的維護規劃工作，如：衛星關鍵單機耗損特性和隨機失效特性的在軌剩余壽命預測值、衛星在空間環境影響下的態勢/風險評估值等，支撐開展單機切換、軟件重構等維護操作。

(2)地面運控系統維護。以地面運控系統可用性和風險限值為目標，以設備/軟件自動切換時間和順序、單點薄弱環節、設備剩余壽命、備品備件保障、人員維護操作時間等為約束條件，利用遺傳算法、粒子群算法等優化算法，構建多目標的預測維護規劃模型，對地面運控系統進行預測性維護。

(3)星座系統維護。通過構建反映衛星/星座系統中每一個實體之間的相互影響關系和層次關系的網絡模型，對整個網絡系統的運行進行仿真，采用STK等成熟軟件工具，研究網絡中單個或多個衛星組合故障時，對系統的可用性、連續性、完好性、精度等的影響程度，同時根據衛星當前的健康狀態、所處的生命周期階段、性能預測趨勢，以及對系統任務的影響程度，判斷衛星網絡系統中的薄弱環節。

4 結束語

本文針對北斗衛星導航系統提出了數據驅動的健康管理體系，主要包括多源數據融合和分級健康管理。其中，多源數據融合是北斗系統健康管理的基礎，可綜合產品全生命周期數據，以及北斗系統內部和外部的有效數據，更有效地支撐北斗系統健康管理；分級健康管理策略分析研究北斗系統在運行過程中，單機級、系統級和星座級需進行的運行維護活動，形成了北斗系統分級健康管理方案，可為運行維護人員進一步優化目前北斗衛星導航系統健康管理體系提供有益借鑒，支撐進一步提升系統運行管理精細化水平。