航天測控健康管理技術研究

楊濤，余波

（1.中國電子科技集團公司第二十七研究所，河南 鄭州 450047；2.太原衛星發射中心，山西 太原 030027）

0 引 言

隨著信息技術的快速發展，航天測控系統功能越來越復雜，體系越來越龐大，影響設備可靠性的因素也就越來越多，設備故障的可能性增加，任何一個微小部件的故障都可能會導致系統功能退化或停止運行，因此設備的維修保障活動也就越來越重要。

裝備維修大致經歷三個階段：第一個階段是反應性維修，裝備故障后進行反應性的事后維修；第二階段是預防性維修，對裝備進行定期巡檢、維護等預防性的維修；第三個階段是視情維修（Condition Based Maintenance,CBM），主要是實現在正確的時間對正確的部件進行正確的維修。前兩個階段的維修方式存在諸多問題，反應性維修錯過了故障初期的最佳維修時間，導致裝備性能退化，引發功能性故障甚至系統性故障，導致維修時間和成本的增加；預防性維修不具備故障針對性，會在裝備正常情況下采取維修措施，影響正常使用，造成資源浪費。

視情維修是一種全新的維修方式，能夠滿足現代裝備維修保障需求，降低維修成本和故障風險。健康管理技術是視情維修的重要技術基礎，利用傳感器技術采集數據，并采用數據處理進行信息融合處理，生成裝備的健康狀態、故障預測等決策信息，進行維修決策以及壽命管理，提高裝備的可靠性。

1 發展現狀

PHM（Prognostic and Health Management）技術促使維修保障活動由傳統的反應性事后維修，到定期預防，再到實時監控、預測分析、綜合管理，受到各國的廣泛關注，分別采取了各種方式進行研究和開發。

1.1 國外發展現狀

PHM 概念20世紀后期首先由美國NASA 提出，目前其研究和應用領域已經遍及航空、航天、車輛、核電站以及大型水壩等，成為各種復雜裝備系統設計的重要組成部分。F-35 應用的PHM 技術是美國國防部倡導的基于狀態的維修技術的具體體現，代表了CBM 技術所能達到的最高水平。采用PHM 技術后飛機的故障不可復現率減少82%，維修人力減少20%～40%，后勤規模減小50%，出動架次率提高25%，保障費用減少了50%以上。

如今，PHM 技術的發展體現在以系統級集成應用為牽引，提高故障診斷與預測精度、擴展健康監控的應用對象范圍，支持CBM 的發展，進而建立起以PHM 為核心的自主式綜合保障體系。

1.2 國內發展現狀

PHM 技術在國內的研究和發展都處于起步階段，2005年北航曾聲奎論述了PHM 現狀，2006年國防科大木志高采用分布式結構，進行分析決策判斷。2008年哈工大張嘉鐘綜合理論將系統分為狀態檢測、狀態預報、故障診斷、故障評估及故障處理五類處理機制。空軍工程大學張亮提出了異常檢測、故障診斷推理機和故障預測三種推理機概念模型。2010年以來，PHM 研發及學術交流活動非?；钴S，有效推進了PHM 在國內的發展。整體來說，PHM 在國內仍需做大量深入的基礎技術研究、工程設計開發以及驗證工作。

2 測控系統健康管理功能

航天測控系統健康管理體系的建立首先需要開展健康管理系統的頂層設計，建立健康管理體系架構；然后由系統的最小可更換單元開始，從部件、分機、子系統、分系統等分層次設置監測點，通過傳感器實現系統健康狀態監測，并將評估預測結果反饋給測控系統，輔助測控系統更好地完成任務。

健康管理系統主要由兩個數據庫和六個功能模塊構成。兩個數據庫包括信息數據庫和知識數據庫，功能模塊包括數據采集與預處理、狀態監測、故障診斷、狀態評估、預測分析及裝備維護六類，具體構成如圖1所示。健康管理系統各功能模塊相對獨立，實現從狀態檢測、特征提取、故障診斷、綜合評估、趨勢預測以及維修決策的全過程管理，具備測站終端系統級自主設備健康管理能力，建立良好的人機交互與輔助決策機制，作為測站設備裝備維護與使用的主要設備管理平臺。系統整體架構如圖1所示。

圖1 健康管理架構示意圖

2.1 系統運行流程

健康管理系統硬件主要由信號采集單元和數據處理單元組成。信號采集單元將各類型傳感器通過串口和高、低速采集終端完成部分狀態數據和環境數據的采集，并通過光纜發送至數據處理單元；數據處理單元接收信號采集單元發送的采集數據，完成數據的存儲和轉發，實現數據本地處理或發送至中心進行處理兩種運行模式。

軟件采用C/S 架構，由客戶端軟件和服務器軟件組成?？蛻舳塑浖δ芗梢惑w化設計，完成實時狀態監測、故障診斷、綜合狀態評估、趨勢預測分析以及輔助裝備維修的任務；服務器軟件完成數據庫管理、裝備全壽命周期管理以及數據挖掘分析的任務。

一般來說，測控系統從功能上劃分為天伺饋、發射、接收、基帶、記錄、監控等多個分系統。PHM 系統作為測控系統的一個獨立分系統存在，統一納入系統監控體系，通過監控網實現對監控與測試環境搭建，完成狀態數據與自檢數據采集任務；通過數據網完成業務數據采集與測控計劃接收任務；通過中心網借助遠程會商平臺實現中心診斷及遠程支援，流程圖如圖2所示。

圖2 測控系統健康管理流程圖

2.2 數據庫

信息數據庫將各測控站診斷信息源分別建庫獨立存儲，存儲兩類信息：診斷信息源，主要包括監控命令、狀態信息、日志、標校測試結果、測控數據等狀態數據；用戶信息、計劃信息、歷史診斷報告、健康檔案、維修方案等裝備信息。

知識數據庫主要進行知識庫的運行管理，具有以下幾點功能：

（1）具備對故障診斷知識的獲取能力。首先根據信號判斷系統是否故障，然后通過對系統功能的分析確定故障可能發生位置，逐層分解，最終確定故障源，獲取故障信息。

（2）具備對業務知識和故障診斷知識進行管理的能力，確保知識的完備性和一致性。

（3）具備可復用性和可擴展性。知識庫的建立是一個長期積累的過程，應具備可復用性和可擴展性。在系統測試的過程中會不斷發現新的故障模式，一旦新故障模式被識別出來，即將有關的故障知識通過故障樹繪制的方式，添加到故障診斷知識庫中。

（4）具備對故障診斷知識的有效性檢測的能力，實現故障檢測知識庫中系統淺層知識的識別。淺層知識的表示方法是產生式規則，通過線性法、特征量閾值法等建立，主要用來檢測被測組、部件、子系統、分系統、系統故障和有效驗證。

2.3 功能模塊

健康管理系統采用松耦合形式，各個功能模塊相對獨立，具體模塊的功能設計為：

（1）數據采集與預處理功能：利用各種傳感器采集系統的相關參數信息，通過時間同步等算法進行數據歸一化預處理，同時消除異常數據，將數據處理成監測和評估要求的格式。

（2）狀態監測功能：狀態監測模塊主要是指實時監測設備關鍵部件的主要參數，完成異常值定位申報并主動推送，改變以往被動的工作模式，減輕系統巡檢的工作量。

（3）狀態評估功能：狀態評估模塊接收來自不同監測模塊以及其他健康評估模塊的數據，實現對系統的全范圍覆蓋，包括對關鍵部件、分系統、系統的狀態評估。

（4）故障診斷功能：故障診斷模塊接收來自狀態監測功能模塊的狀態信息以及狀態評估結果，分析設備狀態信息，完成故障診斷記錄并確定故障發生的可能性、對故障特征進行跟蹤與對比，進一步檢測故障和隔離以及設備健康狀態報警。

（5）預測分析功能：利用相關智能預測模型對設備的剩余使用壽命進行預測，結合設備運行機理和決策樹對可能發生的故障進行預測，為維修決策提供依據。

（6）裝備維護功能：綜合健康結果和裝備維修需求，整合維修資源，制定維護保養計劃，并向用戶提供裝備維護指導支持服務。

3 健康管理關鍵技術研究

健康管理根據多源數據進行融合，進而分析出故障模式，對系統進行狀態評估及預測，達到智能決策的目的，其關鍵技術主要包括數據采集、數據融合、圖形化處理、故障模式、健康評估與故障預測及智能推理與決策支持等方面，關鍵技術架構如圖3所示。

圖3 健康管理關鍵技術架構

3.1 傳感器數據采集技術

構建健康管理系統的數據基礎是利用傳感器（震動傳感器、溫度傳感器等）采集數據。傳感器可以將收集到的各種信息轉換成電信號或其他形式，然后就可以對和設備相關的信息進行進一步的整理和處理。現代化傳感器技術融合微電子、計算機和自動測試（ATE）等技術，具有接收信息、數據傳輸、發送信息、信息儲存以及數據處理的能力，實現傳感器的集成化、智能化和網絡化。

3.2 數據融合

健康管理系統建立遍歷全系統的監測點，獲取海量監測數據，需要利用數據融合技術在海量數據中剔除冗余數據，提取有效信息。數據融合技術在健康管理中的應用是數據分析的一個重要開端，直接影響后續工作量和健康管理的效率。如何快速有效地在海量原始數據中提取有用信息、發現數據模式、識別異常和找出隱含的關系是健康管理的重要基礎。

3.3 數據圖形化技術

數據圖形化技術是指把大量的數據通過基本的圖表、圖形或者3D 模型等顯示出來。通過后臺進行的數據處理和分析，圖形化顯示可以將數據所顯示的故障模式、裝備的狀態變化趨勢等信息直觀、形象地顯示給操作人員。通過圖形化展示給操作人員以簡單、明確指示、內含豐富且易掌握的方式來顯示裝備健康信息。

3.4 故障模式及影響

故障模式及影響主要研究故障發生和發展的規律，主要包括兩方面：故障發生的機理和故障發生的統計規律。故障發生的機理主要研究設備或者部件隨著物理、化學等內在或外在環境條件的變化發生的功能或性能上的變化，導致設備或部件不能正常工作的規律。故障發生的統計規律主要研究故障發生與設備狀態之間的變化關系，研究故障發展規律。

測控設備故障模式、影響及危害性（FMECA）研究主要包括：以FMECA 分析為基礎，研究典型的故障模式、故障演化與分布規律、故障機理，建立故障演化動態模型。

3.5 健康評估與故障預測技術

構建測控設備健康狀態評估指標體系、研究預測方法以及評估和故障預測模型，制定評定設備健康等級的指標等是健康評估與故障預測的重要研究內容。

設備健康狀態用設備健康指數HI 來表示，基于設備功能性能指標和安全要求得出，能夠定量的反映設備當前的健康狀態水平，并根據使用中反饋的數據對評估模型加以修正。

故障預測是綜合利用監測數據、環境數據、業務數據以及歷史數據等，借助智能推理技術評估部件或者系統的剩余使用壽命，預測出設備的未來健康狀態。目前，故障預測方法主要有：基于物理模型的故障預測技術、基于數據驅動的故障預測技術和基于知識經驗統計可靠性的故障預測技術。

3.6 智能推理與決策支持技術

主要對設備智能推理算法和維修決策支持推理算法進行研究。設備智能推理決策結合故障狀態評估狀況和健康診斷報告，提前向用戶推送合理的維修建議，建議內容包括檢查更換關鍵部件、設備降壓運行、購置備品備件以及維修資源分配等。

4 結 論

PHM 技術的發展是裝備智能化管理的一個重要基礎，可以保證裝備維修活動低成本、高效率、自動化、智能化的進行，開展基于測控系統的故障預測與健康管理技術的深入研究和推廣有助于加強軍用裝備質量管理模式的體系化、信息化發展，有助于提升測控裝備試驗保障能力。