航天器電源智能判讀規則框架構建與應用

楊同智 黨建成 劉廷玉 蔡先軍 潘耀

(上海衛星工程研究所，上海 201109)

航天器在軌運行環境嚴酷，潛在異常的擴散極易導致功能降級或失效，在軌電源故障占比高、失效影響大[1]。統計分析國內外衛星故障情況，電源故障占比約為27%，在電源故障中約14%的故障會導致任務的失敗，72%的故障對在軌任務有嚴重影響，如某合成孔徑雷達(SAR)衛星太陽電池陣部分失效，SAR載荷工作功耗大[2]，無法實現當圈能量平衡，任務執行頻次與時長減少了1/2以上，因而航天器電源健康狀態的監測判讀對于保障航天器穩定運行具有重要意義。文獻[3-9]中運用支持向量機(SVM)、長短時神經網絡(LSTM)和K最近鄰(KNN)等機器學習方法訓練電源故障診斷模型，進行航天器電源的智能判讀。機器學習判讀方法需要有大樣本數據支撐，且存在解釋性不足的問題，在小子樣航天器故障樣本稀疏場景下的應用受限。

基于機理知識的專家規則判讀具有機理清晰、結論明確的優點，是航天器地面測試與在軌監測的重要手段，在航天器故障診斷中發揮著重要作用[10]。當前，國內電源判讀規則制定缺乏指導性框架與模板，不利于規則的有效推開。在高效航天器集成測試與在軌運行維護形式下，需要研究如何快速有效形成基于機理知識的判讀規則，并集成到判讀系統中，提升航天器狀態監測的充分性與有效性。為此，本文對太陽電池陣-蓄電池組電源系統的運行機理與判讀方法論進行總結提煉，構建了適用的電源智能判讀規則框架，采用其他架構的航天器電源系統亦可參考。

1 電源智能判讀規則框架構建

電源系統本質上是一個能源流閉環控制系統，為航天器各個系統工作提供能源供給，系統存在冗余性信息，發電、輸電、變電、儲能各環節存在互相關聯、動態演變，因此通過系統化分析電源系統的工作機理與特性，從工作模式分析、冗余遙測一致性、遙測參數功能關聯、能源趨勢分析4個方面(如圖1所示)出發，提出了一整套的電源智能判讀規則框架。

圖1 電源智能判讀規則框架Fig.1 Intelligent interpretation rule framework for power system

1.1 基于工作模式分析的電源判讀

航天器電源系統是一個動態反饋系統，受能源輸入與母線負載波動影響，在不同的條件下具備不同的工作模式[11]。如圖2所示，電源隨工況變化在各個模式之間動態切換。

圖2 電源工作模式轉換Fig.2 Power system mode conversion

根據太陽電池陣供電與蓄電池充放電狀態，電源系統分為4個工作模式：太陽電池陣供電且蓄電池組不充不放(簡稱分流)、太陽電池陣供電且蓄電池組充電(簡稱充電)、太陽電池陣供電且蓄電池放電(簡稱聯合供電)、太陽電池陣不供電且蓄電池組放電(簡稱內電)。

為了有效監測電源的動態運行情況，提出了一種基于模式分析的電源異常檢測方法。其實現過程為：實時接收遙測數據，基于每拍遙測數據進行電源模式判定(圖3中虛框)，劃分為充電、分流、聯合供電、內電4個工作模式。模式判定過程中進行條件復核，若復核報錯，則退出檢測并上報異常，繼續接收下一拍遙測；若復核通過，則完成模式判定，轉入模式分析。比較當前模式與上一拍模式，若相鄰2拍模式跳變，則進行模式轉換合規性判斷；否則，進行模式條件一致性判斷。查找相應的判斷條件表，遍歷所有待判條件，判斷電源運行狀態是否正常，完成此拍遙測判讀。重復以上流程，接收下一拍遙測輸入，進行基于模式分析的電源異常檢測[12]。

注：IBDR為放電電流；ISAS為太陽電池陣電流；Ibus為母線負載電流；IBCR為充電電流；C1為外電狀態的電源控制器功耗電流；C2為放電狀態的電源控制器功耗電流；MEA為主誤差放大器；T1為MEA的外電狀態門限值；T2為MEA的放電狀態門限值。圖3 基于模式分析的電源判讀過程Fig.3 Power system interpretation process based on mode analysis

模式分析從模式轉換合規性與模式條件一致性2個方面開展。

1.1.1 模式轉換合規性判讀

模式轉換合規性判斷需求如表1所示，4種模式存在12種轉換。序號3～10這8種模式轉換，會通過模式報錯、母線電壓等直接遙測反映，不需要進行模式轉換判斷；序號11～12這2種模式轉換時直接進行報錯；因此只需要分析判斷序號1、序號2這2種模式轉換的合規性。

表1 模式轉換合規性判斷需求Table 1 Mode conversion compliance judgment requirements

通過查找相應的模式轉換判斷條件表進行合規性判斷。充電與分流模式的轉換判斷條件表如表2所示。其中：VBAT為蓄電池組電壓；Vd為蓄電池單體電壓；TBAT為蓄電池溫度。轉換條件一般為固定或可調的閾值比較，遵循從寬處理原則，放寬閾值條件(比理論值寬松)，在保障系統安全的同時降低虛警。

表2 模式轉換合規性判斷條件Table 2 Mode conversion compliance judgment conditions

1.1.2 模式條件一致性判讀

相鄰2拍遙測的電源模式相同，進行模式條件一致性判斷，判定模式的狀態是否匹配當前的條件。各模式條件一致性判斷需求如表3所示，理論上4種模式存在12種轉換，但由于不存在聯合供電→充電、內電→充電的模式轉換，實際為10種可能的轉換。其中：8種模式轉換可以通過母線電壓等直接遙測、模式報錯來檢驗，僅有充電到分流、分流到充電2種模式需要條件一致性判斷。

表3 模式條件一致性判斷需求Table 3 Mode condition consistency judgment requirements

通過查找相應的模式條件一致性判斷表進行模式與條件的匹配性判斷。充電與分流模式的條件一致性判斷表如表4所示，一致性判斷條件一般為固定或可調的閾值比較，遵循從嚴處理，收緊閾值條件(比理論值嚴格)，在保障系統安全的同時降低虛警。

綜上，通過實時判定電源工作模式，比較相鄰2拍遙測的模式變化，進行相應的模式轉換合規性、模式條件一致性判斷，實現電源異常的實時高效檢測。

1.2 基于冗余遙測一致性的電源判讀

航天器電源遙測間存在冗余，冗余信息表示的對象相同或相近，因此冗余信息間應保持一致?？梢酝ㄟ^冗余遙測一致性互校來檢測電源系統異常，冗余遙測一致性主要分為以下3類。

(1)同一物理量多源采集一致性。同一物理實體被多方采集，采集結果應彼此一致，比如地面測試設備有線采集、綜合電子分系統采集、電源分系統采集的母線電壓、母線電流、蓄電池電壓等應當一致。

(2)合成物理量與原始物理量一致性。電源部分產品既有總體遙測(如蓄電池組)，也有子部件遙測(如蓄電池單體)，子部件遙測的合成結果應與總體遙測一致，例如：太陽電池陣分陣電流合成量與太陽電池陣總電流遙測一致、蓄電池單體電壓合成量與蓄電池組電壓一致、蓄電池塊電壓合成量與蓄電池組電壓一致等。

(3)同類遙測相近。一些遙測雖然不是來自同一物理實體，但由于產品設計相同、工作環境相同、控制方式相同等原因，其遙測表征彼此應一致，比如2個太陽電池陣分陣電流相近，電池組A和B電壓相近，各蓄電池單體電壓相近，平臺蓄電池組A的溫度測點1，2，3，4采集值相近，各路放電電流相近，充電終止時間相近等。

1.3 基于遙測參數功能關聯的電源判讀

電源系統按照功能分為分流、充電、放電、均衡、測控管理等功能，各功能的部分遙測參數存在關聯性約束，各功能的控制狀態參數及其控制響應參數應關聯一致。因此，可以從功能關聯出發，設計如表5所示的遙測參數關聯分析的判讀規則，例如：太陽電池陣分流次序、充電鎖定狀態與充電電流關聯、放電電流與母線MEA關聯、充電電流大小與充電檔位狀態關聯、主備開關狀態與電壓量遙測關聯等功能關聯規則[13]。

表5 基于遙測參數功能關聯的電源判讀Table 5 Power system interpretation based on telemetry parameter function association

1.4 基于能源趨勢分析的電源判讀

能源趨勢分析從變化率、能源預估2個方面出發進行趨勢分析，及時預警[14]。對于變化率預警，通過時序遙測數據的機器學習模型對未來數據的預測值與真實值進行對比來發現故障[15]，也可基于數據差分分析方法，通過每分鐘溫升變化、n個遙測采樣的溫度變化進行溫度變化率評價，設置相應的變化率門限進行風險預警。能源預估主要關注能源平衡預警，對充電時間、放電時間預估[16]，設置放電時間門限，當放電時間不足時進行能源預警。如某衛星蓄電池組容量為60 Ah，放電深度為25%，準許放電電量為60×25%=15 A·h。初始值電池容量為空(不預估)，等待蓄電池充電鎖定狀態為1，初始化蓄電池組電量為60 A·h。

2 電源智能判讀規則框架應用

依據電源智能判讀規則框架，結合航天器的遙測測點布置，逐條梳理每一條規則的異常檢測功能與關聯遙測，每條規則定義自身的判讀規則代號為DY****。根據梳理的規則函數，利用LUA和Python語言編寫腳本函數[17]。例如：判讀規則DY0001描述的功能是判斷綜合電子采集的母線電壓遙測與地面設備有線采集的母線電壓遙測的一致性，關聯遙測為TMN0004和FKT001。將形成規則以LUA和Python腳本形式編寫并集成到測試判讀專家系統中[18]，進行規則判讀，報警信息推送至監視終端軟件進行報警監測，應用效果如圖4所示。

航天器綜合測試中，通過判讀規則發現分流次序異常，分流次序未按照北1～北7、南1～南7順序分流調節，規則遙測DY201報錯，如圖5所示。故障溯源為：通過滑環供電的轉接電纜存在節點短接，2個分陣正線短接，被同時調制，分流次序錯亂。此時，母線電壓正常，傳統遙測監測方法無法發現該問題。

航天器在軌監測中(如圖6所示)，針對航天器A路和B路充電電流的異常監測，充電電流動態范圍較大，單純監視一路電流無法及時發現異常，但是可以看出：A路和B路充電電流IA和IB由于來源于同一副太陽電池陣，具有強關聯性，遙測變動基本一致，基于冗余遙測一致性原理構建相應的判讀規則，二者差值應該穩定在0 A附近。因此，根據2拍遙測的關聯關系，采用充電電流IA-IB的遙測耦合模型分析，在差值由0 A變大時即可快速發現異常。

圖6 基于冗余遙測一致性的電源判讀實例Fig.6 An example of power system interpretation based on redundant telemetry consistency

在航天器地面測試與在軌監測工程應用中，構建的太陽電池陣-蓄電池組電源系統的判讀框架具有較強的通用性與指導性，已在多顆衛星上進行了廣泛的實例化應用，提升了電源系統異常的實時檢測能力，并多次發現深層次電源系統故障現象。

3 結束語

判讀規則是航天器智能診斷的重要依據，但是由于長期以來缺乏判讀規則的總體指導，導致整個航天器大量專家診斷知識依賴個人經驗，各航天器判讀規則質量參差不齊。本文從電源機理與判讀方法論出發，形成了航天器電源智能判讀規則框架，并結合航天器具體設計與遙測測點布置形成相應的判讀規則集，提升了電源智能判讀規則制定的規范性與充分性。該框架已應用于數十個航天器的地面測試與在軌監測中，增強了航天器電源測試判讀與健康監測能力。后續將進一步在航天器判讀規則的數據挖掘方面開展研究。