航天器预测与健康管理技术研究

罗荣蒸 孙波 张雷 刘鹤

（北京空间飞行器总体设计部，北京 100094）

1 引言

航天器飞行任务复杂度高、运行环境恶劣，对系统可靠性和安全性都有极高的要求，实时监控、提前预警和自主智能管理将是未来航天器的主流发展方向。

预测与健康管理（Prognostics and Health Management，PHM）技术是一项根据系统历史状态和环境因素，评估当前健康状态、确定未来故障发生时间、计算有效寿命，以降低系统故障风险、保证可靠性的通用技术［1］。PHM 系统一般需要完成故障检测、故障鉴定与隔离、故障预测、健康评估和决策建议等功能［2］。

PHM 技术是在美国国防部（DoD）和美国国家航空航天局（NASA）的大力推动下不断发展、成熟起来的［3］，其发展过程可大致分为可靠性分析、故障分析与预测、综合诊断与系统监控、综合系统故障预测和健康管理5个阶段，起源要追溯到20 世纪50年代和60年代可靠性理论、环境试验和系统试验以及质量方法的诞生；70年代出现了诊断故障源和故障原因的技术，PHM 技术的发展已初露端倪；从80年代后期至90年代，综合诊断技术在美国航空航天研究领域盛行［4］，NASA 也于90年代初期适时提出了飞行器健康监控（Vehicle Health Monitoring，VHM）的概念［5］；20世纪末到21世纪初，NASA 引入了综合系统健康管理（Integrated Vehicle Health Management，IVHM ）的概念，以支持新一代可重复使用运载器（Reusable Launch Vehicle，RLV）的高性能要求［6］。进入21世纪，各领域的PHM 系统相继问世，推动着PHM 技术日益成熟并向实用化方向发展。

本文概述了PHM 基本结构和通用方法，随后总结了星地闭环的航天器PHM 体系结构和各个功能层级的关键技术，并对我国航天器PHM 技术的发展提出了建议。由于航天器PHM 技术还处在研究发展阶段，本文所提理论可供参考与讨论。

2 国内外航天器PHM 技术研究进展

目前国外航天器PHM 技术已经形成了基本完善的理论方法体系，并实现了部分工程应用；国内研究人员在理论方法和工程应用方面也进行了航天器PHM 技术的研究，但理论研究方面较多，工程应用较少，与国外相比仍有较大差距。

2．1 国外航天器PHM 技术研究进展

从20 世纪80年代开始，NASA 着重进行了PHM 技术在航天领域的需求分析，提出了IVHM等针对航天器应用的PHM 概念［7］。随后，俄罗斯、欧洲也对航天器PHM 技术进行了一系列研究。经过数十年的发展，国外学者总结了较为完整的PHM 方法体系，NASA 等机构也进行了一些PHM预警平台的搭载试验，并在“国际空间站”等航天器上得到了初步应用。

2．1．1 PHM 技术通用方法体系

马里兰大学J．Gu 和M．Pecht等人总结了PHM 的通用方法体系［1］，如图1所示。

健康管理过程可以分为三个阶段：

（1）有效寿命评估。根据设备或系统的设计数据，以故障现象模式为输入，进行故障模式与影响分析（FMEA），预测其未来健康状态及有效寿命。

（2）系统健康状态与故障预测。以有效寿命评估结果为依据，同时考虑敏感器数据、平台监视数据以及维修和检查记录，对故障模式和故障原理进行优先级划分。

（3）剩余寿命评估。在前两步基础上，融合集成数据和环境数据，对产品健康状态进行评估。由故障机理模型可以预测失效形式及失效时间，得到产品有效剩余寿命。并利用健康管理信息进行产品维修预报，实现全生命周期维护费用最小化、产品可用度最大化，或者其它实用功能。

图1 PHM 通用方法体系Fig．1 Universal methodology framework of PHM

2．1．2 NASA 典型航天器PHM 预警平台

1）基于数据挖掘的感应监视系统

感应监视系统（Inductive Monitoring System，IMS）是为应对深空探测的自主控制和状态监控要求，由Iversion公司开发的监控软件。它利用正常运行积累的历史数据或仿真数据，建立系统特征的正常知识库，当实时数据偏离正常库一定范围时，则认为出现了异常，或者将会出现异常，发出异常警报［8］。

IMS已经成功应用于NASA 的一些航空航天复杂系统，如航天飞机健康监控、空间站控制力矩陀螺故障检测、运载火箭推进系统状态监控、新一代可重复使用空间运载器状态监控等。其中，哥伦比亚航天飞机的IMS系统在起飞前就检测到了故障机翼温度的异常变化，明显优于传统的模型推理健康监控方法。另外，在故障前近15h，IMS 就检测到了“国际空间站”控制力矩陀螺（ISS-CMG1）的异常特征［9］。

IMS纯粹从数据出发，不必知道复杂的系统模型，适合分析处在复杂太空环境的航天器；缺点是当数据量不够大、不能覆盖所有正常类型时，虚警率会比较高，同时对于数据处理方法、数据类型选取经验有较高的要求。

2）基于模型推理的利文斯顿体系

利文斯顿（Livingstone）PHM 系统是一种基于模型的健康管理系统，由NASA 的艾姆斯研究中心（Ames Research Center，ARC）开发。最初作为深空一号（DS-1）探测器远程智能体试验的一部分而开发、验证，经过升级后又于2000年应用于地球观测-1（EO-1）卫星［10］，后来ARC与约翰逊航天中心（Johnson Space Center，JSC）、肯尼迪航天中心（Kennedy Space Center，KSC）协作，将该系统应用于X-34、X-37等可重复发射运载器上［11］，我国也有学者提出将该体系应用于飞船电源系统故障检测的设想［12］。

Livingstone系统最主要的特征是利用定性模型和传统人工智能推理技术，综合各个部件和子系统的健康信息，实现系统级的健康管理及重构控制。其次，Livingstone诊断算法的实质是基于模型的故障诊断，它对每个部件都用一个有限状态机建模，将整个航天器建模为一个并发异步状态机。借助并发状态机模型，Livingstone能够有效地跟踪由于控制指令或部件失效引起的状态改变。通过定性的抽象模型提取部件状态或者模式，并在此基础上抽象出系统行为，因此推理机的鲁棒性很强。

2．2 国内航天器PHM 技术研究进展

经过十多年的发展，国内航天器PHM 技术在理论研究和工程应用方面都取得了一些进展，有关健康管理的研究项目近年显著增多［13］，成为当前备受关注的研究热点。虽然已初步应用于一些航天系统的子系统级或部件级，但离完全实现工程化还有较大差距。

1）理论研究

进行了全面的技术引进工作。随着PHM 技术在欧美各个领域的广泛应用，20世纪末，国内学术界和工业界认识到PHM 综合管理技术的重要性，开展了大量的技术引进和理论分析工作。

探索建立适合我国航天器特点的PHM 体系架构。国内研究人员将先进的PHM 技术与我国航天器信息系统有机结合起来，进行了需求分析，提出了一些实用的PHM 体系结构以实现我国航天器在轨自主健康管理。早在1997年，程惠涛和黄文虎等人［14］就提出将灰色理论、预测技术和诊断专家系统相结合建立一个故障预报系统，并用该系统针对我国载人飞船的空间推进部分实现了故障预报；2003年，龙兵等人［15］详细阐述了我国新型航天器健康管理系统主要采用的技术，指出应采用从上至下的方案开发该集成健康管理系统。

开展了关键技术研究工作。国内研究人员对航天器PHM 中敏感器设置、数据传输、故障预测、状态监控和决策支持等关键技术进行了积极的探讨，提出了一些新的方法。孙博等人［16］采用时间序列方法对可以表征系统故障状态的特征参数的趋势进化进行预测；代京等人［17］提出从系统结构、功能、行为、故障和运作五方面要素来建立综合运载器系统健康评估推理模型。

2）工程应用领域实现初级健康管理

我国部分卫星已经能够实现部件及分系统的故障自主检测与隔离，如利用陀螺冗余构型信息、不同敏感器之间的关联关系可以实现卫星姿态敏感器在轨故障检测与隔离［18］，并实现了工程应用；“十一五”期间，航天东方红卫星有限公司开展了小卫星电源系统的故障预测研究；当前，卫星研制单位正在积极开展分系统和整星级PHM 技术的工程化研究，期望在不久的将来，能够实现航天器在轨自主健康管理。

3 航天器PHM 体系结构设计

对于任何系统产品，都是有了体系架构设计方案后才能进行详细设计并付诸实现，PHM 系统也不例外。随着PHM 技术在航空航天、车辆工程等工业各领域中的应用，出现了不同类型的PHM 系统，但其基本思想和原理是类似的，即通过信息分层、模块化和开放式体系的建立，高效获取复杂设备信息，实现数据处理、故障预测和健康评估等多级PHM 功能。

3．1 OSA-CBM 开放式体系结构

波音公司根据PHM 系统各项功能的逻辑关系，提出基于逻辑分层的健康管理体系结构，如图2所示，该结构体系已应用于无人作战空中飞行器（Unmanned Combat Air Vehicle，UCAV）和波音777［19］，并成为了PHM 顶层设计的基本思想。通过分层结构的信息处理方法，可以逐步提取出监控对象的有用信息，完成对复杂系统的故障预测和决策推理。在其基础上发展而来的视情维修开放式体系结 构（Open System Architecture for Condition Based Maintenance，OSA-CBM）已经在美国舰船系统、民用车辆等工业领域得到了应用，并被各大飞机制造商确定为实现飞行器综合健康管理的标准途径［20］，其中以F-35联合攻击机应用最为成熟，代表了最新的PHM 技术［21］。该体系框架结构如图3所示，将CBM 系统分成7个功能模块：①数据采集与传输模块；②数据处理模块；③状态监测模块；④健康评估模块；⑤故障预测模块；⑥自动推理决策模块；⑦人-机接口模块。其中，根据系统运行状态，在自动推理决策模块进行任务计划的反馈修正。

图2 基于逻辑分层的体系结构示意图Fig．2 System configuration based on logical layer

图3 OSA-CBM 体系结构Fig．3 Architecture of OSA-CBM

基于视情维修的PHM 技术是建立在成熟的可测试性设计基础之上的，尤其是机内测试（Built-in Test，BIT）技术的发展，使综合诊断和健康管理成为可能，而完善的可测试性设计需要设置大量的传感器来完成对系统信息的获取。由于测试点和传感器数量受重量限制，空间环境较为复杂且未知性较大，当前航天器可测试性设计和自检测水平不高，很难完成星上自主健康管理。因此，国内外都有学者设计星、地两部分构建PHM 系统，通过地面系统来辅助支持星上故障检测和健康管理。星地结合对数据传输的实时性和可靠性提出了更高的要求，需要星地信息传输系统将实时监控数据及时而准确地发送到地面系统，并将地面处理结果同样及时而准确地返回在轨PHM 系统。

3．2 星地协同三级闭环航天器PHM 体系结构设计

如前文所述，当前卫星可测试性设计水平不高，通过星上自主处理过程进行故障预测与健康管理存在局限之处。首先，故障预测算法复杂，且需要大量的历史数据作为支撑，这将占用星上大量的存储空间；其次，空间环境复杂，有些算法和模型需要进行实时调整，需要丰富的专家知识，这在星上很难提供；另外，故障预测的正确性和可用性指标目前在星上PHM 无法得到验证，需要地面通过历史故障案例进行分析。

我们采取星地协同三级闭环的工作模式来构建卫星PHM 系统，以更好地支持卫星在轨健康管理。

3．2．1 星地协同设计

如图4所示，卫星PHM 系统由星上和地面两部分组成，协同完成卫星的故障预测和健康管理任务。图中上半部分表示星上PHM 系统，负责信息采集、故障诊断及短期故障预测等自主健康管理工作，完成PHM 七层结构（如图2所示）中数据源层、数据处理层和状态监控层的全部功能，以及健康评估层和预测处理层部分简单的判断功能；下半部分表示地面PHM 系统，负责长期或复杂的故障预测工作，需要地面设备和人工辅助，完成健康评估层和预测处理层较为复杂的功能，以及决策支持层和表示层的功能。

图4 卫星PHM 系统体系结构图Fig．4 Structure of satellite’s PHM system

1）星上自主管理系统

采取主从模式，由一个PHM 主控制器和若干PHM 模块组成。

各PHM 模块内嵌在各分系统单机内，负责所在单机的健康信息采集、故障自检及与星上主PHM 控制器的信息交互。

PHM 主控制器负责整星PHM 系统的管理，完成三部分功能：首先，是各单机健康信息的采集、自检指令的发出以及整星健康信息的整合发送；其次，PHM 主控制器负责系统级故障诊断和预测工作；最后，负责星地PHM 信息传输中转，将卫星无法自主判断，需要地面支持的信息提取出来，通过遥测通道传输到地面，并将地面处理结果和操作建议返回到相应的星上分系统和单机设备。

2）地面辅助支持系统

主要由软件环境搭建而成，为卫星提供复杂故障诊断及长期故障预测服务。接收由PHM 主控制器整合，经遥测通道下传的卫星PHM 信息。经过分析处理后，生成分析报告，给出决策建议，为运行管理人员进行卫星状态管理提供依据。

3．2．2 三级闭环管理

从以上卫星PHM 系统的功能介绍不难看出，整个PHM 系统实际上采取的是三级闭环管理的运行机制，如图5所示。

图5 卫星PHM 系统功能结构图Fig．5 Function configuration of satellite’s PHM system

1）第一级闭环，单机自检

管理单元为每个单机的PHM 模块，这一级闭环能获得的健康信息最直接，可信度最高。通过设置传感器，单机PHM 模块获取实时信息，完成初步的故障诊断、隔离和预测，必要时进行单机转备份等应急处理操作，并将传感器信息与诊断结果传输给PHM 主控制器。

2）第二级闭环，卫星自主健康管理

管理单元是PHM 主控制器，该级闭环的信息来源于一级闭环提供的单机健康信息及功能信息，这一级获得的信息最丰富，可以综合系统运行情况快速进行某个单机或分系统的故障诊断和预测。

3）第三级闭环，地面辅助健康管理

这是一级星地闭环，管理单元是地面服务器，该级闭环扩展了卫星故障诊断和预测的时间范围，利用地面服务器的强大计算分析能力，进行中长期的复杂故障预测，增强卫星的健康管理能力。

以三级闭环为特征的PHM 系统体系设计，充分适应了现有卫星信息系统的技术特点，单机层PHM模块可以实现单机健康参数的高速采样，每个模块可以根据所在单机的不同特点设置采样频率，确保故障特征不被漏采；PHM 主控制器则可以对收集来的单机健康信息进行选择性处理，或者将采样由遥测通道下传，交由地面服务器处理，在占用有限信道资源的情况下实现复杂故障诊断与预测工作。

4 航天器PHM 关键技术分析

为了构建适用于航天器的PHM 系统，需要进行一系列关键技术的研究。本节根据航天器现有技术特点，分析了航天器PHM 技术各个功能层级的关键技术。

4．1 数据源层与数据处理层关键技术

机内测试（Built-in Test，BIT）技术，利用设计到系统和设备内的测试硬件和软件，对系统、设备全部或局部进行自动测试［22］，是完成航天器PHM 系统信息获取与数据初步处理的一项关键技术。当前，航天器具备简单的故障检测和故障隔离功能，但是没有形成专门的BIT 系统。

BIT 技术的基础是利用先进的传感器获取充足的信息。PHM 系统对航天器传感器的设计提出了更高的要求：一是需要获取更多与PHM 相关的卫星状态信息。当前航天器信息采集系统不是按PHM 系统需求进行设置的，许多故障预测所需的关键参数没有采集，很难进行高精度的故障预测分析。二是需要研究新型高性能传感器，以适应航天器复杂的工作条件和环境，同时还要兼顾到成本和可靠性。三是传感器（包括传感器的数目和定位）优化配置研究。NASA 根据新一代航天器PHM 系统的需要，提出了基于IEEE1451标准的开放式分层传感器网络，从系统层面进行数据采集和处理，较传统分布式布局有明显优势［23］。

BIT 技术的最大问题是虚警率过高，根据资料显示，美国F／A-18 等战斗机的BIT 虚警率高达85%［24］。有效降低BIT 虚警率可以从以下几方面着手：①通过连续监测、数据存储、延时判决等方法确定合理的动态测试容差，改变传统固定门限判别的策略；②采用重复测试方法和表决方法设置合理的故障提示和报警条件，避免遥控指令和环境干扰等带来的错误报警；③模块化和容错控制设计，提高BIT 的工作可靠性。

4．2 状态监控层与健康评估层关键技术

当前航天器已经能够实现有效的状态监控和部分单机在轨自主故障检测与故障隔离功能，但是离自主健康评估和智能管理还有较大差距。

航天器健康评估的基本过程如图6所示，主要需要解决两个方面的问题：一是健康评估指标体系的建立及其优化；二是快速、有效地对复杂设备健康状态进行评估，以满足健康状态评估的实时性和有效性要求。经过定义健康概念、确定评估原则、建立评估指标体系和明确健康评估方法4个步骤后，逐步生成设备级、分系统级和整星级的健康评估结果。通过总结经验，建立评估标准以指导航天器的健康评估，并在实践中不断完善健康评估标准。

图6 航天器健康评估总体技术框架Fig．6 General technical framework of spacecraft health assessment

4．3 预测处理层关键技术

故障预测技术的发展标志着PHM 技术的产生，是PHM 系统的显著特征，也是PHM 系统的核心和难点所在。这里的故障预测是指预测设备未来的健康状态，有两种形式：研究故障发生时间和研究设备剩余寿命。

从实际研究中应用较广泛的理论、方法和技术路线来看，可以将故障预测技术分为基于模型的故障预测技术（Model Based Approach）、基于知识的故障预测技术（Knowledge Based Approach）和基于数据的故障预测技术（Data Driven Approach）三大类［25］。如表1所示，3种方法各有利弊，选用哪种故障预测方法需要根据预测对象航天器的特点，结合具体故障算法的优缺点来确定。

表1 3种故障预测方法的比较Table 1 Comparison of three kinds of prognostics

4．4 决策支持层与表示层关键技术

由于大多数航天器无法返回地面进行维修，发生异常时只能进行在轨修复，因此，PHM 系统顶层的决策支持层和表示层显得尤其重要，它承担着综合历史和实时信息、进行自主健康管理决策或者为地面人员提供最优决策选择，并进行有效人机交互的任务。目前，具有代表性的几种决策支持系统（Decision Support System，DSS）有专家决策支持系统（IDSS），智能、交互式、集成化决策支持系统（I3DSS）和空间智能决策支持系统（SIDSS）等，其特点如表2所示。

表2 决策支持技术比较Table 2 Comparison of decision support systems

5 结束语

PHM 技术在航天器任务中的应用必然引起航天器总体设计思维、设计方法的变革。其发展和成熟将是一个长期的过程，在规划和研究时应注重：①总结经验，避免思路上不必要的失误。PHM 技术在航空、车辆工程等领域应用较为成熟，国外也进行了部分航天器PHM 技术在轨试验。因此，既要借鉴PHM 技术在其它领域尤其是航空领域的成功经验，也要及时跟踪国外航天器PHM 技术的研究进展。②多专业、多学科并行发展。PHM 系统需要实现故障诊断、故障预测、健康评估和决策建议等多重功能，融合了信号处理、系统集成、决策支持和信息管理等多学科知识、多领域技术于一体，是一项新型的综合性技术。③突出重点，首先突破各项关键技术的研究。通过预先研究，完成机内测试（BIT）、健康评估、故障预测和决策支持等关键技术的研究，为构建完整的航天器PHM 系统奠定基础。

本文在分析总结航天器PHM 技术研究现状之后，提出了星地协同三级闭环航天器PHM 体系设计方案，并分析了PHM 系统各功能层级的关键技术，供相关研究人员参考与讨论，旨在促进PHM 技术在航天器中的应用。

（References）

［1］Pecht M G．Prognostics and health management of electronics［M］．New York：Wiley-Interscience，2008

［2］Malin J T，Oliver P J．Making technology ready：Integrated systems health management［R］．Washington D．C．：NASA，2007

［3］Department of Defense．5000．02Policy document，operation of the defense acquisition system，section 8-operations and support phase department of defense［R］．Washington D．C．：Defense Pentagon，2008

［4］Andrew S L，Green J．Future direction and development of Engine Health Monitoring（EHM）within the United States［R］．Washington D．C．：NASA，1998

［5］Walter H E，Jones W G．Vehicle health management technology needs［C］／／AIAA Space Programs and Technologies Conference．Washington D．C．：AIAA，1992

［6］Fernando F，Kevin M．Integrated systems health management for intelligent systems［R］．Washington D．C．：NASA，2011

［7］Johnson S B．Introduction to system health engineering and management in aerospace［R］．Washington D．C．：NASA，2006

［8］Iverson D L．Inductive system health monitoring，AIAA 2004-8062［R］．Washington D．C．：AIAA，2004

［9］Spirkovska L，Iverson D L，Hall D R，et al．Anomaly detection for next-generation space launch ground operations，AIAA 2010-7325［R］． Washington D．C．：AIAA，2010

［10］Daniel C．Model-based system-level health management for reusable launch vehicles［C］／／AIAA Space 2000Conference and Exposition，Washington D．C．：AIAA，2000

［11］Schwabacher M，Samuels J，Brownston L．The NASA integrated vehicle health management technology experiment for X-37［R］．Washington D．C．：NASA，2002

［12］Xue Jing，Ning Ning，Zhang Jun，et al．The livingstone model of a spacecraft power system［C］／／2010 International Conference on Measuring Technology and Mechatronics Automation （ICMTMA），Changsha：IEEE，2010：896-899

［13］Zhang Shunong，Kang Rui，He Xiaofei，et al．China’s efforts in prognostics and health management［J］．IEEE Transactions on Components and Packaging Technologies，2008，31（2）：509-518

［14］程惠涛，黄文虎，姜兴渭．基于灰色模型的故障预报技术及其在空间推进系统上的应用［J］．推进技术，1998，19（3）：74-77

Cheng Huitao，Huang Wenhu，Jiang Xingwei．Gray model based fault forecasting technique and its application in propulsion system of space［J］．Journal of Propulsion Technology，1998，19（3）：74-77（in Chinese）

［15］龙兵，孙振明，姜兴渭．航天器集成健康管理系统研究［J］．航天控制，2003，（2）：56-61

Long Bing，Sun Zhenming，Jiang Xingwei．A study of intergrated vehicle and ground health management technology for spacecrafts［J］．Aerospace Control，2003，（2）：56-61（in Chinese）

［16］孙博，康锐，张叔农．基于特征参数趋势进化的故障诊断和预测方法［J］．航空学报，2008，29（2）：393-398

Sun Bo，Kang Rui，Zhang Shunong．An approach to diagnostics and prognostics based on evolutionary feature parameters［J］．Acta Aeronautica et Astronautica Sinica，2008，29（2）：393-398（in Chinese）

［17］代京，张平，李行善，等．综合运载器健康管理健康评估技术研究［J］．宇航学报，2009，30（4）：1711-1721

Dai Jing，Zhang Ping，Li Xingshan，et al．Research on health assessment of integrated vehicle health management［J］．Journal of Astronautics，2009，30（4）：1711-1721（in Chinese）

［18］王立峰，杨慧，王金刚．星上惯性姿态敏感器故障诊断方法评述［J］．航天器工程，2009，18（3）：104-109

Wang Lifeng，Yang Hui，Wang Jingang．An overview of fault diagnosis methods for inertial sensing device on spacecraft［J］．Spacecraft Engineering，2009，18（3）：104-109（in Chinese）

［19］Felke T，Hadden G D，Miller D A，et al．Architectures for integrated vehicle health management，AIAA-2010-3433［R］．Washington D．C．：AIAA，2010

［20］Sreenuch T，Tsourdos A，Silson P．Application of the data distribution service for implementing OSA-CBM standard，AIAA-2011-1468［R］．Washington D．C．：AIAA，2011

［21］Hess A，Fila L．The Joint Strike Fighter（JSF）PHM concept：Potential impact on aging aircraft problems［C］／／Proceedings of 2002IEEE Aerospace Conference，Big Sky，Montana：IEEE，2002：3021-3026

［22］田仲，石君友．系统测试性设计分析与验证［M］．北京：北京航空航天大学出版社，2003

Tian Zhong，Shi Zhongyou．Testability design analysis and verification［M］．Beijing：Press of Beijing University of Aeronautics and Astronautics，2003 （in Chinese）

［23］Ulivieri N，Distante C，Luca T，et al．IEEE 1451．4：A way to standardize gas sensor［J］．Sensors and Actuators B，2006，114：141-151

［24］王仲生．智能故障诊断与容错控制［M］．西安：西北工业大学出版社，2005

Wang Zhongsheng．Intelligent fault diagnosis and fault-tolerant control［M］．Xi’an：NWPUP，2005（in Chinese）

［25］吕刚德，杨占才．故障预测与健康管理系统建模技术研究［J］．测控技术，2011，30（1）：59-63

Lv Gangde，Yang Zhancai．Study on prognostics and health management system modeling technology［J］．Measurement ＆ Control Technology，2011，30（1）：59-63（in Chinese）

［26］王媛湲，柴毅，李尚福，等．基于GIS的航天发射应急保障仿真与IDSS 的集成［J］．计算机仿真，2006，23（3）：31-33

Wang Yuanyuan，Chai Yi，Li Shangfu，et al．Integration of GIS-based spacecraft emergency safeguard simulation and IDSS［J］．Computer Simulation，2006，23（3）：31-33（in Chinese）