动力系统故障诊断技术

张利彬，易 航，李 璨，黄 辉，张学英

（北京宇航系统工程研究所，北京，100076）

动力系统故障诊断技术

张利彬，易 航，李 璨，黄 辉，张学英

（北京宇航系统工程研究所，北京，100076）

结合液体火箭动力系统对故障诊断技术的需求，介绍国外在运载火箭动力系统故障诊断领域的发展概况，并从理论研究和应用两方面重点介绍美国在此领域中的发展情况；同时结合中国在此领域中的发展现状，对中国运载火箭动力系统故障诊断的研究提出建议和展望。

动力系统；故障诊断；故障检测

0 引 言

液体火箭动力系统是运载火箭的重要组成部分，其结构复杂，系统耦合度较强，工作条件较为恶劣，一度使其成为运载火箭的故障敏感多发部位，并且故障的发生和发展具有快速性、破坏性大的特点。随着载人航天技术和低温动力系统的发展，对液体火箭动力系统工作的可靠性和安全性提出了越来越高的要求。一直以来国内外的许多研究者对液体火箭动力系统进行了深入的理论与应用研究[1～3]，特别是猎鹰9火箭所具备的飞行过程中发动机故障冗余能力，既保证了猎鹰火箭动力系统出现故障时，能够迅速进行故障定位和故障排除并最终取得发射成功，同时也展现未来发展方向：一是未来运载火箭应具备发动机重要参数射前检测与故障处理能力；二是未来运载火箭应具备飞行过程中的健康管理与控制重构能力。

国外对动力系统故障诊断的研究由来已久并持续升温。美国从20世纪60年代就开展相关研究，逐步经历发动机的故障模式收集、信息特征获取、智能算法研究和典型系统的工程应用等阶段[2,4]，目前比较成熟的故障诊断系统已经在工程中得到广泛应用，并取得显著效果；法国于20世纪90年代开发完成用于阿里安5火箭发动机的监测系统[5]，可实现在发动机发生严重故障时关闭发动机；德国于20世纪90年代研制了基于智能模式识别算法的液体火箭发动机专家系统[6]；欧空局在未来运载火箭技术方案中，将火箭动力系统健康监测作为主要分系统列入研制计划；俄罗斯已成功开发健康监测和寿命评估与预测系统[7]通过对其静态数据和动态数据实现对大功率液体火箭发动机（Rd-170）在地面试验和飞行后的技术状态评估；日本在H-2火箭接连发射失败后，逐步加大对飞行器的健康监控和故障诊断技术的投入力度，Sakamoto等人对H-2运载火箭的发动机实时监测技术做了分析[2]。

1 美国动力系统故障诊断技术

1.1 理论研究

20世纪70年代，美国在航天飞机主发动机（Space Shuttle Main engine，SSMe）研制中采用了工作参数红线阈值检测与报警的方法[1]；80年代中期，进一步优化了红线阈值监控的检测能力，开发了故障检测系统（System of anomaly and Fault detection，SaFd）用于SSMe地面试车中，通过涡轮泵系统的关键测量参数进行故障的门限检测，适用于发动机稳态工作过程[8]；80年代后期以来，相继在专用传感器技术、故障模式分析、故障诊断算法开发、故障处理与控制等方面进行大量的研究，为多个工程应用系统提供理论支撑[9]。

1.1.1 故障模式

20世纪80年代后期，美国对以SSMe为代表的液体火箭发动机故障模式进行了较为深入的研究，为火箭动力系统健康监控的系列研究奠定了基础。

1987年，美国收集和梳理了SSMe的相关故障履历数据，整理出SSMe故障模式与影响分析表，并按照专家经验准则，实现故障等级的划分，进而确定最关键的故障[9]；1990年，通过故障模式、影响与危害度分析方法得到SSMe等发动机的17种故障模式，其中高压氧化剂涡轮和燃料涡轮泵的故障占有较高比例，为SSMe故障模式库的建立提供依据[10]。

1.1.2 物理参数选择与特征获取

物理参数的正确选择与特征获取是动力系统健康监控技术研究和系统实现的基础，关系着动力系统健康监控的成败。在综合考虑参数的可测性和可实现性的同时确定监测的物理参数，选择和提取其合理的特征，以实现物理特征与故障模式映射关系的有效表达，从而达到监测参数与故障模式相对应的目的。例如针对发动机涡轮泵的故障检测，选取其振动加速度信号的均方根作为监测参数，既可以实现又能表征其故障特征。

1.1.3 故障诊断算法研究

火箭动力系统的故障诊断算法主要集中在信息处理、故障建模和人工智能等方面。

信息处理主要采用概率统计分析、聚类主成分分析和小波分析等数学方法。其中，概率统计分析方法的特点是通过数学概率统计的方法得到动力系统及其部件的变化规律，但是该方法需要有足够数据样本量的支撑。

故障建模法在自动控制领域得到广泛应用。在液体火箭动力系统故障诊断研究领域，目前应用较为成熟有基于对象状态估计、物理参数估计和时间序列等信号的动态建模和基于系统结构的静态建模两种，因此要求建立的模型与真实对象之间具有较好的一致性和性能符合性，能够良好地反映系统的真实状态。

应用于故障诊断的人工智能算法主要有定性推理、专家系统、模式识别和神经网络等方法。

a）定性推理：选择系统特性以约束的形式表示研究对象的系统特征，同时利用已知的系统信息，按照制定的定性推理策略，对系统的整体行为进行定性描述和解释。目前应用的定性推理方法主要有：定性过程理论（Qualitative process Theory，QTp）、定性模型方法（Qualitative Model approach，QMa）和符号有向图（Signed directed Graph，SdG）[11]等。

b）专家系统：是目前工程应用中较为信赖的实现方法，较典型的系统有：1）发动机数据分析专家系统（pre-launch expert System，pLeS）[12]；2）基于规则健康评估专家系统（Titan Health assessment expert System，THaeS）[8]；3）故障诊断专家系统（expert System for Fault diagnosis，eSFd）[2]；4）发动机数据解释专家系统（engine data Interpretation System，edIS）[3]。这些系统主要应用在发动机工作前准备或关机后分析等离线分析。

c）模式识别：其工作原理主要分两个步骤进行：1）根据发动机的历史数据和先验知识，建立发动机故障模式知识库；2）在发动机工作时，将获取的发动机当前工作状态参数与知识库中的参数进行对比，从而完成发动机的检测与定位。1990～1992年，联合技术研究中心UTRc开发的聚类算法[10]和LeRc研制的积累差检测算法（accumulative difference detection algorithm，adda）[10]和零模板算法（Zero Template algorithm，ZTa）先后将模式识别方法成功应用于SSMe的故障检测。

d）神经网络：基于神经训练建模的方法，优点是利用神经网络的自学习优势，自动生成训练模型，缺点是依赖样本数据，对于样本中不包含的数据没有自动识别和学习的能力。目前应用于液体火箭动力系统故障诊断的神经网络算法主要有多层神经网络、模糊神经网络、动态神经网络和混合神经网络等，这些方法大多基于数值仿真研究与试车数据检验的状态。

1.1.4 健康监控管理平台开发

目前，美国已有多家研究机构致力于火箭动力系统健康监控管理平台的开发和推广。Gensym公司完成G2实时专家系统开发平台的开发和完善[4]，同时，G2平台已被路易斯研究中心作为其研发火箭发动机实时诊断系统的开发平台；Qualtech系统公司的Teams系列软件被NaSa广泛应用于各个工程研制中；同时推进了ReaLITY-aLT公司开展航天动力系统的仿真建模研究[3]；科学监控公司开发的动力系统健康管理系统，其目标是实现动力系统多参数信息分析、实时状态检测、剩余寿命评估、全寿命周期健康管理和决策支持等[2]。

1.2 典型系统应用

20世纪70年代以来，美国在SSMe、空间运载等计划的指导下，相继开发了异常与故障检测系统（System for anomaly and Failure detection，SaFd）[8]、箭载智能推进系统的综合专家系统（Integrated expert System，IeS）[4]、试车后故障诊断系统（post Test diagnostic System，pTdS）[9]、事后分析的发动机数据解释系统（engine data Interpretation System，edIS）[12]和动力系统自动数据检测系统（automated propulsion data Screening，apdS）[11]等。目前，在NaSa开发的综合运载器健康管理（Integrated Vehicle Health Management，IVHM）[6]系统中，动力系统中的健康管理系统通过对有关发动机及其附件的各种工作参数和传感器信息的有效分析，从而获得发动机健康状态评估信息。

1.2.1 异常与故障检测系统

20世纪80年代，美国马歇尔飞行中心与Rocketdyne公司合作开发出异常与故障检测系统，其特点是采用阈值报警和冗余设计等技术，实现23路SSMe参数同时监测，并成功应用于SSMe的地面试车中[1]。其中阈值的分层优化方法较为成功，具体步骤为：第1阶段，根据同类型发动机历史数据得到第1级阈值；第2阶段，由第1阶段的阈值均值结合历史数据的方差得到第2阶段的阈值；第3阶段，由第2阶段阈值的均值和方差共同求出。

该系统比红线紧急关机系统能够更快捷地检测出系统故障，提高了可靠性。该系统更多适用于发动机稳态过程的监控，对故障的覆盖率较低。

1.2.2 健康监控系统

20世纪90年代初，美国联合技术研究中心就着手研究动力系统健康监控系统[9]。健康监控系统的功能框架如图1所示。

由图1可知，该系统主要由7个模块组成：a）系统任务管理模块，管理整个动力系统健康监控系统的工作；b）健康监控模块，综合所有实时健康参数的输出结果，并表决；c）传感器模块，用来同时获取动力系统监测参数的物理信息；d）数据记录模块，记录和存储所有传感器的输出数据；e）离线数据分析模块，完成历史数据的分析，并对现有算法进行验证：f）数据库管理模块，按照特定的优化表格实现对数据的组织、维护和管理；g）通讯模块，完成参数和信息的传送。

图1 健康监控系统的功能示意

该系统可对传感器数据、诊断算法和系统健康状态等进行综合评定，可以利用多种物理信息的相关性实现评估结果的相互验证，提高了故障检测能力，但其只能应用于离线分析。

1.2.3 综合运载器健康管理系统

近年来，NaSa组织开展了综合运载器健康管理系统的研究。其中较为优秀的是波音公司和艾姆斯研究中心为空天飞机X-37联合研制的Livingstone集成运载器健康管理系统[6]。

综合运载器健康管理系统如图2所示。

图2 综合运载器健康管理总体架构

由图2可知，该系统主要由航天运载器层、传感器层、管理软件层和诊断软件层等构成。其特点为，基于Livingstone模型从系统的角度上诊断和定位故障，结合实时条件对研究对象的相互关系进行自动推理。但是，该系统在工作时，对研究对象的结构和工作状态进行假设，且推理方法只适用于已知的系统。

1.2.4 先进健康管理系统

近年，马歇尔飞行中心与波音分公司合作开发出更为先进健康管理系统[4]。该系统典型特点是实时的故障检测系统，主要包括实时振动监控系统、线性发动机模型系统和光学羽流异常检测系统。实现步骤为：a）及时更新SSMe的中心控制器的内容，增强对涡轮自身的监测与保护；b）增加健康管理计算机，使用更为先进的算法检测故障和缓解发动机的异常行为造成的影响。

该系统的主要特点是：a）当发生灾难性故障时，可以在更理想的阶段终止航天任务；b）算法灵活、可扩展性强。该系统提高了航天运载器在发射和升空阶段的可靠性和安全性，为NaSa重点资助的对象之一。

2 中国动力系统故障诊断技术现状

2.1 理论研究

自1990年以来，中国针对大型火箭推进系统的健康监控技术进行了大量的研究工作，在应用神经网络、模糊数学、专家系统、故障树分析方法及遗传进化理论等进行故障检测与诊断算法的研究方面取得了大量的研究成果[13～17]。目前的大多研究主要针对火箭发动机展开，并且由于研究和应用历史较短，尚处于地面试验测试、数值仿真验证等阶段，针对火箭动力系统故障诊断的工程应用基本处于起步阶段。

2.2 典型应用

2.2.1 红线报警系统

主要用氢涡轮泵振动信号的检测来判断火箭发动机健康状态的好坏[13,14]，实现方法分为两种：一种是利用某种频率下的振动参数自相关系数和均方根值进行阈值判断，阈值范围根据历史数据确定；另一种是利用振动信号的频域分析提取特征量，利用智能神经网络构建诊断模型实现故障监测，缺点是对训练数据样本量要求较大，更适于离线状态分析，距实时工程应用有较大差距。

2.2.2 火箭发动机状态监控与故障诊断工程样机

火箭发动机状态监控与故障诊断工程样机系统是针对某型涡扇发动机研制的[15～17]，系统架构分为系统级、功能部件级和参数级，以实现发动机系统、功能部件、参数级别的故障检测与诊断。在故障检测与诊断算法方面，应用相对成熟的有神经网络、支持向量机和模糊理论等。但目前处于实验室样机阶段，尚需要真实数据的验证和完善。

3 结论与展望

加快动力系统故障诊断技术的工程化应用，是今后研究的出发点和落脚地，应从以下方面开展研究：

a）新型传感器研制及工程应用技术研究：一是新型传感器技术的研究与发展，包括微型嵌入式传感器、智能传感器等新型传感器的成功制造与使用；二是传感器工程应用技术的研究，传感器的工程应用首先要保证自身的高可靠性、高稳定和高准确性，用于液体火箭动力系统故障诊断的关键参数传感器的数据应精确与可靠，避免错误的传感器数据引起航天任务的终止或失败。

b）高效智能的健康监控技术研究：实时高效地完成火箭动力系统相应物理参数的获取、传输、处理和利用，是实现火箭动力系统故障诊断的前提和基础。随着智能技术，如专家系统、神经网络、模糊理论等的发展，液体火箭动力系统健康监控技术正向智能化的方向前进，将大大提高火箭动力系统健康监控的能力。

c）实时准确地健康监控技术研究：液体火箭动力系统的实时性健康监控包括试车过程点火前准备、点火和飞行过程等3个环节，其最终目的是通过对液体火箭动力系统预冷、增压、点火时泵前压力、飞行过程中的推力和增压压力等参数的监测，实时监控火箭动力系统的增压系统和发动机的工作状态，尽早地发现火箭动力系统的异常或故障，以便采取相应的措施，如紧急关机、启动发动机余度管理等，避免危险性或灾难性的事故发生，保障发射任务的成功。

d）液体火箭动力系统健康评估与决策支持系统研究：在动力系统试车阶段，立足于综合分析动力系统试车前后的健康状态，帮助研究者对火箭动力系统的可用性和试车成功与否提供评定依据，并用于指导和改善设计；在动力系统研制阶段，健康评估与决策支持系统可以对动力系统出现的故障尽快进行分析与定位，实现故障原因尽快定位，并指导采取相应措施；在火箭动力系统使用阶段，健康分析与评估系统可以为动力系统或关键单机的多次使用提供可靠的决策依据。

[1] Michael B. a candidate architecture for monitoring and control in chemical transfer propulsion systems[R]. NaSa-TM-103161, 1990 .

[2] Jue F K. Space shuttle main engine(SSMe) options for the future shuttle[R]. aIaa-2002-3758, 2002.

[3] Fiorucci T R, Lakin II d R. advanced engine health managementapplications of the SSMe real—time vibration monitoring system[R]. aIaa-2000-3622, 2000．

[4] dvidson M, Stephens J. advanced health management system for the space shuttle main engine[R]. aIaa-2004-3912, 2004.

[5] Guo T H, Merrill W. Real-time diagnostics for a reusable rocket engine[R]. NaSa-TM-105792, 1993.

[6] pettit c d, Barkhoudarian S. Reusable rocket engine advanced health management system:architecture and technology evaluation summary[R]. aIaa-99-2527, 1999．

[7] Venneri S. NaSa's space launch initiative[M]. Space and aeronautics committee on Science, 2002．

[8] Reilly d. System for anomaly and failure detection(SaFd) system development[R]. NaSa-cp-193907, 1993．

[9] Hawman. Health monitoring system for the SSMe-program overview[R]. aIaa-90-1987, 1990

[10] Nemeth e, anderson R. an advanced intelligent control system[R]. aIaa 92-3162, 1992．

[11] Nemeth e. Healthmanagement system for rocket engines[R]. NaSa cR-185223, 1990．

[12] Martin O H. enhancements to the engine data interpretation system(edIS)[R]. NaSa-cR-193363, 1993．

[13] 张育林，吴建军等. 液体火箭发动机健康监控技术[M]. 长沙: 国防科技大学出版社, 1998.

[14] 张振鹏. 液体发动机故障检测与诊断中的基础研究问题[J]. 推进技术, 2002, 23(5): 353-359.

[15] 陈启智. 液体火箭发动机故障检测与诊断研究的若干进展[J]. 宇航学报, 2003, 24(l): l-10.

[16] 杨尔辅, 张振鹏, 崔定军. 液发推力室和涡轮泵故障检测与诊断技术研究[J]. 北京航空航天大学学报, 1999, 25(5): 619-622．

[17] 谢光军. 液体火箭发动机涡轮泵实时故障检测技术及系统研究[d]. 长沙: 国防科学技术大学, 2006.

Fault diagnostics on dynamic System of Launch Vehicle

Zhang Li-bin, Yi Hang, Li can, Huang Hui, Zhang Xue-ying
(Beijing Institute of aerospace System engineering, Beijing, 100076)

With the demand of fault diagnosis techonology of dynamic system, this paper introduces the overseas development situation of fault diagnosis in launch vehicle dynamic system, and focuses on the development of theory research and typical application in USa. according to china’s situation in this area, suggestions and prospects of the research on fault diagnosis in launch vehicle dynamic system are proposed.

dynamic system; Fault diagnostics; Fault detection

Tp393.0

a

1004-7182(2016)01-0040-06

10.7654/j.issn.1004-7182.20160110

2014-11-20；

2015-12-28

张利彬（1982-），男，工程师，主要从事运载火箭健康管理系统设计