APP下载

国内航天器故障诊断技术应用状况分析与展望

2017-09-15魏炳翌

航空兵器 2017年4期
关键词:观测器残差航天器

张 威, 魏炳翌, 闻 新

( 1.北京石油化工学院 信息工程学院, 北京 102617; 2.南京航空航天大学 航天学院, 南京 210016)

国内航天器故障诊断技术应用状况分析与展望

张 威1, 魏炳翌2, 闻 新2

( 1.北京石油化工学院 信息工程学院, 北京 102617; 2.南京航空航天大学 航天学院, 南京 210016)

介绍了故障诊断系统组成, 以及航天器故障诊断技术的应用模式。 在综合国内外文献的基础上, 总结了我国航天器故障诊断技术的应用现状, 指出了各种方法的优缺点。 分析了航天器故障诊断技术在应用中存在的主要问题。 展望了未来航天器故障诊断技术的发展趋势。

航天器; 故障检测; 故障诊断; 容错; 人工智能

0 引 言

随着人类航天活动的不断增加, 在轨航天器数量日益增多, 航天器的健康状态也越来越受到关注和重视。 航天器发生故障后, 如不能及时准确地对故障进行检测和修复, 将会造成严重损失。 与此同时, 在过去的几十年里, 故障诊断技术作为新兴的综合性交叉学科, 已经初步形成了比较完善的体系[1-2]。 故障诊断的理论成果受到了从事航天器设计的工程技术人员和专家的广泛重视, 并在航天器应用方面取得了很多成果[3]。

本文归纳了近年来故障诊断理论体系的应用进展情况, 给出了航天器故障诊断技术的应用模式, 以及故障类型。 在此基础上, 总结了国内近年来航天器故障诊断研究所取得的成果, 展望了未来航天器故障诊断技术的发展方向。

1 故障诊断系统及在航天器系统中的应用模式

故障诊断系统指具有故障检测、 故障识别与隔离、 故障处理与补偿能力的系统, 如图1所示。 通常研究故障诊断系统就是研究如何设计一种推理算法, 包括利用测量值和理论值产生残差, 然后分析残差, 进而识别故障; 利用机器学习方法对正常数据与故障数据分类, 进而识别故障。 建立故障诊断系统的中心任务就是设计故障推理机制。

图1 故障诊断系统的诊断过程

Fig.1 Diagnostic process of fault diagnosis system

在航天器系统工程领域, 故障诊断理论应用模式主要体现在两个方面, 一个方面是嵌入式的故障诊断应用模式; 另一方面是分离式故障诊断应用模式。 所谓嵌入式故障诊断应用模式, 也称为在线应用, 或自主故障诊断, 就是将某种故障诊断思想直接渗透到系统设计中去, 例如要求航天器姿态控制系统具有故障自修复和系统自重构能力, 就需要在系统设计阶段就给予合理地考虑, 设计容错控制算法, 保证故障一旦发生, 可以把其消灭在萌芽状态[4-5]。

所谓分离式故障诊断应用模式, 是指故障诊断技术与被诊断对象处于分离状态, 也称离线应用, 即故障诊断推理系统和被诊断对象各自独立存在, 没有任何耦合关系。 一般这种应用表现为人在回路中的监测与监控系统, 即设计人员在天地往返遥测遥控回路中, 参与或辅助进行故障决策, 如我国神州飞船地面故障诊断系统、 航天器在轨地面综合监控系统等[6-7]。

从近几年航天器故障诊断应用来看, 对控制分系统、 推进分系统和主动式的热控分系统, 采用嵌入式应用的较多。 而对整星故障诊断, 通常采用分离式应用模式。 从应用角度看, 分离式的故障诊断应用模式发展较快, 嵌入式的应用模式大部分还处于试验阶段; 但是, 从未来发展看, 航天器要实现180天自主在轨运行, 实时嵌入式故障诊断应用模式将具有重要的前景。 另外, 进入星际空间飞行的航天器, 由于通信时延, 短则几天, 长则几年, 甚至更长, 所以必须具备自主故障维护能力。

2 航天器的故障分类

航天器故障现象是非常复杂的, 形式多种多样。 但目前航天器故障诊断应用基本上是按照故障位置和故障行为进行分类的。

2.1 故障位置

(1) 执行器故障

这种故障类型可以在具有执行器装备或器件的任何系统中被观察到, 通常对航天器的影响是致命的。 如航天器控制分系统[7]EchoStar V号卫星的动量轮出现“卡死” 故障, 导致燃料消耗增加, 但由于诊断及时, 没有影响整个卫星的正常运行, 只是缩短了2年的寿命[8]。

(2) 元部件故障

元部件故障是指由于元部件性能下降, 导致系统的动力学模型不能有效地表述系统各个物理量之间的动态关系, 通常会影响航天器有效地执行任务, 如GOES-9号卫星因动量轮缺乏润滑, 严重干扰了姿态系统的动态关系, 导致卫星姿态控制器不能很好地让相机拍摄到指定目标[9]。

(3) 传感器故障

传感器故障是指发生在测量装备或器件中的故障, 其故障表现为测量值和实际值之间存在的差异, 通常会影响航天器控制系统正常工作。 如文献[10]建立了红外地球敏感器正常情况和输出卡死情况的偏差关系模型。

2.2 故障行为

(1) 突发故障

突发故障是指系统的某个变量出现突然跳变的现象。 通常系统变量是一直稳定在一个规定的恒值, 当故障发生时, 会出现突变, 进而影响整个系统正常运行。 如航天器电源分系统故障有时会发生母线电压或电流的突变现象。

(2) 间歇故障

间歇故障表现为系统的故障时有时无, 这种类型的故障有时也会表现为周期性的。 如航天器的磁力矩器、 化学推进装置有时会出现这种故障现象。

(3) 缓变故障(隐患)

缓变故障是指故障渐渐地、 缓慢地由小变大。 通常, 一个在轨运行的航天器, 由于元件的逐渐老化, 最后会表现出这种故障现象。

3 故障识别/隔离技术

故障识别或隔离的任务是确定系统发生故障的类型和故障的位置。 由于系统故障类型的不同, 所产生的残差信息也是不同的。 通常, 故障隔离的决策是依靠残差信息, 对故障进行决策和分类。 根据系统故障类型的不同, 设计故障残差产生函数, 识别故障类型。 设计残差产生函数, 一般有两种方法, 如图2所示。

图2 故障隔离方法

Fig.2 Fault isolation

(1) 方向残差矢量设计方法

假设残差矢量的方向与故障类型存在一一对应的关系, 那么, 构造残差产生函数, 然后按照残差矢量方向, 识别故障类型, 进而确定故障位置。

(2) 结构残差矢量设计方法

构造故障残差产生函数, 使得其仅对一类故障敏感, 而对其他故障不敏感。 不过, 有时还需要通过适当加权或排列组合手段来区分两个类似的故障行为。

4 故障检测/隔离方法在航天器系统中应用现状分析

4.1 故障诊断技术发展的总体现状概述

随着航天活动的复杂性日益增加, 对航天器的可靠性要求越来越高, 国内以航天高校、 航天研究院所为代表的专家和学者们不断探索, 将最新故障诊断理论方法应用于航天器的故障诊断中。 在近几年里, 故障诊断理论自身的发展可以概括为三种体系方法, 如图3所示。 在这三种体系方法中, 航天器系统工程领域应用较多的是基于信号处理的方法, 其次是基于知识的方法, 但往往是以混合故障诊断方法的形式出现在应用系统中。 所谓混合故障诊断法, 就是将两种以上的故障诊断法进行有机地组合, 以并行或串行的工作方式进行应用[3, 11]。 基于解析模型的方法深受学者重视, 研究成果层出不穷, 并且具有非常好的创新性, 但目前不受航天工程师们的倾慕。

图3 故障检测理论方法

Fig.3 Theoretical method of fault detection

4.2 故障诊断技术及在航天器系统中的应用

4.2.1 基于信号处理的方法

(1) 等价空间法

等价空间法的基本思想是利用系统输入/输出的实际测量值来验证系统数学模型的等价性, 进而来检测故障。 文献[11]以航天器姿态控制系统为背景, 建立了定性/定量混合故障诊断模型, 然后利用案例推理和等价空间方程设计一种混合故障诊断方法。

等价空间法对于低阶动态系统而言, 计算量不大, 应用起来比较简单, 所以等价空间方法适用于低阶的、 线性的动态系统故障检测, 也可以应用于故障隔离。 对于高阶动态系统, 则需要简化处理, 进而克服计算量大的问题, 如文献[12]在建立等价空间方程产生残差之前, 先利用信号处理手段进行传感器最优配置。

(2) 界限检测与经验推理结合法

这是比较传统的方法, 但应用非常广泛。 该方法的基本原理是对正常范围有上下限遥测信息进行监测[13], 当其超出设定阈值时, 就认为该信息对应的设备发生故障, 如图4所示。 但有时需要结合自回归多项式模型进行故障预报, 以免对故障误报和漏报。

图4 界限检测与经验推理结合法

Fig.4 Combination method of boundary detection and empirical reasoning

目前, 这种方法经常与故障树推理或专家系统结合, 实现故障隔离。 如文献[6]以某卫星寿命末期蓄电池故障时的遥测温度数据为基础, 采用故障树分析方法, 确定个别设备在轨遥测温度异常变化的原因。 文献[14]以某型号卫星电源系统对星上负载的供电故障为例, 采用在轨遥测数据触发故障树, 实现故障定位。 文献[15]面向深空探测任务, 主动监测事实并触发知识推理故障诊断方法。

(3) 辅助信号的故障检测法

最近, 对“激活”这个词汇又出现了一种新的定义[16], 而且不同于以往“激活”的概念。 这里的“激活”是指利用一个“测试信号”与被检测系统进行交互式动作, 去寻找和发现被检测系统的故障。 这个“测试信号”也称为辅助信号, 被反复或周期性的注入到系统中去。 事实上, 这个“激活”的概念早已被国内研究人员应用于故障诊断算法仿真研究过程中, 只是没有相关论文给出叙述而已。

(4) 主元分析法( Principal Component Analysis, PCA)

利用统计分析方法研究多变量系统的故障诊断问题时, 变量个数大多将会增加解决问题的复杂性。 而在很多情形下, 变量之间往往会有一定的相关关系, 于是可以认为这些变量反映问题的信息是有重叠的。 PCA就是删除重叠变量, 建立尽可能少的新变量, 这些新变量在反映问题的信息方面应该尽可能保持原有的信息。

基于 PCA 进行故障检测与诊断的基本思想: 根据正常工况下的历史数据, 按照一定的标准, 建立能够表达正常情况时各变量关系的主元模型, 一旦实时测量数据与主元模型不符, 即可判断系统中有故障发生, 再通过测量数据中各变量变化对主元模型的破坏贡献率的分析, 进行故障诊断。 采用PCA理论进行故障诊断时, 不需要复杂的机理模型, 尤其适合复杂系统的故障诊断[17]。

文献[18] 根据卫星姿态控制系统的数据特征, 从统计学的角度对航天器的故障诊断进行研究, 采用PCA法对敏感器进行故障检测, 其检测过程的流程图如图5所示。 因为故障模式事先已知, 所以按照 PCA法的故障检测曲线的变化规律, 可以直接判断出敏感器的故障类型。

图5 故障检测流程图

Fig.5 The flow chart of fault detection

4.2.2 基于解析模型的方法

(1) 状态估计法

状态估计法包括观测器法、 Kalman滤波法和自适应滤波法等, 是目前论文成果呈现最多的一种故障检测方法。 只要能获得系统模型, 就可以在相同的输入信号下, 得到原系统的某一可测特征状态与观测系统对于该特征状态的估计值, 进而得到状态残差。 如果残差值为0, 则系统工作正常, 否则系统发生故障。 进一步, 通过对残差进行相应运算还可以对故障进行识别。 但对于航天器, 由于系统模型比较复杂, 以及外加干扰, 很难进行故障诊断, 所以需要适当的处理。 文献[19]利用未知输入观测器(UIO) 理论, 研究了非线性未知输入观测器对航天器姿态控制执行机构和敏感器故障检测。 文献[5] 对航天器在轨运行时存在执行机构失效故障和外部干扰问题, 运用迭代学习技术, 通过平滑处理来估计故障信息。 文献[20]设计一种鲁棒自适应滑模观测器, 然后利用这种观测器对执行机构的故障进行重构从而达到故障诊断的目的。 文献[21] 采用一组未知输入扩展卡尔曼滤波获得残差, 识别航天器飞轮的早期渐变型故障检测。

对于非线性系统, 这种方法计算量比较大, 往往面临着航天器星载计算机存储空间和计算能力有限的问题, 文献[22]提出了以状态观测器为基础, 利用互质分解技术和参数优化方法, 在故障检测的过程中, 避免了观测器的并行运行, 减少了计算量。

(2) 代数观测器法

目前, 故障诊断方法已经被应用于非线性系统。 所谓基于代数观测器方法, 是将故障视为不确定输入变量, 构造一种特定的观测器(可视为代数观测器), 而后进行代数求解。 文献[13]和文献[23]就是将故障或干扰看作一个未知状态, 结合动力学模型理论, 定义一个函数, 然后利用微分代数构造观测器, 实现非线性系统的故障诊断。

类似的, 文献[24]针对一类满足Lipschitz 条件的非线性系统, 以三轴稳定卫星的姿态控制系统为对象, 研究了未知扰动(执行器故障带来的未知扰动)对非线性系统的影响, 设计了一组非线性未知输入观测器, 产生结构化的残差集, 实现非线性系统执行器的故障隔离。

4.2.3 基于人工智能方法

(1) 数据挖掘法

数据挖掘方法的核心思想是通过对历史数据的分析来获取系统运行的状态和故障知识, 从而解决了故障知识获取困难的问题。 1999年中国航天五院对飞船地面测试系统输出的大量数据, 采用了计算机专家系统挖掘故障征兆。 在飞船应用经验基础上, 2003年中国航天科工集团研发中心与航天测控公司, 研制出了智能导弹武器综合测试与诊断系统。

随着计算机与人工智能技术的发展, 数据挖掘理论成果不断涌现。 目前, 基于数据挖掘的航天器故障诊断技术的本质就是最大化的利用历史积累的遥测数据来获取或确定系统的行为模型, 同时结合设计人员的工程经验及时地发现并处理航天器出现的或潜在的故障。 如文献[25]将最新数据挖掘成果应用于航天器遥测数据分析, 获取各种故障知识。 文献[26]利用传统残差故障检测思想, 建立了卫星各分系统耦合的整星模拟器, 通过卫星遥测与模拟器预测值形成残差, 挖掘故障信息和诊断知识。

(2) 软件计算方法

纵观故障诊断方法, 在工程应用需求的推动下, 基于数学模型的方法与人工智能技术结合的故障诊断方法迅速发展起来, 如基于神经网络和模糊神经网络智能观测器, 也称为神经网络观测器, 产生故障检测残差信息[27-30]。 文献[31]设计了一种基于自组织模糊神经网络方法的卫星执行器故障诊断方法, 采用两个自组织神经网络, 一个用于执行器故障检测, 另一个用于执行器故障隔离。 目前, 该方法在航天器应用方面的成果很多, 这里不一一叙述。

(3) 蒙特卡罗方法

在第二次世界大战期间, 研制原子弹“曼哈顿计划”的成员S. Ulam和Nicholas Metropolis提出了蒙特卡罗方法, 并用世界著名赌城Monte Carlo(蒙特卡罗)来命名这种方法, 也称为粒子滤波方法。 在大量问题的解决方案中, 该方法依赖于使用随机数和概率分布, 能够给予准确概率的误差和有限长度的识别数据的描述。 在故障诊断应用中, 蒙特卡洛方法的原理是通过在母体中的随机抽样, 模拟故障发生的概率, 可以判断哪种故障比较容易发生以及影响故障的因素, 从而重点监测主要因素[32]。

4.2.4 故障诊断方法在航天器系统中的应用

(1) 在卫星系统中的应用

在我国神舟飞船研制的早期, 哈尔滨工业大学、 北京航空航天大学和航天五院等单位就开始探索飞船地面故障模拟仿真系统。 当时曾借鉴俄罗斯联盟号在轨运行故障分析的思路, 利用两艘飞船, 一艘在太空运行, 另一艘在地面实验室同步运行, 通过遥测数据对比进行故障识别与模拟分析。

在今天的互联网时代, 文献[33]从平行系统理论的角度, 面向卫星设计了一套卫星故障诊断方法, 如图6所示。 这种方法需要构造一个类似的实物, 也称数字卫星。 数字卫星与真实卫星同步运行, 它们的原理、 模型、 输入和输出保持一致, 真实卫星在太空运行, 数字卫星在实验室运行。 正常情况下两颗卫星在轨运行产生的遥测数据比对残差很小, 基本保持一致。

图6 物理冗余的故障诊断方法

Fig.6 Fault diagnosis method for physical redundancy

这种方法的优点是不需要大量的计算, 不受系统建模误差和一些不确定因素带来的干扰等问题的影响, 而且还能够大幅度降低对工程经验和历史数据的依赖程度。 十几年前, 这种方法的成本比较高, 但在当下, 因为计算机虚拟现实仿真技术的发展, 使该方法的成本大大降低。

(2) 在载人航天中的应用

根据文献报道, 目前有两个优秀的故障诊断系统平台。 一个是美国Gensym公司开发的实时智能系统软件G2, 它一直被认为是实时智能领域最优秀的软件开发平台之一。 20世纪90年代末, 航天五院最早将G2平台应用于飞船各个分系统的地面测试与诊断推理系统中。 最近, 文献[34]开发出了一种以典型卫星控制系统为对象的故障诊断专家系统, 将G2外部接口进行了扩展设计, 在半物理仿真平台上注入典型故障进行了演示验证。

(3) 在火星探测器中的应用

另一个优秀的故障诊断系统平台是由NASA 开发的Livingstone开源软件系统, 它是一个基于定性模型的故障诊断和恢复引擎。 它使用一组多层次的定性逻辑模型来描述系统的行为, 能够在最小人工干预的情况下实现对火星探测器的故障检测和诊断, 具有诊断并发出现的多项故障, 该系统也被成功地应用到EO-1以及其他自主系统中。 文献[35]以火星探测器推进系统的简化模型为背景, 通过 Livingstone 引擎自动分析异常的传感器数据, 得出良好的故障诊断效果。

5 故障诊断技术在航天器应用中所面临的问题

目前, 故障诊断理论在航天器系统工程应用过程中, 还面临着一些瓶颈问题。

(1) 必备的先验知识

故障诊断理论的应用往往需要建立一种定量数学关系式。 通常, 航天器的物理模型和动力学、 运动学方程对于故障诊断是十分重要的, 而故障发生的先验知识对证明所定义的系统模型结构的正确性非常有用。 在航天器系统中, 有些分系统存在先验知识[36], 但另一些分系统则缺乏先验知识或先验知识不完备[37-38]。

(2) 知识的表述

每一种故障诊断方法都对应一类故障知识表述, 目前主要有两种方法获取知识表述:

a. 分析性的知识描述

通过物理定律、 测量模型, 或观察得到故障知识, 来建立故障征兆关系, 或建立规则推理方法, 但理论模型与实际系统不总是完全对应的。

b. 启发性的知识描述

这些知识是潜在性的, 不能作为一种分析性的知识直接表述出来, 它必须通过反复实验, 或通过几年之后的运行实践才能获取。 航天器的行为, 需要在特定的环境下才能显现出来, 不是一天就能够看到, 例如载人航天机体共振频率与心脏跳动频率相同, 如果不进行载人航天活动是不可能预知的, 所以这样的故障推理知识很难被包容在故障诊断设计过程中。

(3) 故障征兆的统计分布特征

在某些情况下, 对于一个航天器分系统的故障诊断, 需要利用实验数据, 并按照统计模式定义数据。 系统的故障征兆特征来自于:

a. 模型参数估计;

b. 测量参数与正常参数的偏差。

为了获取这类故障特征, 需要施加特定的输入给航天器, 这就要求航天器必须有承受短时间故障行为的能力, 由此增加了航天器的成本和复杂性。

(4) 多故障隔离[39]

在故障检测之后, 如何对故障进行迅速定位, 有助于航天器解决故障问题, 提高稳定性。

6 未来航天器故障诊断技术的发展前景

计算机技术、 信号处理、 人工智能、 模式识别技术的发展, 促进了故障诊断技术的不断进步。 基于信号处理和人工智能的故障诊断方法在航天器领域取得了一定的应用成果。 基于解析模型的故障诊断方法尽管没有实际应用成果报道, 但因为该方法具有概念清晰、 理论完善和思想创新等特征, 对于推动故障诊断技术在航天系统中的应用, 起到了较大的促进作用。 未来故障诊断在航天中的应用研究主要集中在以下几个方面:

(1) 尝试将一些新的故障诊断理论引入到航天器的应用之中, 如应用支持向量机分类法的故障诊断[40]、 基于遗传算法的故障诊断[41]、 基于机器学习方法的故障诊断、 基于大数据应用的方法等。

(2) 在故障检测过程中, 不能只考虑单故障发生, 需要考虑多故障同时发生的情况。

(3) 基于混合方法的故障预测能够结合各种单一方法的优点, 并且很好地实现对系统的故障预测, 所以这方面问题将成为未来航天器故障诊断领域的一个研究热点问题。

(4) 由于日益增长的航天器任务复杂性和航天器长寿命需求, 自主故障诊断系统的可靠性及与航天器分系统的集成问题, 将是未来航天器设计的关键技术之一。

(5) 近年来, 航天器群编队飞行完成任务受到航天领域的广泛关注, 进一步考虑小卫星编队飞行的故障诊断策略, 也是未来工作的研究方向[42]。

(6) 当今世界正进入第三次产业革命阶段, 互联网技术、 物联网技术、 云计算技术、 人工智能技术、 大数据采集与挖掘技术等即将成为复杂工业系统的主流, 所以故障诊断方法的探索应该紧密结合这些新技术。

7 结 束 语

近年来, 国内关于航天器故障诊断技术方面的研究和应用成果很多, 从文献分析看, 目前航天器故障诊断的应用成果主要体现在航天器的地面测试, 或航天器过境时离线诊断方面, 至于嵌入式的自主故障诊断成果还不多见。 与美国NASA和欧空局相比, 还有很大差距。 但从未来发展看, 到2020年我国将完成空间站和探月三期建设, 实现“北斗”导航卫星全球覆盖和发射火星探测器, 这些任务的需求牵引作用, 将会使我国航天器故障诊断技术的应用再上一个台阶, 航天器在轨运行的自主故障诊断技术有望在未来五年内取得突破性成果。

[1] 周东华, 刘洋, 何潇.闭环系统故障诊断技术综述[J]. 自动化学报, 2013, 39(11): 1933-1942. Zhou Donghua, Liu Yang, He Xiao. Review on Fault Diagnosis Techniques for Closed-Loop Systems[J]. Acta Automatica Sinica, 2013, 39(11): 1933-1942. (in Chinese)

[2] 李娟, 周东华, 司小胜, 等. 微小故障诊断方法综述[J].控制理论与应用, 2012, 29(12): 1517-1529. Li Juan, Zhou Donghua, Si Xiaosheng, et al. Review of Incipient Fault Diagnosis Methods [J].Control Theory & Applications, 2012, 29(12): 1517-1529. (in Chinese)

[3] 姜连祥, 李华旺, 杨根庆, 等.航天器自主故障诊断技术研究进展[J].宇航学报, 2009, 30(4): 1320-1326. Jiang Lianxiang, Li Huawang, Yang Genqing, et al.A Survey of Spacecraft Autonomous Fault Diagnosis Research[J].Journal of Astronautics, 2009, 30(4): 1320-1326.(in Chinese)

[4] 刘伟杰, 谌颖.航天器空间自主交会故障诊断与容错控制的集成设计[J].航天控制, 2015, 33(3): 38-44. Liu Weijie, Chen Ying. Integrated Design of Fault Diagnosis and Faul Tolerant Control for Spacecraft Autonomous Rendezvous[J].Aerospace Control, 2015, 33(3): 38-44.(in Chinese)

[5] 肖冰, 胡庆雷, 马广富.基于观测器的航天器执行机构失效故障重构[J].宇航学报, 2011, 32(2): 323-328. Xiao Bing, Hu Qinglei, Ma Guangfu. Observer Based Fault Reconstruction for Spacecraft under Loss of Actuator Effectiveness [J].Journal of Astronautics, 2011, 32(2): 323-328.(in Chinese)

[6] 李国强, 耿利寅, 童叶龙, 等.一种基于遥测温度的航天器在轨故障分析方法[J].航天器工程, 2012, 21(2): 56-61. Li Guoqiang, Geng Liyin, Tong Yelong, et al. Study on Fault Analysis of Spacerafte Based on Telemetered Teperature[J]. Spacecraft Engineering, 2012, 21(2): 56-61.(in Chinese)

[7] 王振华, 张淼, 沈毅.卫星姿态控制系统执行器故障检测与分离[J]. 哈尔滨工业大学学报, 2013, 45(2): 72-76. Wang Zhenhua, Zhang Miao, Shen Yi. Actuator Fault Detection and Isolation for the Attitude Control System of Satellite[J].Journal of Harbin Innstitute of Technology, 2013, 45(2): 72-76.(in Chinese)

[8] 闻新, 张兴旺, 秦钰琦, 等. 国外航天器在轨故障模式统计与分析[J].质量可靠性, 2014(6): 13-18. Wen Xin, Zhang Xingwang, Qin Yuqi, et al. Statistics and Analysis for Foreign Spacecraft in Orbit Failure Mode[J]. Journal of Quality Reliability, 2014(6): 13-18.(in Chinese)

[9] 刘睿, 李朋, 周军, 等.基于模型重构的航天器部件级故障建模方法[J]. 西北工业大学学报, 2014, 32(4): 546-549. Liu Rui, Li Peng, Zhou Jun, et al. Fault Model Construction Method Based on Model Reconfiguration[J].Joural of Northwestern Polytehnical University, 2014, 32(4): 546-549.(in Chinese)

[10] 岑朝辉, 魏蛟龙, 蒋睿, 等. Elman神经网络的红外地球敏感器实时故障诊断[J]. 振动、 测试与诊断, 2015, 30(5): 504-508. Cen Zhaohui, Wei Jiaolong, Jiang Rui, et al.Real Time Fault Diagnosis of Infrared Earth Sensor Using Elman Neural Network[J]. Journal of Vibration Measuerment & Diagnosis, 2015, 30(5): 504-508. (in Chinese)

[11] 任章, 李清东, 董磊, 等. 基于案例推理和等价空间的定性 /定量混合故障诊断方法[J].南京航空航天大学学报, 2011, 43(S1): 87-90. Ren Zhang, Li Qingdong, Dong Lei, et al. Qualitative /Quantitative Hybrid Fault Diagnosis Method Based on Case-Based Reasoning and Parity Space[J]. Journal of Nanjing University of Aeronautics & Astronautics, 2011, 43(S1): 87-90.(in Chinese)

[12] 桂卫华, 彭涛, Steven X D, 等. 基于传感器最优配置的等价空间故障检测方法[J].控制与决策, 2007, 22(7): 800-804. Gui Weihua, Peng Tao, Steven X D, et al. Parity Space Approach to Fault Detection Based on Optimal Sensor Location[J].Control and Decision, 2007, 22(7): 800-804.(in Chinese)

[13] 潘宇倩, 张弓, 白东炜, 等. 卫星健康管理故障诊断算法的设计及其实现[J]. 航天器工程, 2011, 20(5): 37-42. Pan Yuqian, Zhang Gong, Bai Dongwei, et al. Design and Implementation of Fault Diagnosis a Lgoithm for Satellite Health Management [J]. Spacecraft Engineering, 2011, 20(5): 37-42.(in Chinese)

[14] 邢晓辰, 蔡远文, 程龙, 等. 基于故障树的目标航天器在轨故障定位[J].兵工自动化, 2013, 32(10): 71-75. Xing Xiaochen, Cai Yuanwen, Cheng Long, et al. On-Orbit Fault Positioning of Target Spacecraft Based on Fault Tree[J].Ordnance Industry Automation, 2013, 32(10): 71-75.(in Chinese)

[15] 龚健, 杨桦, 赵玮, 等. 基于知识推理的航天器自主故障诊断方法[J].空间控制技术与应用, 2011, 37(4): 19-23. Gong Jian, Yang Hua, Zhao Wei, et al. Knowledge Inference Based Self Fault Diagnosis Method for Spacecraft[J]. Aerospace Control and Application, 2011, 37(4): 19-23.(in Chinese)

[16] Mogens B, Jan L, Michel K, et al. Diagnosis and Fault Tolerant Control[M]. Berlin Heidelberg: Springer, 2006.

[17] Nguyen H, Golinval J C. Fault Diagnosis Based on Kernel Principal Component Analysis[J]. Engineering Structures, 2010, 32(11): 3683-3691.

[18] 苏林, 尚朝轩.基于多元统计的卫星姿态控制系统故障诊断[J]. 系统仿真学报, 2010, 22(8): 1981-1985. Su Lin, Shang Chaoxuan. Fault Diagnosis of Satellite Attitude Control System Based on Multi-Variable Statistical Technology[J]. Journal of System Simulation, 2010, 22(8): 1981-1985.(in Chinese)

[19] 贾庆贤, 张迎春, 李化义, 等.卫星姿态控制系统鲁棒故障诊断方法[J]. 哈尔滨工业大学学报, 2011, 43(3): 19-22. Jia Qingxian, Zhang Yingchun, Li Huayi, et al. NUIO/LMI Based Robust Fault Diagnosis for Satellite Attitude Control System[J].Journal of Harbin Institute of Technology, 2011, 43(3): 19-22.(in Chinese)

[20] 吴丽娜, 张迎春, 赵石磊, 等. 滑模观测器在卫星姿控系统故障诊断中的应用[J]. 哈尔滨工业大学学报, 2011, 43(9): 14-18. Wu Lina, Zhang Yingchun, Zhao Shilei, et al. Sliding Mode Observer Usesd in Satellite Attitude Control System Fault Diagnosis[J]. Journal of Harbin Institute of Technology, 2011, 43(9): 14-18.(in Chinese)

[21] 吴红芳, 王志. 基于扩展卡尔曼滤波器的航天器姿控飞轮故障诊断[J].航天控制, 2012, 30(3): 34-38. Wu Hongfang, Wang Zhi. The Fault Diagnosis of Spacecraft Attitude Control Flywheel Based on Extended Kalman Filter[J]. Aerospace Control, 2012, 30(3): 34-38.(in Chinese)

[22] 刘文静, 王南华. 面向资源约束航天器控制系统的故障检测研究[J].宇航学报, 2011, 32(7): 1527-1533. Liu Wenjing, Wang Nanhua. FD for Spacecraft Control System with Resource Constraint[J]. Journal of Astronautics, 2011, 32(7): 1527-1533.(in Chinese)

[23] 王振华, 沈毅, 张筱磊. 基于增广观测器的非线性系统执行器故障诊断[J]. 宇航学报, 2012, 33(12): 1742-1746. Wang Zhenhua, Shen Yi, Zhang Xiaolei. Augmented Observer-Based Actuator Fault Diagnosis for Nonlinear Systems[J]. Journal of Astronautics, 2012, 33(12): 1742-1746.(in Chinese)

[24] 程瑶, 王日新, 徐敏强.基于非线性未知输入观测器的航天器故障诊断[J].深空探测学报, 2015, 2(3): 278-282. Cheng Yao, Wang Rixin, Xu Minqiang.Spacecraft Actuator Fault Diagnosis Based on Nonlinear Unknown Input Observer[J]. Journal of Deep Space Exploration, 2015, 2(3): 278-282.(in Chinese)

[25] 李权, 周兴社.基于测控数据挖掘的航天器故障诊断技术研究[J].计算机测量与控制, 2011, 19(3): 500-503. Li Quan, Zhou Xingshe. Spacecraft Fault Diagnosis Technology Based on Measurement and Control Data Mining[J]. Computer Measurement & Control, 2011, 19(3): 500-503.(in Chinese)

[26] 赵文, 董云峰.卫星在轨故障地面诊断系统设计[J].航天器工程, 2014, 23(3): 92-97. Zhao Wen, Dong Yunfeng. Design of Ground Diagnosis System for Satellite In-Orbit Fault [J]. Spacecraft Engineering, 2014, 23(3): 92-97.(in Chinese)

[27] 李明, 税爱社, 宋政辉, 等.基于广义回归神经网络的传感器故障诊断研究[J]. 传感器与微系统, 2009, 28(12): 17-20. Li Ming, Shui Aishe, Song Zhenghui, et al. Research on GRNN-Based Sensor Fault Diagnosis[J]. Transducer and Microsystem Technologies, 2009, 28(12): 17-20.(in Chinese)

[28] 李建伟, 税爱社, 宋政辉, 等. 基于神经网络的整流罩空调系统传感器故障诊断[J].后勤工程学院学报, 2013, 29(2): 52-58, 68. Li Jianwei, Shui Aishe, Song Zhenghui, et al. Sensor Fault Diagnosis for Air Conditioning System of Satellite Fairing Based on Neural Networks[J].Journal of Logistical Engineering University, 2013, 29(2): 52-58, 68.(in Chinese)

[29] 闻新, 张兴旺, 张威.基于HBF神经网络的自适应观测器[J].电子学报, 2015, 43(7): 1315-1319. Wen Xin, Zhang Xingwang, Zhang Wei. The Observer Design Based on HBF Neural Networks[J].Acta Electronica Sinica, 2015, 43(7): 1315-1319.(in Chinese)

[30] 闻新, 张兴旺. 基于凸组合算法优化的前向神经网络观测器设计[J].电子学报, 2015, 43 (11): 2167-2171. Wen Xin, Zhang Xingwang. The Observer Design of Feedforward Neural Networks Optimized by Convex Combination Algorithm[J].Acta Electronica Sinica, 2015, 43(11): 2167-2171.(in Chinese)

[31] 程月华, 姜斌, 杨明凯, 等. 应用自组织模糊神经网络估计卫星姿态系统执行机构故障[J]. 应用科学学报, 2010, 28(1): 72-76. Cheng Yuehua, Jiang Bin, Yang Mingkai, et al. Self-Organizing Fuzzy Neural Network-Based Actuator Fault Estimation for Satellite Attitude Systems[J]. Journal of Applied Sciences, 2010, 28(1): 72-76.(in Chinese)

[32] Marseguerra M, Zio E. Monte Carlo Simulation of Model Based Diagnosis in Dynamic Systems[J]. Reliability Engineering and System Safety, 2009, 94(2): 180-186.

[33] 张芸香, 武云丽, 李智斌, 等.基于G2的卫星控制系统故障诊断的半物理仿真技术[J]. 空间控制技术与应用, 2011, 37(1): 16-20. Zhang Yunxian, Wu Yunli, Li Zhibin, et al. G2 Based Hardware-in-Loop System for Fault Diagnosis of Satellite Control System[J]. Aerospace Control and Application, 2011, 37(1): 16-20.(in Chinese)

[34] 陈治佐, 刘兴钊, 吕高焕. Livingstone用于航天器推进系统故障诊断[J]. 太赫兹科学与电子信息学报, 2013, 11(5): 770-775. Chen Zhizuo, Liu Xingzhao, Lü Gaohuan.Fault Diagnosis of Spacecraft Propulsion System by Using Livingstone[J]. Journal of Terahertz Science and Electronic Information Technology, 2013, 11(5): 770-775.(in Chinese)

[35] 杨世龙, 董云峰.平行系统理论在卫星故障诊断领域的应用初探[J].军民两用技术与产品, 2015, 10(2): 70, 146. Yang Shilong, Dong Yunfeng. Parallel System Theory Applied in the Field of Satellite Fault Diagnosis [J].Dual Use Technologies & Products, 2015, 10(2): 70, 146.(in Chinese)

[36] 沈毅, 张筱磊, 王振华.基于 EMD 和有向因子图的航天器故障诊断[J].哈尔滨工业大学学报, 2013, 45(1): 19-24. Shen Yi, Zhang Xiaolei, Wang Zhenhua. Spacecraft Fault Diagnosis Based on Empirical Mode Decomposition and Directed Factor Graph[J].Journal of Harbin Institute of Technology, 2013, 45(1): 19-24.(in Chinese)

[37] 金洋, 王日新, 徐敏强. 基于分层传递系统模型的航天器故障诊断方法[J]. 航空学报, 2013, 34(2): 401-408. Jin Yang, Wang Rixin, Xu Minqiang. A Fault Diagnosis Approach for Spacecraft Based on Hierarchcal Transition System Model[J]. Acta Aeronautica et Astronautica Sinica, 2013, 34(2): 401-408.(in Chinese)

[38] Mousavi S, Khorasani K. Fault Detection of Reaction Wheels in Attitude Control Subsystem of Formation Flying Satellites: A Dynamic Neural Network-Based Approach[J]. International Journal of Intelligent Unmanned Systems, 2014, 2(1): 2-26.

[39] 蒋荣华, 王厚军, 龙兵. 大型复杂系统故障隔离智能优化策略[J]. 系统仿真学报, 2009, 21(3): 841-844. Jiang Ronghua, Wang Houjun, Long Bing. Large-Scale Complex System Fault Isolation Intelligent Optimal Strategy[J]. Journal of System Simulation, 2009, 21(3): 841-844.(in Chinese)

[40] Wu Qi. The Forecasting Model Based on Wavelet V-Support Vector Machine[J]. Expert Systems with Applications, 2009, 36(4): 7604-7610.

[41] Lin Xiangning, Ke Shuohao, Li Zhengtian, et al. A Fault Diagnosis Method of Power Systems Based on Improved Objective Function and Genetic Algorithm-Tabu Search[J]. IEEE Transactions on Power Delivery, 2010, 25(3): 1268-1274.

[42] Barua A, Khorasani K. Hierarchical Fault Diagnosis and Fuzzy Rule-Based Reasoning for Satellites Formation Flight[J]. IEEE Transactions on Aerospace & Electronic Systems, 2011, 47(4): 2435-2456.

ApplicationStatusAnalysisandProspectonSpacecraftFaultDiagnosisTechnologyinChina

ZhangWei1,WeiBingyi2,WenXin2

(1.CollegeofInformationEngineering,BeijingInstituteofPetrochemicalTechnology,Beijing102617,China; 2.CollegeofAstronautics,NanjingUniversityofAeronauticsandAstronautics,Nanjing210016,China)

The Composition of fault diagnosis system and the application model of spacecraft fault diagnaosis technology are introduced. Based on the review of domestic and international literatures, the application situation of spacecraft fault diagnosis technology is summarized, and the advantages and disadvantages of various methods are pointed out. The main problems in the application of spacecraft fault diagnosis technology are analyzed, and the prospect of this technology is given.

spacecraft; fault detection; fault diagnosis; fault tolerant; artifical intelligence

10.19297/j.cnki.41-1228/tj.2017.04.012

2016-12-29

国家自然科学基金项目(61571309; 61101161)

张威(1973-), 男, 北京人, 副教授, 研究方向是航天信息工程。

张威, 魏炳翌, 闻新. 国内航天器故障诊断技术应用状况分析与展望[ J]. 航空兵器, 2017( 4): 66-74. Zhang Wei, Wei Bingyi, Wen Xin. Application Status Analysis and Prospect on Spacecraft Fault Diagnosis Technology in China[ J]. Aero Weaponry, 2017( 4): 66-74. ( in Chinese)

TP277

: A

: 1673-5048(2017)04-0066-09

猜你喜欢

观测器残差航天器
2022 年第二季度航天器发射统计
基于残差-注意力和LSTM的心律失常心拍分类方法研究
基于双向GRU与残差拟合的车辆跟驰建模
基于滑模观测器的PMSM无位置传感器控制策略
基于非线性干扰观测器的航天器相对姿轨耦合控制
基于残差学习的自适应无人机目标跟踪算法
基于深度卷积的残差三生网络研究与应用
2019 年第二季度航天器发射统计
2018 年第三季度航天器发射统计
2018年第二季度航天器发射统计