航天地面测控系统的健康管理应用*

余 涛

(中国西南电子技术研究所，成都 610036)

0 引 言

航天地面测控系统是航天器在轨运行的地面监测和控制节点，为航天器执行在轨任务提供支持保障。随着航天事业的快速发展，在轨航天器数目激增，同时也对地面测控系统的运行可靠性和稳定性提出了更高的要求。健康管理技术基于设备状态监测数据，利用各类故障诊断和状态评估模型，对设备运行工况进行综合评估分析，旨在通过全面掌握设备健康状态发展态势，及时排查设备故障和隐患，降低故障影响，提高设备运行可靠性。因此，在航天地面测控系统中引入健康管理技术也自然成为了发展的必然趋势。

健康管理技术在英美等国得到了深度研究和推广应用，已建成多个具有代表性的健康管理系统，包括F-35飞机故障预测与健康管理(Prognostics Health Management，PHM)系统[1]、NASA飞行器综合健康管理(Integrated Vehicle Health Management，IVHM)系统[2]、直升机健康与使用监控系统(Health and Usage Monitoring System,HUMS)[3]等。国内的健康管理技术起步较晚，相关研究主要集中于理论算法，尚未形成较为成熟的健康管理系统，但随着技术的发展和装备型号的技术攻关，在航空航天装备领域已取得了一定成果[4]。文献[5]对航空电子系统故障预测与健康管理体系结构进行了分析，从结构、功能分层和树形运行蓝图上进行了分析和设计。文献[6]针对航天测控设备提出了基于范例推理(Case Based Reasoning,CBR)和规则推理(Rule Based Reasoning, RBR)结合的故障诊断系统设计方案，给出了基于故障树模型的知识表示方法和诊断推理方法。文献[7]提出了基于案例推理的航天测控设备故障诊断方法，对故障案例的搜索及诊断效率较高。文献[8]针对遥感卫星接收系统给出了故障诊断专家系统设计方法。文献[9]对测控设备专家系统知识获取方法进行了研究分析。文献[10]对复杂系统健康状态评估技术的现状发展进行了研究综述。文献[11]针对无人机系统的健康状态评估方法进行了研究，通过三角模糊数和层次分析法结合，实现了对无人机健康状态的量化评估。文献[12]采用层次分析法实现对地基测控网的健康状态评估。

随着航天测控设备和健康管理技术的发展，健康管理系统已成为航天地面测控系统的重要组成部分。本文对航天地面测控系统健康管理体系、工作流程、业务模型进行了研究，并结合某型号装备的研制给出了应用实例。

1 健康管理体系

航天地面测控系统包括天伺馈分系统、发射分系统、接收分系统、基带分系统、时频分系统、标校分系统等多个分系统，各分系统又包含大量不同的设备与部件，对这样的复杂系统进行健康状态管理需要完成部件、设备、分系统、系统多层级的健康信息采集，并利用采集信息实现全系统的状态监视、故障诊断、健康状态评估、维修辅助决策等健康管理应用。

航天地面测控系统健康管理体系如图1所示，主要包括健康信息采集、健康管理知识库和健康管理应用服务。基于航天地面测控系统多层级的健康信息采集和健康业务知识对故障诊断、健康状态评估等健康管理业务提供数据和知识支撑，为航天地面测控系统设备提供运维保障服务。

图1 系统健康管理体系

健康信息采集实现对部件、设备、分系统、系统的多层级健康状态数据获取，以部件工作状态参数为基础，通过部署传感器采集部件工作电压、电流、温度、振动等各类工作状态参数，结合内置测试(Built in Test，BIT)、设备监控软件组件获取设备状态，并根据状态监视结果，按需进行链路测试和参数标校，获取业务分系统的功能、性能指标。汇集上述系统各级健康状态数据，作为健康管理应用服务的数据分析基础。

健康管理知识库保存了各级设备、部件的健康业务处理规则、模型和案例，以及各类历史健康数据，如故障监测知识、故障树诊断模型等，支撑相关健康管理应用服务的功能实现。

健康管理应用服务主要包括设备状态监视、故障诊断、健康状态评估和维修辅助决策，各业务功能通过上层应用调度，实现健康管理全业务服务的自动化闭环运行。首先针对实时采集的健康状态数据按需进行预处理，生成健康状态表征信息；然后利用监测点知识对各级设备、部件健康状态特征进行监视判别，发现异常状态时，自动调取对应设备的故障诊断和健康状态评估模型，对异常设备进行故障识别和定位，对系统健康状态进行评估，并根据评估结果生成维修建议，供运维人员参考执行，达到快速消除故障和预防潜在故障的目的。对于完成诊断的故障案例和健康评估结果自动保存至知识库，支持对后续异常事件的诊断处理。

2 健康业务模型

航天地面测控系统健康业务模型主要包括数据预处理与状态监视模型、故障诊断模型和健康状态评估模型，支撑对各级设备的健康管理应用服务。

2.1 数据预处理与状态监视

航天地面测控系统设备类型众多，各类型设备的状态采集数据存在着同类参数名称不一、量纲不一，以及直接采样参数难以表征采样部件健康特性的问题，因此需要对状态采集数据进行预处理，以满足状态监视和后续诊断、评估的处理需要。

数据预处理包括分类处理和信息综合处理。分类处理主要针对设备状态监测数据、天线跟踪数据等特定类型数据进行处理。设备状态监测数据处理按设备进行分类处理，针对不同设备的状态监测数据，进行平滑滤波、门限判决、信息关联、虚警剔除等处理。天线跟踪数据主要包括轨道数据、角跟踪数据、自动增益控制(Automatic Gain Control，AGC)电压、角误差电压等，可进行跟踪精度计算、角误差电压变化范围分析等。

信息综合处理针对多类型数据进行关联性分析、统计值计算、特征提取等，从海量采样数据中提取具备健康表征特性的关键参数信息，消除冗余数据，提高后续状态监视的处理的效率。

状态监视功能基于预处理后的健康状态数据及监测点知识进行实时故障监测。以频综单元为例，监测点知识为预处理后数据设定了多级监测门限，根据实时状态监测数据对部件状态进行判别。基于判别状态，支持对异常告警策略、维修处置建议等进行设定，以消除虚警及对不同部件的亚健康状态、故障状态进行灵活处置。此外，支持通过组合逻辑条件对关联参数进行筛选判断，提高故障监测能力。

2.2 故障诊断

航天地面测控系统包括多个分系统以及大量不同类型设备，面向不同类型的分系统和设备应采用对应的故障诊断模型对异常状态设备进行故障检测和诊断。

以天伺馈分系统为例，天伺馈分系统主要由天线、馈源、天线座、天线控制单元(Antenna Control Unit,ACU)、天线驱动单元(Antenna Drive Unit,ADU)等设备组成，包括机械设备和电气设备，因此分系统可能发生的故障也包括机械故障和电气故障。机械故障如天线座方位舱、俯仰舱等装置轴承部分因疲劳、腐蚀、磨损产生的性能下降，传动装置中齿轮箱出现齿轮损伤、折断或渗漏油，天线反射体背架老化造成的倾斜等。电气故障如天线伺服电机电源损坏、电路板烧损致输出拉低，ACU单元板线缆接触不良引起供电电压异常，驱动信号电路出现故障使得天线失去作用等。

针对上述故障机理较为明确的故障类型可采用故障树建模的方法进行设备故障模式构建，并应用于后续诊断过程中。设备故障树以设备功能故障作为顶事件，以故障监测点及各类测试结果作为底事件，并将导致顶事件发生的因素或因素组合按照逻辑关系进行逐级构造，最终形成顶事件故障的故障树模型。

以图2所示天线俯仰驱动故障树为例进行说明。顶事件为天线俯仰驱动故障，导致该顶事件发生的可能因素包括电源故障、天线故障、急停和缺相。4个节点通过或门进行连接，表示任一因素可导致顶事件发生，其中电源故障、急停和缺相为基本事件，可直接进行检测判断，不再往下细分。天线故障的导致因素可逐级向下分解为锁定电机故障、俯仰限位故障等，直至到监测点底事件，即通过监测点知识可直接判断的事件。故障树模型保存于健康管理知识库，由设备状态监测功能驱动，对发现的异常状态进行识别和模型检索、匹配，并使用对应的故障树模型进行自动化检测诊断。此外，对于无法直接采集的性能参数指标可通过基于故障树对应节点人工发起标校测试，获取相关参数指标，辅助进行故障检测和隔离。

针对故障机理不明确的故障类型无法通过知识库现有知识进行故障识别诊断，主要通过两类方法实现对未知故障诊断能力的扩展。第一类是专家系统。设备运维人员基于设备异常状态监视数据、标校测试结果和自身经验对设备故障类型、故障现象、故障单元、故障原因、推理方式、判决依据和维修处置建议进行归纳，形成专家知识，录入专家系统，逐步扩展对未知故障的识别诊断能力。第二类是数据驱动方法。在设备长期运行的过程中积累设备健康、异常、故障等状态下的工作状态数据，利用大量各健康状态下的样本数据，采用机器学习方法对设备故障特征进行提取，构建设备故障分类、识别模型，并应用于后续对同类故障的识别诊断。

图2 天线俯仰驱动故障树

2.3 健康状态评估

航天地面测控系统健康状态评估完成对系统、分系统、设备、部件多个层级的健康状态量化评估，主要采用层次分析法进行评估计算。层次分析法将复杂系统表示为有序的阶梯层次结构，通过确定同一层级各评估项的权重，将复杂系统的定性评估转化为定量计算的方法，适用于对航天地面测控系统多层级健康状态的量化评估。

基于航天地面测控系统的结构组成和设备关联关系建立层次分析结构树，部分结构树如图3所示，其中顶层为系统健康度，逐级向下为分系统健康度、设备健康度、部件健康度，以及底层的状态监测数据。

基于上述健康评估层次分析结构树，首先对部件健康度进行量化评估，通过监测点实时采样数据与历史健康数据统计结果计算偏离度作为部件当前量化健康度；然后根据部件重要度配置加权权重，逐级向上层计算各级设备量化健康度值，计算公式如下：

(1)

式中:Q为上级设备健康度量化值，wi为第i个设备的健康度权重值，xi为第i个设备的健康度量化值。最终得到系统各层级设备的健康度量化值。

图3 健康评估层次分析结构树

根据量化健康评估值可配置取值区间与设备健康状态定性评价的映射关系，将量化评估结果映射为健康、亚健康、故障三级定性评价，便于运维人员直观掌握当前各设备的健康状态，有针对地制定设备维修保障计划。

此外，健康状态评估可周期性地进行，积累设备健康状态评估数据。由此可通过历史健康数据拟合设备健康度发展趋势，进而实现对设备未来健康状态发展的预测，并通过采取预防性维修措施，防范实际故障的发生，保障全系统的可靠运行。

3 健康管理业务流程

如图4所示，健康管理业务流程主要包括状态监测、故障诊断、健康状态评估、维修辅助决策等业务功能流程，并将相关处理结果在前端应用进行可视化。

图4 健康管理业务流程

状态监测业务功能利用状态采集数据对设备健康状态进行实时监测，首先对状态采集数据进行清洗、对齐、降噪、插值等预处理；然后基于处理后数据提取健康特征，并利用监测点知识对设备健康状态进行判别，发现异常状态时进行提示告警并触发故障诊断和健康状态评估流程。

故障诊断业务功能由异常状态告警触发，基于异常状态数据进行故障检测，判别是否存在故障，以消除虚警；然后根据告警单元和异常状态信息进行故障诊断知识检索和匹配，利用对应诊断模型进行故障诊断。

健康状态评估业务功能在发现异常状态时自动触发，也可由周期健康评估策略触发对航天地面测控设备进行健康体检，通过读取当前设备工作状态数据，基于多层级健康评估模型和量化指标评价体系对系统、分系统、设备、部件进行多层级健康状态评估。

维修辅助决策业务功能基于故障诊断结果和健康评估结果对故障或亚健康设备生成维修处置建议，供运维人员参考实施，并支持依据预防性维修策略对未出现故障征兆的设备进行预防性维修处置，如定期巡检、设备保养、备件更换等。

健康管理前端应用提供统一的集成显示和交互平台，对故障告警信息、故障诊断结果、维修处置报告、健康评估报告等健康业务信息进行可视化展示，并提供健康模型编辑、标校测试发起等人工交互操作接口。

4 应用实例

结合某航天地面测控站健康管理系统建设需求，针对该站测控设备研发了健康管理应用软件，为该站设备提供综合健康状态管理和运维保障服务。软件界面如图5所示，展示了天伺馈分系统监测点知识的编辑管理页面。

图5所示健康管理系统应用软件为测控设备提供运行状态监视、故障检测与诊断、健康状态评估和维修辅助决策等健康管理业务功能，并具备设备入退库管理、备品备件管理、维修保养、升级改造等运行维护功能，为测控设备提供全生命周期的运维保障服务。

目前该健康管理系统已正式上线运行超过1年，通过自动化诊断和评估功能多次准确处理设备故障，保障了后续任务的正常执行；对于复杂故障给出故障单元定位、原因分析和维修处置建议，大大减少了运维人员的维修处置耗时，提高了设备的整体运行效率。

5 结束语

本文针对航天地面测控系统健康管理业务及应用进行了研究分析，提出了应用于航天地面测控设备的健康管理体系，重点阐述了设备状态监视、故障诊断和健康状态评估的业务模型和工作流程，并给出了应用实例。本文提出的基于物理模型和专家知识的健康管理方法能有效解决已知类型故障的检测、诊断和评估，但对于未知类型故障的处理则缺乏有效手段。基于数据驱动和机器学习的方法能够由设备健康状态数据提取设备故障特征，并运用于对未知类型故障的检测识别，这是值得探索并极具实际应用价值的下一步研究方向。