航天测控健康管理技术研究

2022-10-20杨涛余波

现代信息科技 2022年13期

杨涛，余波

（1.中国电子科技集团公司第二十七研究所，河南郑州 450047；2.太原卫星发射中心，山西太原 030027）

0 引言

随着信息技术的快速发展，航天测控系统功能越来越复杂，体系越来越庞大，影响设备可靠性的因素也就越来越多，设备故障的可能性增加，任何一个微小部件的故障都可能会导致系统功能退化或停止运行，因此设备的维修保障活动也就越来越重要。

装备维修大致经历三个阶段：第一个阶段是反应性维修，装备故障后进行反应性的事后维修；第二阶段是预防性维修，对装备进行定期巡检、维护等预防性的维修；第三个阶段是视情维修（Condition Based Maintenance,CBM），主要是实现在正确的时间对正确的部件进行正确的维修。前两个阶段的维修方式存在诸多问题，反应性维修错过了故障初期的最佳维修时间，导致装备性能退化，引发功能性故障甚至系统性故障，导致维修时间和成本的增加；预防性维修不具备故障针对性，会在装备正常情况下采取维修措施，影响正常使用，造成资源浪费。

视情维修是一种全新的维修方式，能够满足现代装备维修保障需求，降低维修成本和故障风险。健康管理技术是视情维修的重要技术基础，利用传感器技术采集数据，并采用数据处理进行信息融合处理，生成装备的健康状态、故障预测等决策信息，进行维修决策以及寿命管理，提高装备的可靠性。

1 发展现状

PHM（Prognostic and Health Management）技术促使维修保障活动由传统的反应性事后维修，到定期预防，再到实时监控、预测分析、综合管理，受到各国的广泛关注，分别采取了各种方式进行研究和开发。

1.1 国外发展现状

PHM 概念20世纪后期首先由美国NASA 提出，目前其研究和应用领域已经遍及航空、航天、车辆、核电站以及大型水坝等，成为各种复杂装备系统设计的重要组成部分。F-35 应用的PHM 技术是美国国防部倡导的基于状态的维修技术的具体体现，代表了CBM 技术所能达到的最高水平。采用PHM 技术后飞机的故障不可复现率减少82%，维修人力减少20%～40%，后勤规模减小50%，出动架次率提高25%，保障费用减少了50%以上。

如今，PHM 技术的发展体现在以系统级集成应用为牵引，提高故障诊断与预测精度、扩展健康监控的应用对象范围，支持CBM 的发展，进而建立起以PHM 为核心的自主式综合保障体系。

1.2 国内发展现状

PHM 技术在国内的研究和发展都处于起步阶段，2005年北航曾声奎论述了PHM 现状，2006年国防科大木志高采用分布式结构，进行分析决策判断。2008年哈工大张嘉钟综合理论将系统分为状态检测、状态预报、故障诊断、故障评估及故障处理五类处理机制。空军工程大学张亮提出了异常检测、故障诊断推理机和故障预测三种推理机概念模型。2010年以来，PHM 研发及学术交流活动非常活跃，有效推进了PHM 在国内的发展。整体来说，PHM 在国内仍需做大量深入的基础技术研究、工程设计开发以及验证工作。

2 测控系统健康管理功能

航天测控系统健康管理体系的建立首先需要开展健康管理系统的顶层设计，建立健康管理体系架构；然后由系统的最小可更换单元开始，从部件、分机、子系统、分系统等分层次设置监测点，通过传感器实现系统健康状态监测，并将评估预测结果反馈给测控系统，辅助测控系统更好地完成任务。

健康管理系统主要由两个数据库和六个功能模块构成。两个数据库包括信息数据库和知识数据库，功能模块包括数据采集与预处理、状态监测、故障诊断、状态评估、预测分析及装备维护六类，具体构成如图1所示。健康管理系统各功能模块相对独立，实现从状态检测、特征提取、故障诊断、综合评估、趋势预测以及维修决策的全过程管理，具备测站终端系统级自主设备健康管理能力，建立良好的人机交互与辅助决策机制，作为测站设备装备维护与使用的主要设备管理平台。系统整体架构如图1所示。

图1 健康管理架构示意图

2.1 系统运行流程

健康管理系统硬件主要由信号采集单元和数据处理单元组成。信号采集单元将各类型传感器通过串口和高、低速采集终端完成部分状态数据和环境数据的采集，并通过光缆发送至数据处理单元；数据处理单元接收信号采集单元发送的采集数据，完成数据的存储和转发，实现数据本地处理或发送至中心进行处理两种运行模式。

软件采用C/S 架构，由客户端软件和服务器软件组成。客户端软件功能集成一体化设计，完成实时状态监测、故障诊断、综合状态评估、趋势预测分析以及辅助装备维修的任务；服务器软件完成数据库管理、装备全寿命周期管理以及数据挖掘分析的任务。

一般来说，测控系统从功能上划分为天伺馈、发射、接收、基带、记录、监控等多个分系统。PHM 系统作为测控系统的一个独立分系统存在，统一纳入系统监控体系，通过监控网实现对监控与测试环境搭建，完成状态数据与自检数据采集任务；通过数据网完成业务数据采集与测控计划接收任务；通过中心网借助远程会商平台实现中心诊断及远程支援，流程图如图2所示。

图2 测控系统健康管理流程图

2.2 数据库

信息数据库将各测控站诊断信息源分别建库独立存储，存储两类信息：诊断信息源，主要包括监控命令、状态信息、日志、标校测试结果、测控数据等状态数据；用户信息、计划信息、历史诊断报告、健康档案、维修方案等装备信息。

知识数据库主要进行知识库的运行管理，具有以下几点功能：

（1）具备对故障诊断知识的获取能力。首先根据信号判断系统是否故障，然后通过对系统功能的分析确定故障可能发生位置，逐层分解，最终确定故障源，获取故障信息。

（2）具备对业务知识和故障诊断知识进行管理的能力，确保知识的完备性和一致性。

（3）具备可复用性和可扩展性。知识库的建立是一个长期积累的过程，应具备可复用性和可扩展性。在系统测试的过程中会不断发现新的故障模式，一旦新故障模式被识别出来，即将有关的故障知识通过故障树绘制的方式，添加到故障诊断知识库中。

（4）具备对故障诊断知识的有效性检测的能力，实现故障检测知识库中系统浅层知识的识别。浅层知识的表示方法是产生式规则，通过线性法、特征量阈值法等建立，主要用来检测被测组、部件、子系统、分系统、系统故障和有效验证。

2.3 功能模块

健康管理系统采用松耦合形式，各个功能模块相对独立，具体模块的功能设计为：

（1）数据采集与预处理功能：利用各种传感器采集系统的相关参数信息，通过时间同步等算法进行数据归一化预处理，同时消除异常数据，将数据处理成监测和评估要求的格式。

（2）状态监测功能：状态监测模块主要是指实时监测设备关键部件的主要参数，完成异常值定位申报并主动推送，改变以往被动的工作模式，减轻系统巡检的工作量。

（3）状态评估功能：状态评估模块接收来自不同监测模块以及其他健康评估模块的数据，实现对系统的全范围覆盖，包括对关键部件、分系统、系统的状态评估。

（4）故障诊断功能：故障诊断模块接收来自状态监测功能模块的状态信息以及状态评估结果，分析设备状态信息，完成故障诊断记录并确定故障发生的可能性、对故障特征进行跟踪与对比，进一步检测故障和隔离以及设备健康状态报警。

（5）预测分析功能：利用相关智能预测模型对设备的剩余使用寿命进行预测，结合设备运行机理和决策树对可能发生的故障进行预测，为维修决策提供依据。

（6）装备维护功能：综合健康结果和装备维修需求，整合维修资源，制定维护保养计划，并向用户提供装备维护指导支持服务。

3 健康管理关键技术研究

健康管理根据多源数据进行融合，进而分析出故障模式，对系统进行状态评估及预测，达到智能决策的目的，其关键技术主要包括数据采集、数据融合、图形化处理、故障模式、健康评估与故障预测及智能推理与决策支持等方面，关键技术架构如图3所示。

图3 健康管理关键技术架构

3.1 传感器数据采集技术

构建健康管理系统的数据基础是利用传感器（震动传感器、温度传感器等）采集数据。传感器可以将收集到的各种信息转换成电信号或其他形式，然后就可以对和设备相关的信息进行进一步的整理和处理。现代化传感器技术融合微电子、计算机和自动测试（ATE）等技术，具有接收信息、数据传输、发送信息、信息储存以及数据处理的能力，实现传感器的集成化、智能化和网络化。

3.2 数据融合

健康管理系统建立遍历全系统的监测点，获取海量监测数据，需要利用数据融合技术在海量数据中剔除冗余数据，提取有效信息。数据融合技术在健康管理中的应用是数据分析的一个重要开端，直接影响后续工作量和健康管理的效率。如何快速有效地在海量原始数据中提取有用信息、发现数据模式、识别异常和找出隐含的关系是健康管理的重要基础。

3.3 数据图形化技术

数据图形化技术是指把大量的数据通过基本的图表、图形或者3D 模型等显示出来。通过后台进行的数据处理和分析，图形化显示可以将数据所显示的故障模式、装备的状态变化趋势等信息直观、形象地显示给操作人员。通过图形化展示给操作人员以简单、明确指示、内含丰富且易掌握的方式来显示装备健康信息。

3.4 故障模式及影响

故障模式及影响主要研究故障发生和发展的规律，主要包括两方面：故障发生的机理和故障发生的统计规律。故障发生的机理主要研究设备或者部件随着物理、化学等内在或外在环境条件的变化发生的功能或性能上的变化，导致设备或部件不能正常工作的规律。故障发生的统计规律主要研究故障发生与设备状态之间的变化关系，研究故障发展规律。

测控设备故障模式、影响及危害性（FMECA）研究主要包括：以FMECA 分析为基础，研究典型的故障模式、故障演化与分布规律、故障机理，建立故障演化动态模型。