基于虚拟仿真的航天器配电系统健康状态评估

陈娟 刘浩 吴建国 李志强 李佳,3 隗靖昆 姜博文 向刚 吴昶霖

（1 北京航空航天大学，北京 100191；2 北京环境强度研究所，北京 100076；3 米兰理工大学；493160部队，北京 100076；5 北京航天自动控制研究所，北京 100854；6 宇航智能控制技术国家级重点实验室，北京 100854）

0 引言

航天器作为一个国家机械、电子、控制等领域的重要体现，代表着国家的科技实力和综合国力。航天器的研究、设计和贮存等环节影响着其使用可靠性。一般情况下，航天器没有过多的实际使用机会，因此，航天器的贮存环节占了其生命周期的绝大部分。在航天器长期的贮存环节中，存在着诸多影响其贮存和使用可靠性的因素，如振动、温度、湿度、电应力、机械应力，等等。航天器各模块各单机的失效模式和失效机理不尽相同，但一般能够将其归结为器件老化、机械性能或电性能退化等物理、化学退化过程。同时，针对航天器的部分特定单机而言，其长时间的加电工作状态也是健康评估和寿命预测的重要研究对象。现阶段判断航天器贮存和使用寿命的主流方法是对实体航天器整机或单机进行加载加速实验，获取相关数据进行分析评估，此类方法成本较高，难以获得大量的数据样本；目前有学者提出了基于数字孪生模型的航天器贮存可靠性评估技术[1]，运用虚拟模型建模仿真技术，通过原理仿真和故障仿真，能够使用较低成本获得大量数据，数据集能够有效支撑基于机器学习算法的航天器的可靠性评估和健康状态评估。

1 研究现状

1.1 航天器供配电系统

供配电系统肩负着在航天器发射后为其它系统和有效载荷进行供电的重要任务，是航天器系统用电设备的核心，其可靠性直接影响了航天器的工作状态及质量。航天器的供配电系统主要组成为电源系统（一次电源、二次电源）和电路系统（配电器和电缆网）。航天器的总体电路系统由配电器、电缆网等组成，其中最重要的部件是配电器。配电器的功能是接收单体电池供电，并实现对弹上其他设备的电压电流分配，完成对弹体系统各设备的一次母线供电、集中二次供电以及电压的变换分配，根据航天器飞行任务的要求和地面指令，对航天器负载等进行加载、卸载。配电器具体模块组成如表1所示。

表1 配电器模块组成Table.1 The component of power distribution system

1.2 航天器健康状态评估

针对航天器系统而言，故障预测与健康管理（Prognostics and Health Management, PHM）是系统健康评估的关键技术之一，PHM的原理是利用尽量少的传感器采集系统运行状态参数，从传感器返回的数据中提取能够反映航天器系统健康特征的信息，并利用相关算法将传感器返回的多维数据转化为一维的健康状态指数（或健康置信度）[2]，最终目的是实现航天器系统健康状况的评价和分级。考虑到目前以及未来战争的复杂性和严酷性，为提高航天器全生命周期的装备故障及健康状态检测与管理能力，需要开展更为全面的航天器健康状况认知管理系统建设。目前较为常用的健康状态评估方法可以大致分为基于知识经验的方法、基于模型驱动的方法以及基于数据驱动的方法。基于知识经验的方法一般是在缺少传感系统和模型仿真的情况下，通过专家经验进行判断评估；基于模型驱动的方法是通过对设备运行状态进行充分把握，通过构建物理模型和仿真分析，实现对系统的健康评估；基于数据驱动的方法是采取大量传感器进行数据采集、监测，并对系统各个运行参数进行综合分析，以达到健康状态评估的目的[3][4]。

2 航天器配电系统机理建模

2.1 配电器工作原理

本课题方案中的配电器单机的主要元器件为继电器（包括线圈电阻、接触开关等）、稳压二极管及降压电阻，其中，继电器的作用为接收控制信号，控制配电器启动；稳压管的作用是利用二极管的反向特性使配电器输出电压稳定在要求范围内；降压电阻实现270V电源电压降压至28V输出。配电器的工作逻辑如图1所示。

图1 配电器工作逻辑Fig.1 The working logic of power distribution system

2.2 配电器功能建模

在对配电器单机功能及相关参数分析完成后，使用Simulink建立了配电器的电路模型。模块化封装的配电器单机模型如图2所示。

图2 配电系统功能Fig.2 Function of power distribution system

本课题将配电器模块细分为以下子模块—电源切换模块、稳压模块、继电器模块以及降压回路。其中，电源切换模块由地面电源和箭载电源组成，实现发射时的电源切换；稳压模块由稳压二极管和保护电阻构成，实现稳定电压270V输出；继电器模块由继电器线圈和触点开关等组成，实现控制回路逻辑判断、触点动作等功能；降压回路由降压电阻和保护二极管构成，实现将270V电压降压成三路28V电压输出。

2.3 配电器模型仿真结果

配电器单机仿真模型中的各个模块有机联系、相互配合，实现了仿真要求的功能及输出，仿真结果如图3所示，实现了高压270V一路输出（UH）以及低压28V三路输出（UL1, UL2 & UL3）。同时保证了输出回路电流稳定在2A。

图3 配电系统整体模型Fig.3 Virtual model of power distribution system

3 配电系统故障注入及退化仿真

3.1 配电器故障注入

针对配电器单机而言，常见的失效模式主要有以下几类——单机无输出、单机接收控制信号但无响应、单机响应时间超差，等等。除偶发因素导致的失效外，上述失效模式的主要影响因素是温湿度等环境应力、电应力、冲击和振动应力。下面将以几种常见失效模式阐述各类应力的影响机理[5]。

针对配电器单机无输出这一失效模式而言，其内因主要有以下几点：继电器线圈或触点退化导致开路、高温导致继电器动作簧片蠕变断裂、触点粘接、衔铁卡死等，主要影响因素为环境温度和电应力。在配电器单机贮存和工作过程中，继电器某些部位受环境温度和时间综合作用发生退化甚至失效，特别是继电器线圈、触点和簧片这类较为“脆弱”的点位，退化或故障模式最终的外在表现为继电器开路。

针对配电器单机无响应这一失效模式而言，其内因主要是触点动作电压的改变，如触点间存在杂质和汽结霜、继电器线圈漆包层老化脱落等，主要影响因素为环境温度和环境湿度。受工作或贮存环境因素的影响，配电器内部会随时间积累产生杂质累积、结霜等现象，此外，继电器线圈等部位也会随工作时间逐渐退化，此类退化失效因素最终会导致配电器单机动作电压的改变，对外表现为配电器单机接收控制信号但不进行正常响应。

针对配电器单机响应时间超差这一失效模式而言，其内因主要是动作簧片因老化或侵蚀导致的动作不同步、触点熔焊或冷焊，主要影响因素是环境应力和电应力。在继电器的长期贮存和工作过程中，内部线圈的匝数、阻抗等参数认为是几乎不发生退化的，而在环境应力和时间的综合影响下，其内部的金属簧片刚度逐渐降低，其自身吸合力减弱，从而导致其动作时间参数发生变化，反映在单机层面的失效形式上，形成了单机响应时间超差这一故障表现。

除上述几类典型失效模式外，配电器单机还有许多较为常见的失效表现形式，邵旭东等通过经验分析和理论推导等多种方法研究并总结了冲击应力对航天产品失效的影响[6]，王鸿鑫研究并分析了振动应力对航空航天产品的影响[7]。本文对配电器单机工作状态及工作贮存环境因素进行细致分析和梳理，整理了配电器单机的FMEA表。

潜在的失效模式及后果分析（Failure Mode and Effects Analysis, FMEA）是指对构成产品的子系统、零件、构成过程的各个工序逐一分析，找出所有潜在的失效模式，并分析其可能的后果，从而预先采取必要的措施，以提高产品的质量和可靠性的一种系统化活动[8]。

将FMEA应用在航天器配电器单机上，结合具体型号及厂商提供的相关数据，本课题对两类单机的各元器件，如继电器、二极管、电阻丝、电池等进行了细致分析，梳理完成了配电器和热电池单机的FMEA表。FMEA表中的故障模式、故障参数及故障表现等参数，对应了第二章中建立的单机模型，指导了后续单机故障注入模型的建立。

表2 配电器FMEA表Table2 The FMEA table of power distribution system

结合梳理完成的配电器FMEA表，将表内的故障参数注入到配电器机理模型中，得到了不同故障参数对应的配电器故障模型，对故障模型进行仿真，能够得到不同故障参数对应的单机故障输出特性曲线。下面展示了几类较为典型的故障输出曲线。

从图4可以看到，改变动作开关的触点电阻可以影响单机输出特性，当触点阻值为无穷大时，配电器单机输出电压和输出电流为0。

图4 配电器机理模型仿真结果Fig.4 Output of power distribution system model simulation

根据图5可以看出，当继电器触点动作电压升高后，接受同样的触点闭合指令，配电器不再正常工作，输出电压和输出电流接近0；根据图6可以看到，当设置触点动作时间延长这一故障后，配电器单机的响应时间也随之延长。

图5 注入故障信号（触点闭合阻值为无穷大）的输出特性曲线Fig.5 Output of the injected fault signal (contact resistance is infinite)

图6 注入故障信号（触点动作电压升高）的输出特性曲线 Fig.6 Output of injected fault signal (contact action voltage rise)

图7 注入故障信号（触点动作时间延长）的输出特性曲线Fig.7 Output of injected fault signal (contact action time extension)

3.2 配电器退化仿真

在故障注入模型完成的基础上，总结部分元器件级的退化规律，将退化模式注入模型中，得到了航天器典型单机的在特定条件下的退化规律。需要指出的是，退化规律仿真与故障注入仿真的不同之处在于：故障注入仿真的结果与时间无关，只是反映了单机模型在某一时刻发生故障是的工作参数变化情况；而退化仿真则是加入了强的时间关联，将元器件的退化规律按时间关系注入仿真模型中，得到的仿真结果表征了单机模型在整个工作过程中随时间的退化关系。

对配电器中的降压电阻而言，由于未指定具体型号，本文选用了由典型金属薄膜电阻的退化曲线拟合而成的对数型退化公式[9][10]

这一公式给出了确定材料的金属薄膜电阻在某工作温度下的电阻值随工作时间变化的退化规律。选取一定量的数据点注入配电器的机理模型中，可以得到配电器单机的降压电阻退化输出特性曲线。通过仿真结果可以看出，在降压电阻退化的影响下，配电器输出特性会呈现变化率逐渐减小的类似对数型的退化趋势。

借助本节获得的退化仿真数据集，对输出特性退化曲线进行拟合分析，得到对应的退化函数关系，再设置合适的评价阈值，可以实现针对不同退化模式影响的单机健康状态评估。

3.3 基于BP神经网络的健康状态评估

BP（Back Propagation）神经网络算法是由Rumelhart在1985年基于误差反向传播理论提出的深度学习算法，是在多层神经网络的基础上构建的包含输入层、隐含层、输出层的神经网络结构，能够通过误差反馈学习实现最终输出误差最小化[11]。在多层神经网络中，前一层的输出作为下一层的输入，同一层的神经元之间没有连接，不同层神经元的连接对应着各自的权值，具体结构如图8(a)所示。从数学角度看，神经网络就是一个函数f(x)，作用就是将输入x映射为输出y，而多层神经网络则相当于符合函数y=fn(…f1（f0(x)）…)；从具体应用角度看，神经网络就是一个模型，各层、各节点及连接为模型内部结构，各连接对应的权值就是模型的参数。在多层神经网络中加入损失反馈结构就构成了BP神经网络模型，如图8(b)所示，该模型最大的特点时人为确定的损失函数会沿各层各节点的连接进行反向传播，通过反向传播算法计算各层的优化梯度，结合梯度下降算法最终实现损失函数的优化，即误差的最小化。

图8 配电器输出电压在降压电阻退化影响下的退化曲线Fig.8 Degradation curve of distributor output voltage under the influence of step-down resistance degradation

首先，本文将未进行数据集扩充的退化数据输入到BP神经网络模型中，将大部分数据作为训练集，将最后三组数据作为检验集以检验输出精度，得到的模型预测结果如图9所示。可以看到，在样本较少的情况下，模型预测精度较差，无法较好的实现单机健康状态评估和寿命预测功能。样条插值是一种较为常用的数据集扩充方式，其实质是用一个近似函数逼近未知函数，然后在这个近似函数曲线上取不同的值实现数据集扩充。使用MATLAB库中自带的样条插值函数能够实现此功能，分别将两类退化模式的退化数据扩充为50组。使用扩充后的训练集进行BP神经网络算法预测，将扩充前的原始数据作为测试集，预测的输出结果如图10所示，通过与上图对比能够十分明显地看出预测精度地改善。根据BP神经网络算法预测的降压电阻退化模式下的单机寿命为950.40h（以95%的规定输出特性为阈值）。

图9 多层神经网络的基本结构Fig.9 The structure of Multilayer neural network

图10 训练集不足情况下的降压电阻退化BP神经网络预测结果Fig.10 Prediction results of BP neural network for step-down resistor degradation under insufficient training set

图11 神经网络寿命预测结果Fig.11 Prediction results of BP neural network for step-down resistor degradation

4 结论

本文基于航天器实际贮存环境下故障数据不足、寿命预测和健康评估支持技术缺少等实际问题，主要进行了以下几部分内容的研究和探索：

1）充分调研了航天器配电系统的工作原理，在此基础上运用Simulink仿真平台建立了单机的机理模型，实现了预定的工作模式和单机模型仿真输出。

2）细致总结和梳理了航天器配电器单机的故障模式，建立了基本覆盖所有元器件的FMEA表，基于FMEA表和建立的单机机理模型，进行了单机故障注入和故障建模仿真，获得了单机故障注入模型的仿真输出特性，总结出了两类单机的故障表现形式。

3）基于单机故障模型和典型元器件的退化规律，进行单机性能退化仿真，获得了几类较为典型的单机性能退化数据集。在此基础上，基于BP神经网络算法完成了配电系统的寿命预测。

通过对上述内容的研究，本文得到了以配电器为主的航天器控制系统核心单机的故障机理和故障模型的具体表现形式，在此基础上获得了单机退化数据，进一步地，可以借助基于理论退化公式的推导、基于多项式曲线回归和基于BP神经网络等多种方式和算法以完成核心单机的健康状态评估和寿命预测。本文的研究内容能够为解决实际贮存环境下航天器故障数据缺乏等问题提供较为有效的解决方案，为航天器健康评估、航天器退化规律探索、航天器生命周期管理分析及寿命预测提供数据和技术支持。