航天器电源智能判读规则框架构建与应用

杨同智 党建成 刘廷玉 蔡先军 潘耀

(上海卫星工程研究所，上海 201109)

航天器在轨运行环境严酷，潜在异常的扩散极易导致功能降级或失效，在轨电源故障占比高、失效影响大[1]。统计分析国内外卫星故障情况，电源故障占比约为27%，在电源故障中约14%的故障会导致任务的失败，72%的故障对在轨任务有严重影响，如某合成孔径雷达(SAR)卫星太阳电池阵部分失效，SAR载荷工作功耗大[2]，无法实现当圈能量平衡，任务执行频次与时长减少了1/2以上，因而航天器电源健康状态的监测判读对于保障航天器稳定运行具有重要意义。文献[3-9]中运用支持向量机(SVM)、长短时神经网络(LSTM)和K最近邻(KNN)等机器学习方法训练电源故障诊断模型，进行航天器电源的智能判读。机器学习判读方法需要有大样本数据支撑，且存在解释性不足的问题，在小子样航天器故障样本稀疏场景下的应用受限。

基于机理知识的专家规则判读具有机理清晰、结论明确的优点，是航天器地面测试与在轨监测的重要手段，在航天器故障诊断中发挥着重要作用[10]。当前，国内电源判读规则制定缺乏指导性框架与模板，不利于规则的有效推开。在高效航天器集成测试与在轨运行维护形式下，需要研究如何快速有效形成基于机理知识的判读规则，并集成到判读系统中，提升航天器状态监测的充分性与有效性。为此，本文对太阳电池阵-蓄电池组电源系统的运行机理与判读方法论进行总结提炼，构建了适用的电源智能判读规则框架，采用其他架构的航天器电源系统亦可参考。

1 电源智能判读规则框架构建

电源系统本质上是一个能源流闭环控制系统，为航天器各个系统工作提供能源供给，系统存在冗余性信息，发电、输电、变电、储能各环节存在互相关联、动态演变，因此通过系统化分析电源系统的工作机理与特性，从工作模式分析、冗余遥测一致性、遥测参数功能关联、能源趋势分析4个方面(如图1所示)出发，提出了一整套的电源智能判读规则框架。

图1 电源智能判读规则框架Fig.1 Intelligent interpretation rule framework for power system

1.1 基于工作模式分析的电源判读

航天器电源系统是一个动态反馈系统，受能源输入与母线负载波动影响，在不同的条件下具备不同的工作模式[11]。如图2所示，电源随工况变化在各个模式之间动态切换。

图2 电源工作模式转换Fig.2 Power system mode conversion

根据太阳电池阵供电与蓄电池充放电状态，电源系统分为4个工作模式：太阳电池阵供电且蓄电池组不充不放(简称分流)、太阳电池阵供电且蓄电池组充电(简称充电)、太阳电池阵供电且蓄电池放电(简称联合供电)、太阳电池阵不供电且蓄电池组放电(简称内电)。

为了有效监测电源的动态运行情况，提出了一种基于模式分析的电源异常检测方法。其实现过程为：实时接收遥测数据，基于每拍遥测数据进行电源模式判定(图3中虚框)，划分为充电、分流、联合供电、内电4个工作模式。模式判定过程中进行条件复核，若复核报错，则退出检测并上报异常，继续接收下一拍遥测；若复核通过，则完成模式判定，转入模式分析。比较当前模式与上一拍模式，若相邻2拍模式跳变，则进行模式转换合规性判断；否则，进行模式条件一致性判断。查找相应的判断条件表，遍历所有待判条件，判断电源运行状态是否正常，完成此拍遥测判读。重复以上流程，接收下一拍遥测输入，进行基于模式分析的电源异常检测[12]。

注：IBDR为放电电流；ISAS为太阳电池阵电流；Ibus为母线负载电流；IBCR为充电电流；C1为外电状态的电源控制器功耗电流；C2为放电状态的电源控制器功耗电流；MEA为主误差放大器；T1为MEA的外电状态门限值；T2为MEA的放电状态门限值。图3 基于模式分析的电源判读过程Fig.3 Power system interpretation process based on mode analysis

模式分析从模式转换合规性与模式条件一致性2个方面开展。

1.1.1 模式转换合规性判读

模式转换合规性判断需求如表1所示，4种模式存在12种转换。序号3～10这8种模式转换，会通过模式报错、母线电压等直接遥测反映，不需要进行模式转换判断；序号11～12这2种模式转换时直接进行报错；因此只需要分析判断序号1、序号2这2种模式转换的合规性。

表1 模式转换合规性判断需求Table 1 Mode conversion compliance judgment requirements

通过查找相应的模式转换判断条件表进行合规性判断。充电与分流模式的转换判断条件表如表2所示。其中：VBAT为蓄电池组电压；Vd为蓄电池单体电压；TBAT为蓄电池温度。转换条件一般为固定或可调的阈值比较，遵循从宽处理原则，放宽阈值条件(比理论值宽松)，在保障系统安全的同时降低虚警。

表2 模式转换合规性判断条件Table 2 Mode conversion compliance judgment conditions

1.1.2 模式条件一致性判读

相邻2拍遥测的电源模式相同，进行模式条件一致性判断，判定模式的状态是否匹配当前的条件。各模式条件一致性判断需求如表3所示，理论上4种模式存在12种转换，但由于不存在联合供电→充电、内电→充电的模式转换，实际为10种可能的转换。其中：8种模式转换可以通过母线电压等直接遥测、模式报错来检验，仅有充电到分流、分流到充电2种模式需要条件一致性判断。

表3 模式条件一致性判断需求Table 3 Mode condition consistency judgment requirements

通过查找相应的模式条件一致性判断表进行模式与条件的匹配性判断。充电与分流模式的条件一致性判断表如表4所示，一致性判断条件一般为固定或可调的阈值比较，遵循从严处理，收紧阈值条件(比理论值严格)，在保障系统安全的同时降低虚警。

综上，通过实时判定电源工作模式，比较相邻2拍遥测的模式变化，进行相应的模式转换合规性、模式条件一致性判断，实现电源异常的实时高效检测。

1.2 基于冗余遥测一致性的电源判读

航天器电源遥测间存在冗余，冗余信息表示的对象相同或相近，因此冗余信息间应保持一致。可以通过冗余遥测一致性互校来检测电源系统异常，冗余遥测一致性主要分为以下3类。

(1)同一物理量多源采集一致性。同一物理实体被多方采集，采集结果应彼此一致，比如地面测试设备有线采集、综合电子分系统采集、电源分系统采集的母线电压、母线电流、蓄电池电压等应当一致。

(2)合成物理量与原始物理量一致性。电源部分产品既有总体遥测(如蓄电池组)，也有子部件遥测(如蓄电池单体)，子部件遥测的合成结果应与总体遥测一致，例如：太阳电池阵分阵电流合成量与太阳电池阵总电流遥测一致、蓄电池单体电压合成量与蓄电池组电压一致、蓄电池块电压合成量与蓄电池组电压一致等。

(3)同类遥测相近。一些遥测虽然不是来自同一物理实体，但由于产品设计相同、工作环境相同、控制方式相同等原因，其遥测表征彼此应一致，比如2个太阳电池阵分阵电流相近，电池组A和B电压相近，各蓄电池单体电压相近，平台蓄电池组A的温度测点1，2，3，4采集值相近，各路放电电流相近，充电终止时间相近等。

1.3 基于遥测参数功能关联的电源判读

电源系统按照功能分为分流、充电、放电、均衡、测控管理等功能，各功能的部分遥测参数存在关联性约束，各功能的控制状态参数及其控制响应参数应关联一致。因此，可以从功能关联出发，设计如表5所示的遥测参数关联分析的判读规则，例如：太阳电池阵分流次序、充电锁定状态与充电电流关联、放电电流与母线MEA关联、充电电流大小与充电档位状态关联、主备开关状态与电压量遥测关联等功能关联规则[13]。

表5 基于遥测参数功能关联的电源判读Table 5 Power system interpretation based on telemetry parameter function association

1.4 基于能源趋势分析的电源判读

能源趋势分析从变化率、能源预估2个方面出发进行趋势分析，及时预警[14]。对于变化率预警，通过时序遥测数据的机器学习模型对未来数据的预测值与真实值进行对比来发现故障[15]，也可基于数据差分分析方法，通过每分钟温升变化、n个遥测采样的温度变化进行温度变化率评价，设置相应的变化率门限进行风险预警。能源预估主要关注能源平衡预警，对充电时间、放电时间预估[16]，设置放电时间门限，当放电时间不足时进行能源预警。如某卫星蓄电池组容量为60 Ah，放电深度为25%，准许放电电量为60×25%=15 A·h。初始值电池容量为空(不预估)，等待蓄电池充电锁定状态为1，初始化蓄电池组电量为60 A·h。

2 电源智能判读规则框架应用

依据电源智能判读规则框架，结合航天器的遥测测点布置，逐条梳理每一条规则的异常检测功能与关联遥测，每条规则定义自身的判读规则代号为DY****。根据梳理的规则函数，利用LUA和Python语言编写脚本函数[17]。例如：判读规则DY0001描述的功能是判断综合电子采集的母线电压遥测与地面设备有线采集的母线电压遥测的一致性，关联遥测为TMN0004和FKT001。将形成规则以LUA和Python脚本形式编写并集成到测试判读专家系统中[18]，进行规则判读，报警信息推送至监视终端软件进行报警监测，应用效果如图4所示。

航天器综合测试中，通过判读规则发现分流次序异常，分流次序未按照北1～北7、南1～南7顺序分流调节，规则遥测DY201报错，如图5所示。故障溯源为：通过滑环供电的转接电缆存在节点短接，2个分阵正线短接，被同时调制，分流次序错乱。此时，母线电压正常，传统遥测监测方法无法发现该问题。

航天器在轨监测中(如图6所示)，针对航天器A路和B路充电电流的异常监测，充电电流动态范围较大，单纯监视一路电流无法及时发现异常，但是可以看出：A路和B路充电电流IA和IB由于来源于同一副太阳电池阵，具有强关联性，遥测变动基本一致，基于冗余遥测一致性原理构建相应的判读规则，二者差值应该稳定在0 A附近。因此，根据2拍遥测的关联关系，采用充电电流IA-IB的遥测耦合模型分析，在差值由0 A变大时即可快速发现异常。

图6 基于冗余遥测一致性的电源判读实例Fig.6 An example of power system interpretation based on redundant telemetry consistency

在航天器地面测试与在轨监测工程应用中，构建的太阳电池阵-蓄电池组电源系统的判读框架具有较强的通用性与指导性，已在多颗卫星上进行了广泛的实例化应用，提升了电源系统异常的实时检测能力，并多次发现深层次电源系统故障现象。

3 结束语

判读规则是航天器智能诊断的重要依据，但是由于长期以来缺乏判读规则的总体指导，导致整个航天器大量专家诊断知识依赖个人经验，各航天器判读规则质量参差不齐。本文从电源机理与判读方法论出发，形成了航天器电源智能判读规则框架，并结合航天器具体设计与遥测测点布置形成相应的判读规则集，提升了电源智能判读规则制定的规范性与充分性。该框架已应用于数十个航天器的地面测试与在轨监测中，增强了航天器电源测试判读与健康监测能力。后续将进一步在航天器判读规则的数据挖掘方面开展研究。