航天器健康管理技术研究
摘要：航天器健康管理技术对于保障航天任务的顺利实现、节省发射、运营成本、避免财产损失和人员伤亡有着重要作用。本文总结了国内外航天器健康管理技术的发展状况以及最新成果，总结了航天器健康管理技术存在的问题以及发展的方向。介绍了我国航天器健康管理研究与世界先进水平的差距，结合我国特点，探讨了我国健康管理技术的研究重点。
1 引言
航天任务具有政治影响大、风险高、投资大、周期长等特点，因此保证航天任务的顺利实施对任务和国家来说都是一个重要目标。航天器以及有效载荷通常都是高可靠性设计的，但是由于空间环境的复杂性以及地面测试条件的局限性，航天器以及有效载荷在运行时仍然会出现故障。尽管现在各个国家都开展了航天器故障方面的研究，但由于是航天器系统是一个典型的复杂系统，这类系统的特点就是子系统交互关联，在其性能、功能提高的同时，由于组成环节和影响因素的增加，发生故障的潜在可能性也在增大，甚至有的故障可能会发生连锁反应，引起整个任务流程的失败甚至引起整个系统的瘫痪。
航天器的健康管理技术是对航天器以及有效载荷进行故障预测、故障诊断、故障隔离、故障处理决策、部件性能跟踪、趋势预测等方面实现自主保障的一门技术，对于控制航天器以及有效载荷的风险、降低保障成本、缩减维护规模具有现实意义。航天器健康管理技术是在故障诊断技术的基础上发展起来的，尤其是像航天器这样的复杂系统健康管理技术（Complicated System Intergraded Health Management，CSIHM）是集测试技术、人工智能、信息技术为一体的综合应用，从故障监测、诊断、隔离、重构（Fault Detection ,Isolation , Reconfiguration , FAIR）技术一步一步发展演变而来的，将管理功能扩展到自主重构、资源重组以便安全、有效地实现任务目标。
2研究状况
现在各个航天大国都在开展航天器健康管理所技术的研究，NASA更是将其定为航天器健康管理技术放在21世纪太空飞行技术需求的第一位。NASA的航天器健康管理研究项目由X-33/X-34/X-37，军用飞机项目有F-18，F-22，JSF，UCAV等，美国的的健康管理技术有两个典型代表，一是运载器综合健康管理技术（Vehicle Integrated Health Management，IVHM），二是JSF项目提出的预测与健康管理技术（PHM）。
2.1 IVHM
IVHM 是NASA 近些年在其可重复使用空间飞行器( reusable launch vehicle, RLV) 项目中正式提出的,它是在飞行器系统中集成和应用先进的软件、传感器、智能诊断、数字通信、系统集成等技术, 来实现对飞行器系统智能的、系统级的健康评估和控制、信息和决策管理, 帮助操作人员完成飞行任务、减小风险和危害。
IVHM是NASA在运载器健康管理（Vehicle Health Management，VHM）技术的基础上提出的，VHM技术最初在NSL-1、NSL-2火箭项目上应用实施，VHM的另一应用对象是X-33，此项目将具有对飞行器各个子系统故障监测和功能管理模块集成封装于两个LRU 单元内, 成为VHM 计算机, 分为3 个子系统: 通过远程健康节点( remote health node, RHN) 组成智能传感器网络采集飞行器结构、机械和环境等数据; 监测和记录6 条MIL-STD2 1553 总线的通讯状况; 通过使用分布式光纤温度、氢气、应力传感器监测低温油箱。以X-33 的这种硬件组成及功能结构为基础的VHM系统在随后的X-34、F/ A-18、DS-1、K-1 、X-37 等项目中得到了验证和发展, IVHM 技术从概念到系统结构、功能、硬件组成等方面也有了完善和提高, 如X-34 中对硬件的升级、F/A218 对嵌入VHM 软件工具Livingstone 的升级和在X-37 视情保障中的应用。
伴随IVHM 的发展, 也出现了许多用于VHM 的诊断推理工具, 如:Ames 研究中心开发的Livingstone 诊断推理工具, 成功用于DS-1、X-34、X-37 等; JPL( Jet Propulsion Laboratory)开发的推理工具SHINE 和诊断工具BEAM,成功用在X-33 等中; 此外还有基于模型的推理机TEAMS成功用在K-1 等中 、基于模型的软件工具FACT。
新型的传感器 、先进的诊断推理算法和系统集成方法等的应用也成为IVHM 技术发展的重要成果。
综上所述, IVHM 已经得到一定发展, 但还不完善, 尚处于原理、部分功能和概念的验证阶段, 目前还没有具备完整IVHM功能的系统。
2.2 PHM
20世纪90年代末,随着美军重大项目F-35 联合攻击机(JSF)项目的启动,为预测与健康管理( PHM)技术的诞生带来了契机。PHM是JSF项目实现经济承受性、保障性和生存性目标的一个关键所在。JSF的PHM系统是当前飞机上使用的机内测试(BIT)和状态监控的发展,这种发展的主要技术要素是从状态(健康)监控向状态(健康)管理的转变,这种转变引入了故障预测能力,借助这种能力从整个系统(平台)的角度来识别和管理故障的发生。其目的是减少维修人力、增加出动架次率、实现自主式保障。
PHM 主要是利用先进传感器的集成, 并借助各种算法和智能模型(如模糊逻辑等) 来预测、监控和管理飞机的状态, 主要包括以下一些功能: ① 故障检测; ② 故障隔离; ③ 故障预测; ④ 残余使用寿命预计; ⑤ 部件寿命跟踪; ⑥ 性能降级趋势跟踪;⑦ 故障选择性报告: 只通知立即需要驾驶员知道的信息, 将其余信息通报给维修人员; ⑧ 辅助决策和资源管理; ⑨ 信息融合和推理机;信息管理: 将准确的信息在准确的时间通报给准确的人员
PHM已成为国外新一代装备研制和实现自主式保障的一项核心技术,是21世纪提高复杂系统“五性”(可靠性、维修性、测试性、保障性和安全性)和降低寿命周期费用的一项非常有前途的*。
2.3 健康管理关键技术
健康管理技术的基础是故障诊断技术，还涉及到故障特征提取、故障预测、状态评估等内容。
2.3.1 故障特征提取
故障特征提取是进行故障诊断的前提条件，一般是从传感器采集数据，进行信号处理，在时域、频域、相位域提取故障特征，进行数据分析，发现数据变化的趋势，进行故障预测分析。目前对于故障特征的提取与检测理论和方法主要有基于模型的状态分析和基于特征的状态分析、基于小波变换的信号处理、基于时间序列的特征提取等。
2.3.2 故障预报
故障预报是实现故障预防、提高故障诊断实时性的技术手段。故障的预测预报技术主要是基于致命故障或者损耗性故障的关键参数的变化趋势进行分析，以推断航天器未来可能的状态，从而采取预防措施避免航天器故障的发生或者降低航天器故障的危害程度。故障预防研究的主要内容由：缓变故障的早期特征提取技术，以及故障预报模型的研究。
2.3.3 故障诊断
通过研究国内外故障诊断技术发展历史，可以发现现在的故障技术主要分为三种：
l 基于信号处理的诊断。
l 基于模型的诊断。
l 基于人工智能的诊断。
（1） 基于信号处理的故障诊断方法
基于信号处理的诊断方法是故障诊断技术发展初期的常用技术，通常是利用信号模型，如相关函数、频谱、自回归滑动平均、包络分析法、最大熵谱法、分形分析、同步信号法等，提取诸如方差、幅值、频率等特征，从而检测出故障。
（2） 基于模型的诊断
基于模型的诊断又称基于深层知识的诊断方法，这种方法要求对设备的数学模型有精确了解，按照一定的数学方法进行故障诊断。目前这种方法已经得到了深入研究，但是由于很难获得设备的精确数学模型，故难以对设备进行建模，所以这大大限制了基于模型的诊断方法的适用范围和使用效果。目前采用的多信号模型和定性模型可以克服定量模型的缺点，是国内外研究的热点。
（3） 基于人工智能的故障诊断
近年来，由于人工智能技术的发展，为故障诊断技术提供了新的手段，采用人工智能技术的故障诊断不需要进行精确的设备数学模型，而且还能具有智能推理判断的特点，故称为现在故障诊断技术的新的研究热点。
基于人工智能的故障诊断技术包括机遇专家系统的故障诊断、基于神经网络的故障诊断、基于模糊理论的故障诊断、基于故障树的诊断、基于智能Angent的故障诊断等。
l 基于专家系统的故障诊断
专家系统一直是基于知识的故障诊断的研究重点，现在已经比较成熟。它的思想是在诊断求解的过程中，不需要进行精确匹配，而是通过计算机提供一个求解时的推理模型，利用已有的知识进行故障诊断。通常来说，基于专家系统的故障诊断包括知识库、全局数据库、推理机、知识获取机制、解释机制、用户界面组成。分为专家系统运行模块和知识管理模型。
专家系统运行模块负责基于知识的故障诊断，知识管理模块负责推理规则以及知识的录入、存储、校验以及知识库的转换。
基于专家系统的故障诊断系统特点是知识表示直观形象，推理速度快，知识存储空间小，易于编程和快速开发系统原型；缺点是知识库只能覆盖有效的故障模式，对于知识库中没有记录的故障模式，显得无能为力，如果故障特征和知识的前提不能匹配，容易导致故障诊断错误。
l 基于神经网络的故障诊断
神经网络是模仿生物的神经系统而建立的具有学习性和并行计算能力的自适应非线性系统。神经网络的特点是高度非线性、高度容错能力、具有非线性优化和联想记忆、可以实现自组织、分类等功能。
神经网络用于故障诊断，可以突破知识的获取方面的瓶颈，使得系统可以通过机器学习丰富自身的知识，还可以解决趋势预测和诊断推理方面的问题。但是其缺点是不能对用户解释内部的推理过程，无法揭示系统内部的一些潜在关系。并且对于未在训练样本范围内出现的故障，神经网络诊断显得无能为力。
l 基于模糊理论的故障诊断
由于航天器运行环境的复杂性，有很多的故障特征和故障之间很难确定它们之间准确的映射关系，只能借助于模糊数学的理论适用隶属度函数和模糊关系矩阵的概念确定产生故障的可能性的大小。基于模糊理论的故障诊断在处理复杂系统的大时滞、时变以及非线性方面显示了它的优越性。目前，基于模糊理论的故障诊断有三个方向：
Ø 基于模糊关系及合成算法的诊断；
Ø 基于模糊知识处理技术的诊断；
Ø 基于模糊聚类算法的诊断。
基于模糊理论的诊断存在的问题是隶属函数的确定，难免存在人的主观片面，难以保证隶属函数的客观性；对特征元素的要求比较苛刻，如果特征元素选择不合理，会造成诊断失误甚至失败。
l 基于故障树的故障诊断
基于故障树的诊断是一种体现故障传播关系的有向图，以诊断对象最不希望出现的事件为顶层事件，依照诊断对象的结构关系和功能关系逐次展开，直到不可分的事件为止。其优点是能够进行快速诊断，知识库易于修改，诊断技术与应用领域无关。缺点是故障树建立于元器件的联系和有效载荷的故障模式分析之上，因此无法诊断不可预知的故障，诊断的结果严重依赖于故障树的完善程度。
l 基于智能Angent的故障诊断
Angent技术是指具有自主性、反应性、主动性和社会特性的基于硬件或者软件的计算机系统，是一种分布式计算技术。基于angent技术的故障诊断是借助于angent分布式计算的特点，将多个angent组合起来协同工作，提高系统的诊断率，增强环境的适应性。使系统在运行过程中发现和挖掘知识，提高学习能力，从而实现系统的自我完善。目前基于Angent技术的故障诊断系统正得以广泛应用，NASA的Barney Pell等设计了用于深空探测1号航天器的远程诊断Angent，使得深空1号成为Aanent技术在航天器自主控制和故障诊断领域成功应用的首例。
3航天器健康管理面临的问题
尽管故障诊断技术发展迅速,并且已经有了较为成熟的理论和技术实现手段,但是故障诊断技术仍然不能满足现在航天任务的实际需求. 具体表现在航天器,尤其是空间站是一个复杂的非线性大系统,包括平台、结构、热控、电源、数管、软件等分系统都有可能出现故障。已有的故障诊断技术在应对航天器以及有效载荷的健康管理方面仍有不小的差距：
l 如何管理多种载荷
航天器上除了平台、电源等公共部分之外，还有多种有效载荷，尤其是空间站，其搭载的有效载荷可能多达几百种，这些载荷其工作机理不同、结构各异、可以说每隔载荷都不相同，如何实现对空间站公公平台、电源、结构、热控、软件等部分进行健康管理的同时，实现对几百种有效载荷的健康状态进行管理，是一个艰巨的挑战。
l 如何实现对不确定知识的处理
故障诊断技术会面临大量的不确定因素，这些因素有可能是随机的、模糊地、不完全的在虽然处理不确定方面有很多的理论和技术，但是仍然没有十分有效的解决这些问题。航天器在轨运行时出现的故障可能未在地面试验过程中出现过，人工智能的训练样本就无从谈起，知识库的专家规则也是不全面的，受到客观条件的限制，知识库的知识如何实现自我更新，自我学习，在系统运行的过程中，发现知识、凝练知识，充实到知识库中，增强故障诊断系统的处理不确定性因素的能力是航天器健康管理的有一个大的难题。
l 信息来源有限
现有的航天测控系统传递的测控参数不可能包含故障诊断要求的所有参数，换言之就是航天器健康管理能够获得故障特征信息是有限的，针对航天器的健康管理只能建立在这些信息基础之上，如何在有限信息来源上实现对航天器的健康管理是另一个挑战。
3 发展趋势
有效载荷的健康管理研究的重点就是故障诊断技术，故障诊断就是为了快速、准确地定位故障设备，并预测故障变化的趋势。围绕这个核心目的，故障诊断技术的研究方兴未艾。但从分支学科的要求来看，无论是在理论体系的建构方面还是在解决航天器故障诊断实际问题方面还有很长道路要走。今后的研究应该主要归纳为以下几个方面：
l 天地一体化故障诊断技术
所谓的天地一体化故障诊断技术就是航天器在轨故障诊断和地面维护保障相结合、合理分配航天器和地面保障系统的任务功能，达到航天器和地面应用系统之间协同配合完成航天器维护保障任务的目的。
航天器在轨维护系统负责实时性的、灾难性的故障的诊断处理，实现关键故障的在轨处理；地面系统负责非实时性的、综合性的故障诊断处理、故障发展趋势的研判、全生命周期的健康管理。
l 综合性的诊断技术
所谓的综合性诊断技术就是指诊断内容和诊断技术两个方面，诊断内容包括不再是以前单一的分系统故障诊断技术（如电源诊断系统）而是集状态检测、故障预报、故障诊断、故障恢复、趋势预测于一体的航天器健康管理；诊断技术也不再是单一的诊断方法（如故障树诊断和神经网络诊断）而是综合多种诊断技术为一体。例如为了满足空间站这样的复杂大型结构系统的需求，一般采用层次化的诊断方法，显示给系统故障进行定性，解决系统级别的故障诊断问题，而后采用基于模型的故障诊断，确定故障的因果关系，最后根据航天器的具体特点采用专家系统、神经网络、基于贝叶斯的统计诊断等方法的混合诊断模型执行细节诊断。
l 知识的表示方法的创新
由于航天器的复杂性，其不同部分的知识的表示方法以及也各不相同，作为航天器层次的故障诊断系统需要多种故障知识的表示方法。这就存在着不同知识表示方法之间的信息传递、信息转换、知识的组织与维护问题，这些问题一直影响着对故障诊断对象的描述与表达。多种不同形式的知识的混合表示是空间站这样的跨学科、多领域系统表示知识的一种解决方法，这就要求诊断系统具备不同知识之间的转换能力，以及对不同知识表示的评价能力，完成诊断过程中对知识表示的评优、选择。
l 变结构系统的故障诊断技术
变结构系统是指像空间站那样的复杂系统，在不同的飞行阶段和飞行任务状态下，有不同的结构变化，尤其是空间站的在轨组装期间，其结构更是多变。如据不完全统计，*号国际空间站的构型变化有20多种。空间站的构型变化会带来空间站内部连接关系的复杂化，这种复杂性会给空间站的故障诊断带来很大影响。这需要解决两个关键问题，一是变结构系统的知识获取，而是诊断系统的系统重构技术。
4结论
世界航天技术先进国家已经在航天器、有效载荷的健康管理技术上取得很大的成效，我们应该借鉴国外在航天领域故障诊断技术的最新成果，汲取他们的成功经验和失败教训，结合我国的实际情况，将航天器以及有效载荷的健康管理技术应用到航天任务型号上去，保障我国航天任务的顺利实施。因此，对航天器及有效载荷开展健康管理技术研究、开发、应用将是非常有益的。