應(yīng)用層次分析法的航天器健康評(píng)估方法

（北京空間飛行器總體設(shè)計(jì)部，北京 100094）

1 引言

高可靠自主穩(wěn)定運(yùn)行是航天技術(shù)的綜合體現(xiàn)，未來(lái)的衛(wèi)星系統(tǒng)單星功能將日趨復(fù)雜、多星組網(wǎng)星座系統(tǒng)將陸續(xù)出現(xiàn)，衛(wèi)星若發(fā)生影響系統(tǒng)服務(wù)的故障，不及時(shí)處理可能導(dǎo)致系統(tǒng)服務(wù)、可用性變差，甚至無(wú)法使用，帶來(lái)巨大的經(jīng)濟(jì)損失。航天器健康評(píng)估技術(shù)是保證航天器在軌可靠穩(wěn)定運(yùn)行的關(guān)鍵技術(shù)之一，為航天器在軌任務(wù)規(guī)劃、故障處理維護(hù)等提供決策支持，對(duì)有效提高航天器系統(tǒng)生存能力具有非常重要的意義。

健康評(píng)估主要是對(duì)各種手段獲取的監(jiān)測(cè)數(shù)據(jù)、歷史數(shù)據(jù)等進(jìn)行綜合分析，利用各種預(yù)測(cè)診斷算法挖掘這些數(shù)據(jù)所反映的設(shè)備健康狀態(tài)信息及其變化趨勢(shì)，推測(cè)出存在的或可能發(fā)生的故障模式，在此基礎(chǔ)上，依據(jù)評(píng)估算法對(duì)設(shè)備的健康狀況進(jìn)行評(píng)估，對(duì)不合格設(shè)備給出不合格原因及操作建議，為系統(tǒng)任務(wù)規(guī)劃提供依據(jù)。

目前，各國(guó)在健康評(píng)估方法和應(yīng)用方面開(kāi)展了大量的研究。美國(guó)自1970年以來(lái)對(duì)健康狀態(tài)評(píng)估的研究已經(jīng)取得了較大的進(jìn)展，其研究成果已經(jīng)得到了廣泛的應(yīng)用［1-4］。如故障預(yù)測(cè)與健康管理（Prognostics and Health Management，PHM）理論，成功地應(yīng)用在美、英等國(guó)軍方合作開(kāi)發(fā)的聯(lián)合攻擊戰(zhàn)斗機(jī)（JSF）項(xiàng)目中，在采用PHM 技術(shù)之后的JSF飛機(jī)，保障設(shè)備減少50%，維護(hù)人員減少20%～40%，架次生成率提高25%。在航天領(lǐng)域，也提出了航天器綜合健康管理（Integrated Vehicle Health Management，IVHM）的概念等［5-8］。其中評(píng)估設(shè)備的健康狀態(tài)是上述系統(tǒng)的重要內(nèi)容之一。

故障模式是判斷航天器健康狀態(tài)的手段之一，本文首先概述了幾類航天器故障模式動(dòng)態(tài)預(yù)測(cè)技術(shù)，分析比較了各類預(yù)測(cè)算法的特點(diǎn)及適用性，介紹了故障模式對(duì)航天器各級(jí)影響因子權(quán)重的量化分析過(guò)程，提出了采用層次分析法建立航天器分級(jí)健康評(píng)估體系的思路，最后給出了故障模式動(dòng)態(tài)預(yù)測(cè)結(jié)果的仿真試驗(yàn)。

2 預(yù)測(cè)技術(shù)及健康評(píng)估方法

2.1 遙測(cè)數(shù)據(jù)的獲取及其特性分析

衛(wèi)星下傳的遙測(cè)數(shù)據(jù)是了解衛(wèi)星各設(shè)備性能變化趨勢(shì)的主要手段乃至唯一手段。遙測(cè)數(shù)據(jù)隨時(shí)間的變化趨勢(shì)是由系統(tǒng)的工作、環(huán)境等條件決定的隨機(jī)過(guò)程，當(dāng)系統(tǒng)工作異常導(dǎo)致故障發(fā)生時(shí)，往往體現(xiàn)在表征系統(tǒng)特性的遙測(cè)信息發(fā)生變化，這一變化是用來(lái)預(yù)測(cè)航天器故障模式和評(píng)估其健康狀態(tài)的依據(jù)。有效識(shí)別和獲取能夠反映航天器設(shè)備健康狀態(tài)的數(shù)據(jù)信息，包括反映系統(tǒng)／分系統(tǒng)／單機(jī)工作狀態(tài)的參數(shù)信息、反映系統(tǒng)／分系統(tǒng)／單機(jī)性能指標(biāo)的參數(shù)信息等，是進(jìn)行故障預(yù)測(cè)和健康評(píng)估的必要前提。基于遙測(cè)數(shù)據(jù)實(shí)現(xiàn)故障預(yù)測(cè)和健康評(píng)估的基本思想，就是通過(guò)衛(wèi)星輸出遙測(cè)數(shù)據(jù)的變化特性，挖掘衛(wèi)星相關(guān)功能部件的機(jī)理特征，實(shí)現(xiàn)狀態(tài)感知，得出預(yù)測(cè)評(píng)估結(jié)果。

通過(guò)對(duì)在軌航天器遙測(cè)數(shù)據(jù)長(zhǎng)期變化規(guī)律的研究和分析，將遙測(cè)數(shù)據(jù)變化特性分為4類：①恒定不變的遙測(cè)參數(shù)，衛(wèi)星在軌運(yùn)行期間，當(dāng)設(shè)備狀態(tài)并沒(méi)有發(fā)生變化的情況下，其溫度、電壓等部分遙測(cè)參數(shù)會(huì)保持在一恒定值或其附近區(qū)域，例如，電源電壓、參考電平等；②單調(diào)變化的遙測(cè)參數(shù)，隨著時(shí)間的推移，衛(wèi)星在軌工作時(shí)間越來(lái)越長(zhǎng)，單機(jī)設(shè)備的性能會(huì)衰減，對(duì)應(yīng)的遙測(cè)參數(shù)曲線會(huì)發(fā)生緩慢下降的趨勢(shì)，例如，銣鐘銣信號(hào)等；③周期變化的遙測(cè)參數(shù)，隨著季節(jié)變化，光照影響等因素，衛(wèi)星遙測(cè)參數(shù)會(huì)按固定周期進(jìn)行交變，有的遙測(cè)參數(shù)為年周期變化，例如，太陽(yáng)電池陣總輸出電流等；④狀態(tài)變化的遙測(cè)參數(shù)，以數(shù)字量為主，會(huì)隨衛(wèi)星的具體情況或單機(jī)設(shè)備的工作狀態(tài)而變化，例如，衛(wèi)星各單機(jī)狀態(tài)字等。

2.2 預(yù)測(cè)技術(shù)

從實(shí)際研究中應(yīng)用較廣泛的理論、方法和技術(shù)路線來(lái)看，利用航天器故障模式遙測(cè)信息的預(yù)測(cè)方法可以采用多項(xiàng)式曲線擬合、時(shí)間序列、自回歸與滑動(dòng)平均（ARMA）模型等參數(shù)化模型的方法，也可以采用灰色理論、專家系統(tǒng)等非參數(shù)化模型的方法。文獻(xiàn)［9-13］對(duì)這些預(yù)測(cè)方法進(jìn)行了較為系統(tǒng)的研究。針對(duì)遙測(cè)參數(shù)不同的變化規(guī)律，需要采取符合各類航天器遙測(cè)信息特征的預(yù)測(cè)方法。

（1）多項(xiàng)式曲線擬合法。應(yīng)用最小二乘法或其他數(shù)學(xué)方法，擬合出與實(shí)測(cè)數(shù)據(jù)最相符合的曲線，通過(guò)曲線外推的方法進(jìn)行趨勢(shì)預(yù)測(cè)，適用于對(duì)恒定不變或是單一變化的遙測(cè)信息進(jìn)行預(yù)測(cè)。

（2）ARMA 模型預(yù)測(cè)法。將被預(yù)測(cè)對(duì)象隨時(shí)間推移而形成的數(shù)據(jù)序列，視為一個(gè)隨機(jī)時(shí)間序列，認(rèn)為該序列中第t個(gè)時(shí)刻的觀察值不僅與前（t-1）個(gè)觀察值有依存關(guān)系，而且與前（t-1）個(gè)時(shí)刻進(jìn)入系統(tǒng)的擾動(dòng)有依存關(guān)系，建立預(yù)測(cè)模型預(yù)測(cè)未來(lái)值，適合處理復(fù)雜的具有各種模式的時(shí)間序列，可包含趨勢(shì)變動(dòng)、季節(jié)變動(dòng)、循環(huán)波動(dòng)和隨機(jī)波動(dòng)等因素的綜合影響，適用于對(duì)周期變化特性的遙測(cè)信息進(jìn)行預(yù)測(cè)。

（3）新陳代謝GM（1，1）模型預(yù)測(cè)法。對(duì)原始數(shù)據(jù)一次累加生成，數(shù)據(jù)序列呈一定規(guī)律，建立一階微分方程模型，求得擬合曲線，對(duì)系統(tǒng)進(jìn)行預(yù)測(cè)，適合預(yù)測(cè)變化平緩的遙測(cè)信息。

（4）預(yù)測(cè)知識(shí)專家系統(tǒng)。用于趨勢(shì)預(yù)測(cè)過(guò)程中的期望狀態(tài)預(yù)知，主要針對(duì)狀態(tài)遙測(cè)參數(shù)，根據(jù)衛(wèi)星所處或即將處于的工作模式，提前預(yù)測(cè)狀態(tài)參數(shù)的未來(lái)變化。

2.3 健康評(píng)估方法

健康評(píng)估的研究工作集中在評(píng)估方法方面，主要是針對(duì)特定研究對(duì)象的特點(diǎn)，利用各種評(píng)估方法展開(kāi)評(píng)估，常見(jiàn)的健康評(píng)估方法有：模型法、層次分析法、模糊評(píng)判法、人工神經(jīng)網(wǎng)絡(luò)法、基于貝葉斯網(wǎng)絡(luò)的方法、灰色理論、可拓理論等。文獻(xiàn)［14-16］對(duì)這些評(píng)估方法進(jìn)行了較為系統(tǒng)的研究。本文主要采用層次分析法（AHP）進(jìn)行健康評(píng)估，它是一種定性與定量分析相結(jié)合的多準(zhǔn)則決策方法，體現(xiàn)了人們決策思維的基本特征，即分解、判斷、綜合。其基本思想是把決策問(wèn)題的有關(guān)元素按照支配關(guān)系形成層次結(jié)構(gòu)，用一定標(biāo)度對(duì)專家的主觀判斷進(jìn)行客觀量化，構(gòu)造判斷矩陣，并在此基礎(chǔ)上計(jì)算各指標(biāo)的權(quán)重系數(shù)。使用此方法，能夠充分吸取專家的經(jīng)驗(yàn)，對(duì)航天器各功能組成模塊進(jìn)行權(quán)重性分析，可以滿足對(duì)航天器復(fù)雜系統(tǒng)綜合健康評(píng)估的要求，有效地對(duì)各項(xiàng)定性指標(biāo)進(jìn)行量化。然而，衛(wèi)星系統(tǒng)是一個(gè)復(fù)雜的大系統(tǒng)，需要廣泛征求專家組意見(jiàn)，由于專家所處領(lǐng)域、評(píng)判準(zhǔn)則不同，對(duì)需要量化的影響因子認(rèn)識(shí)不同，目前階段要得到相對(duì)客觀量化的結(jié)果，并對(duì)其進(jìn)行驗(yàn)證還存在一定困難。本文結(jié)合層次分析法，希望對(duì)健康狀態(tài)評(píng)估方法的研究進(jìn)行有益的嘗試。

3 健康評(píng)估系統(tǒng)架構(gòu)

3.1 系統(tǒng)組成

動(dòng)態(tài)預(yù)測(cè)及健康評(píng)估系統(tǒng)框圖如圖1所示，包括動(dòng)態(tài)預(yù)測(cè)子系統(tǒng)和健康評(píng)估子系統(tǒng)兩部分，其中動(dòng)態(tài)預(yù)測(cè)子系統(tǒng)又包括：遙測(cè)接收模塊、特征提取模塊、預(yù)測(cè)模型庫(kù)、預(yù)測(cè)處理模塊、預(yù)測(cè)結(jié)果和預(yù)警模塊。預(yù)測(cè)模型庫(kù)包含有各種預(yù)測(cè)模型和預(yù)測(cè)算法，能夠?qū)Ω黝愡b測(cè)數(shù)據(jù)或故障模型進(jìn)行預(yù)測(cè)，預(yù)測(cè)處理模塊將得到的預(yù)測(cè)結(jié)果信息進(jìn)行處理，并將處理后的結(jié)果發(fā)送給健康評(píng)估子系統(tǒng)。所謂動(dòng)態(tài)預(yù)測(cè)，即通過(guò)不斷加入新信息去掉舊信息的方法，使建模序列實(shí)時(shí)更新，及時(shí)反映系統(tǒng)當(dāng)前的特征。

圖1 動(dòng)態(tài)預(yù)測(cè)及健康評(píng)估系統(tǒng)框圖Fig.1 Framework for dynamic prognostic and health evaluation system

健康評(píng)估子系統(tǒng)，主要通過(guò)對(duì)反映航天器各功能部件當(dāng)前狀態(tài)特征的遙測(cè)信息的特性進(jìn)行提取和分析，一方面通過(guò)分析遙測(cè)信息的變化趨勢(shì)來(lái)預(yù)測(cè)設(shè)備可能發(fā)生的故障模式，另一方面通過(guò)地面或衛(wèi)星上實(shí)時(shí)故障診斷結(jié)果，對(duì)無(wú)法用預(yù)測(cè)技術(shù)得到的（如突發(fā)性故障）故障模式進(jìn)行識(shí)別和獲取，得到當(dāng)前和未來(lái)一段時(shí)間內(nèi)衛(wèi)星發(fā)生或可能發(fā)生的故障模式；利用故障模式對(duì)航天器各級(jí)功能模塊影響權(quán)重的量化分析結(jié)果，實(shí)現(xiàn)對(duì)航天器系統(tǒng)級(jí)、分系統(tǒng)級(jí)、單機(jī)級(jí)的健康評(píng)估，給出當(dāng)前和未來(lái)一段時(shí)間內(nèi)航天器系統(tǒng)健康評(píng)估結(jié)果。

3.2 健康評(píng)估體系

健康評(píng)估子系統(tǒng)完成對(duì)航天器各級(jí)的健康評(píng)估，包括航天器系統(tǒng)級(jí)、分系統(tǒng)級(jí)和單機(jī)級(jí)，每一級(jí)對(duì)應(yīng)不同的健康評(píng)估體系。運(yùn)用層次分析法實(shí)現(xiàn)航天器健康評(píng)估的基本思想，是以遙測(cè)信息所反映的故障模式為決策研究基本點(diǎn)，分別從單機(jī)、分系統(tǒng)和系統(tǒng)的角度，對(duì)不同故障模式對(duì)各級(jí)影響因子的權(quán)重進(jìn)行分析和決策，進(jìn)而建立分級(jí)的健康評(píng)估體系。健康評(píng)估體系建立的架構(gòu)見(jiàn)圖2。

圖2 健康評(píng)估體系架構(gòu)Fig.2 Architecture of health evaluation system

采用層次分析法得出故障模式對(duì)航天器各級(jí)設(shè)備的影響權(quán)重因子，大體可分為4個(gè)步驟。

（1）對(duì)于單機(jī)層次的健康評(píng)估體系，分析某一單機(jī)對(duì)應(yīng)的故障模式及其對(duì)該單機(jī)設(shè)備的影響關(guān)系；對(duì)于分系統(tǒng)層次的健康評(píng)估體系，分析某一分系統(tǒng)對(duì)應(yīng)的故障模式及其對(duì)該分系統(tǒng)的影響關(guān)系；對(duì)于系統(tǒng)層次的健康評(píng)估體系，分析系統(tǒng)對(duì)應(yīng)的故障模式及其對(duì)系統(tǒng)的影響關(guān)系。

（2）對(duì)同一層次的各故障模式的影響程度進(jìn)行兩兩比較，構(gòu)造正互反矩陣，影響程度度量用1～9標(biāo)度法，以影響單機(jī)級(jí)性能狀態(tài)的故障模式權(quán)重性分析為例，具體原則如下（aij代表故障模式i相比于故障模式j(luò)的影響程度）：①故障模式i與故障模式j(luò)相比，同等影響程度的情況下，取aij＝1；②故障模式i與故障模式j(luò)相比，影響程度稍重的情況下，取aij＝3；③故障模式i與故障模式j(luò)相比，影響較重的情況下，取aij＝5；④故障模式i與故障模式j(luò)相比，影響明顯重的情況下，取aij＝7；⑤故障模式i與故障模式j(luò)相比，影響極其重的情況下，取aij＝9；⑥如果處在上述判斷的中間值，則可對(duì)應(yīng)選取aij＝2、4、6、8。

按兩兩比較的結(jié)果，得到的判斷矩陣A＝（aij）p×p稱為正互反矩陣，其中，aij＞0，aji＝1／aij，aii＝1，p為正互反矩陣階數(shù)，即被比較的故障模式個(gè)數(shù)。

分系統(tǒng)級(jí)的矩陣中，除了要考慮故障模式對(duì)分系統(tǒng)的影響外，還需要考慮該分系統(tǒng)所含單機(jī)的健康評(píng)估結(jié)果對(duì)分系統(tǒng)的影響因素。系統(tǒng)級(jí)的矩陣中，除了考慮故障模式對(duì)系統(tǒng)的影響外，還需要考慮各分系統(tǒng)健康評(píng)估結(jié)果對(duì)整個(gè)系統(tǒng)的影響因素。

（3）由正互反矩陣計(jì)算被比較故障模式的相對(duì)權(quán)重，并進(jìn)行一致性檢驗(yàn)。

計(jì)算正互反矩陣A的最大特征根λmax和相應(yīng)特征向量ω，特征向量歸一化后，即為該層次故障模式的相對(duì)重要性權(quán)重值，計(jì)算方法：計(jì)算正互反矩陣各行元素的和，將矩陣各行元素的和進(jìn)行歸一化，即為權(quán)重向量。如故障模式m的相對(duì)權(quán)重值用公式表示為

式中：ωm代表某一專家給出的故障模式m的相對(duì)權(quán)重值，ami為故障模式m相對(duì)于故障模式i的影響程度，p為正互反矩陣中所包含的故障模式個(gè)數(shù)。每一級(jí)包含有多個(gè)故障模式，故障模式影響程度越大，則權(quán)重系數(shù)越大，反之越小，每一級(jí)所包含的全部故障模式的權(quán)重系數(shù)加起來(lái)和為1。

計(jì)算一致性指標(biāo)ZC.I.＝（λmax-p）／（p-1），計(jì)算一致性比例，ZC.R.＝ZC.I.／ZR.I.，其中，ZR.I.為平均隨機(jī)一致性指標(biāo)，取值見(jiàn)表1。

當(dāng)ZC.R.＜0.1時(shí)，一般認(rèn)為互反矩陣一致性是可以接受的，否則調(diào)整矩陣，保證權(quán)重向量結(jié)果的可信程度。

表1 ZR.I.指標(biāo)表Table 1 Value of ZR.I.

利用上述步驟可得到一個(gè)專家對(duì)某故障模式的權(quán)重系數(shù)值，由于每個(gè)專家對(duì)重要性認(rèn)識(shí)具有一定的主觀性，因此需要請(qǐng)多個(gè)專家對(duì)這些故障模式的權(quán)重進(jìn)行處理，每個(gè)故障模式可得到多個(gè)權(quán)重系數(shù)，綜合權(quán)重系數(shù)為

式中：ωmz代表故障模式m的綜合權(quán)重系數(shù)，代表第n個(gè)專家給出的故障模式m的相對(duì)權(quán)重，l為專家人數(shù)。

（4）綜合評(píng)估，按照步驟（1）、（2）、（3），可完成故障模式對(duì)航天器各級(jí)影響因子的權(quán)重系數(shù)分析，結(jié)合預(yù)測(cè)診斷結(jié)果信息推斷的可能發(fā)生的故障模式（發(fā)生故障認(rèn)為是1，否則為0），將當(dāng)前已發(fā)生或預(yù)測(cè)發(fā)生的故障模式及對(duì)應(yīng)的權(quán)重系數(shù)進(jìn)行加權(quán)，得到航天器健康評(píng)估的量化結(jié)果為

式中：H代表健康評(píng)估結(jié)果，ωiz代表故障模式i對(duì)應(yīng)的綜合權(quán)重系數(shù)，s為發(fā)生或預(yù)測(cè)發(fā)生的故障模式個(gè)數(shù)。

對(duì)系統(tǒng)級(jí)健康評(píng)估量化結(jié)果進(jìn)行分類，將量化結(jié)果和航天器健康狀態(tài)關(guān)聯(lián)，通過(guò)量化結(jié)果給出當(dāng)前航天器的健康狀態(tài)。將航天器健康狀態(tài)劃分為健康狀態(tài)、亞健康狀態(tài)、異常不健康狀態(tài)、嚴(yán)重不健康狀態(tài)4種。

（1）健康狀態(tài)：系統(tǒng)工作正常，各設(shè)備健康，建議健康狀態(tài)對(duì)應(yīng)的量化評(píng)估范圍為0。

（2）亞健康狀態(tài)：發(fā)生可以容忍的錯(cuò)誤，系統(tǒng)可通過(guò)自主手段完成故障的處理和恢復(fù)，建議亞健康狀態(tài)對(duì)應(yīng)的量化評(píng)估范圍，參考可容忍的故障模式對(duì)應(yīng)的權(quán)重系數(shù)范圍給出。

（3）異常不健康狀態(tài)：導(dǎo)致系統(tǒng)任務(wù)降級(jí)或功能鏈重組，建議異常不健康狀態(tài)對(duì)應(yīng)的量化評(píng)估范圍，參考導(dǎo)致系統(tǒng)任務(wù)降級(jí)或功能重構(gòu)的故障模式對(duì)應(yīng)的權(quán)重系數(shù)范圍給出。

（4）嚴(yán)重不健康狀態(tài)：系統(tǒng)功能失效，建議嚴(yán)重不健康狀態(tài)對(duì)應(yīng)的量化評(píng)估范圍為1。

4 故障模式動(dòng)態(tài)預(yù)測(cè)仿真試驗(yàn)

以衛(wèi)星反作用輪摩擦力矩增大故障為例，該故障對(duì)應(yīng)的遙測(cè)變化趨勢(shì)平緩，可以用GM（1，1）模型進(jìn)行預(yù)測(cè)，具體步驟見(jiàn)圖3。

圖3 GM（1，1）模型預(yù)測(cè)流程圖Fig.3 Flow diagram of GM（1，1）model

1）獲取數(shù)據(jù)序列并作預(yù)處理

從數(shù)據(jù)庫(kù)中取出摩擦力矩?cái)?shù)據(jù)，以200～220s之間的數(shù)據(jù)為樣本數(shù)據(jù)，作為原始時(shí)間序列，記作X（0）。

式中：x（0）（n）代表原始時(shí)間序列的第n項(xiàng)。

2）作累加生成序列

對(duì)原始時(shí)間序列作一次累加，得到生成列，記作X（1）。

其中，生成列的第k項(xiàng)由原始時(shí)間序列的前k項(xiàng)和產(chǎn)生，即：

3）構(gòu)造累加矩陣B和常數(shù)向量Y

GM（1，1）模型相應(yīng)的微分方程為

式中：v為發(fā)展系數(shù)，u為內(nèi)生控制灰數(shù)。由于涉及到累加列X（1）的兩個(gè)時(shí)刻的值，取前后兩個(gè)時(shí)刻的平均值來(lái)代替X（1）（k）更為合理，即將X（1）（k）替換為［x（1）（k）＋x（1）（k-1）］，（k＝2，3，…，n），稱為緊鄰均值生成序列。設(shè)＝（v，u）T為待估參數(shù)向量，構(gòu)造累加矩陣B和常數(shù)向量Y。

則方程的矩陣形式為Y＝。

4）利用最小二乘法，通過(guò)Matlab軟件擬合求解參數(shù)v和u

5）求解微分方程，得到預(yù)測(cè)模型

6）對(duì)x（1）（k＋1）作累減生成，可得還原模型值

將原始數(shù)據(jù)代入預(yù)測(cè)模型，預(yù)測(cè)結(jié)果與實(shí)際數(shù)據(jù)比較如圖4所示，紅色曲線代表預(yù)測(cè)值，黑色曲線代表真實(shí)值。

衛(wèi)星摩擦力矩的變化范圍為［-3.14，3.14］，從圖4中可以看出，超出此范圍即認(rèn)為發(fā)生了故障。通過(guò)預(yù)測(cè)得到的故障發(fā)生時(shí)間為t＝208s，即208s可能發(fā)生反作用輪摩擦力矩增大故障，衛(wèi)星健康狀態(tài)將受到影響，評(píng)估結(jié)果為該故障模式對(duì)衛(wèi)星的影響權(quán)重系數(shù)。

圖4 預(yù)測(cè)結(jié)果Fig.4 Prediction results

5 結(jié)束語(yǔ)

本文通過(guò)對(duì)航天器健康評(píng)估方法的論述和分析，總結(jié)如下：

（1）提出航天器健康評(píng)估體系分級(jí)建立思想，將航天器故障模式影響因子作為健康評(píng)估的指標(biāo)。每一級(jí)評(píng)估體系需要考慮不同的影響因素，對(duì)于航天器單機(jī)級(jí)的健康評(píng)估體系，主要考慮故障模式對(duì)單機(jī)設(shè)備的影響權(quán)重，對(duì)于分系統(tǒng)級(jí)，除考慮故障模式對(duì)分系統(tǒng)的影響權(quán)重外，還須考慮單機(jī)健康狀態(tài)評(píng)估結(jié)果對(duì)分系統(tǒng)的影響權(quán)重，對(duì)于系統(tǒng)級(jí)，除考慮故障模式對(duì)系統(tǒng)的影響權(quán)重外，還須考慮各分系統(tǒng)健康狀態(tài)評(píng)估結(jié)果對(duì)整個(gè)系統(tǒng)的影響權(quán)重。

（2）利用層次分析法（AHP）構(gòu)造判斷矩陣，量化故障模式的影響權(quán)重，建立航天器各級(jí)健康狀態(tài)評(píng)估模型，能夠充分吸取專家的經(jīng)驗(yàn)和知識(shí)，對(duì)航天器各功能模塊重要性進(jìn)行分析，可以滿足對(duì)航天器復(fù)雜系統(tǒng)綜合健康評(píng)估的要求。

（3）結(jié)合動(dòng)態(tài)預(yù)測(cè)技術(shù)完成故障模式的預(yù)測(cè)，本文以衛(wèi)星反作用輪摩擦力矩增大故障為例，利用新陳代謝GM（1，1）模型預(yù)測(cè)算法進(jìn)行了故障模式動(dòng)態(tài)預(yù)測(cè)的仿真驗(yàn)證，其他故障模式的預(yù)測(cè)結(jié)果可同理給出，根據(jù)故障模式的預(yù)測(cè)結(jié)果，完成對(duì)航天器健康狀態(tài)的有效評(píng)估。

隨著航天任務(wù)對(duì)在軌高可靠穩(wěn)定運(yùn)行提出越來(lái)越高的要求，開(kāi)展航天器健康評(píng)估方面的研究是非常必要的，以為在軌航天器系統(tǒng)任務(wù)規(guī)劃、維護(hù)提供重要決策支持。但健康評(píng)估方法和健康評(píng)估體系的建立需要豐富的專家知識(shí)和經(jīng)驗(yàn)，需要一個(gè)長(zhǎng)期的分析和論證過(guò)程。本文所提健康評(píng)估理論還處在研究階段，對(duì)航天器健康評(píng)估的量化和仿真結(jié)果還須進(jìn)一步論證和分析。

（References）

［1］Saha B，Saha S，Goebel K.A distributed prognostic health management architecture ［R］.Washington D.C.：NASA，2009

［2］Pecht M G.Prognositics and health management of electronics［M］.New York：Wiley-Interscience，2008

［3］Hess A，F(xiàn)ila L.The Joint Strike Fighter（JSF）PHM concept：Potential impact on aging aircraft problems［C］／／Proceedings of 2002 IEEE Aerospace Conference.New York：IEEE，2002：3021-3026

［4］Hess A，Calvello G，Dabney T.PHM a key enabler for the JSF autonomic logistics support concept［C］／／IEEE Aerospace Conference.New York：IEEE，2004

［5］Walter H E，Jones W G.Vehicle health management technology needs［C］／／AIAA Space Programs and Technologies Conference.Washington D.C.：AIAA，1992

［6］Fernando F，Kevin M.Integrated systems health management for intelligent systems［R］.Washington D.C.：NASA，2011

［7］Schwabacher M，Samulels J，Brownston L.The NASA integrated vehicle health management technology experiment for X-37［R］.Washington D.C.：NASA，2002

［8］Felke T，Hadden G D，Miller D A.Architectures for integrated vehicle health management，AIAA-2010-3433［R］.Washington D.C.：AIAA，2010

［9］Al-Smadi A.The estimation of the order of an ARMA process using third-order statistics［J］.International Journal of Systems Science，2005，36（15）：975-980

［10］張寶珍.國(guó)外綜合診斷、預(yù)測(cè)與健康管理技術(shù)的發(fā)展及應(yīng)用［J］.計(jì)算機(jī)測(cè)量與控制，2008，16（5）：591-594 Zhang Baozhen.Development and applications of integrated diagnostics，prognostics and health management technologies of abroad［J］.Computer Measurement and Control，2008，16（5）：591-594

［11］Thananchai L.Grey prediction on indoor comfort temperature for HVAC systems［J］.Expert Systems with Applications，2008，34（4）：2284-2289

［12］Olson D L，Wu D S.Simulation of fuzzy multi-attribute models for grey relationships［J］.European Journal of Operational Research，2006，175（1）：111-120

［13］Yu M C，Hsin H H.The use of the Taguchi method with grey relational analysis to optimize the thin film sputtering process with multiple quality characteristic in color filter manufacturing［J］.Computers ＆Industrial Engineering，2009，56（2）：648-661

［14］Philip L D，Carl S B，Patrick W K.FieId data evaluation and continuous health assessment of critical avionics subsystem degradation［C］／／Aerospace Conference.New York：IEEE，2006

［15］Lebold M，Thurston M.Open standards for condition based maintenance and prognostic systems［C］／／Maintenance and Reliability Conference（MARCON）.Knoxville，TN：Maintenance ＆Reliability Center，University of Tennessee，2001

［16］吳波.健康狀態(tài)評(píng)估方法及應(yīng)用研究［J］.計(jì)算機(jī)測(cè)量與控制，2009，17（12）：2345-2347 Wu Bo.Research on methods and application of health assessment［J］.Computer Measurement and Control，2009，17（12）：2345-2347