基于貝葉斯網(wǎng)的空天飛行器航天試驗風險分析

劉盛銘，馮書興

(裝備學院a.研究生管理大隊； b. 訓練部，北京　101416)

?

基于貝葉斯網(wǎng)的空天飛行器航天試驗風險分析

劉盛銘a，馮書興b

(裝備學院a.研究生管理大隊； b. 訓練部，北京101416)

空天飛行器是世界各軍事強國競相研發(fā)的航天裝備之一。針對空天飛行器開展航天試驗所面臨的風險問題，首先對空天飛行器航天試驗進行了風險分析，按照試驗任務確定風險因素，然后在此基礎上建立了BN風險模型，輸入相關數(shù)據(jù)得到了各個試驗任務及試驗總?cè)蝿盏氖「怕?，最后對風險因素進行敏感度分析。結(jié)果表明，空天飛行器航天試驗總?cè)蝿諏υ囼炛笓]和在軌試驗的任務失敗較為敏感。以上工作旨在為空天飛行器開展航天試驗提供參考和借鑒。

空天飛行器；航天試驗；風險分析；風險因素；貝葉斯網(wǎng)絡；敏感度分析

0　引言

能夠穿越大氣層，往返于地球與外層空間并具備軌道機動、可重復使用等能力的空天飛行器，已是世界各軍事強國競相研發(fā)的航天裝備之一。作為一項系統(tǒng)工程，空天飛行器航天試驗涉及人員、設備較多，跨越地域較廣，具有規(guī)模大、綜合性強、不確定因素多等特點，試驗過程將面臨一系列風險因素。為安全順利完成任務，迫切需要對空天飛行器航天試驗所面臨的風險進行研究。

1　現(xiàn)狀分析

空天飛行器是指集飛機、運載器、航天器等多重功能于一身，既能在大氣層內(nèi)飛行又能進入太空并執(zhí)行維修、補給、替換等軌道操作任務的新型飛行器[1-2]。近10年來，美、俄、歐、印等世界強國和地區(qū)研究提出了各種各樣的空天飛行器，并開展了一系列的航天試驗[3-4]。2013年，俄羅斯用于可重復使用空天飛行系統(tǒng)(俄文首字母是MAKS)軌道飛行器等研究設計工作的累積花費已超過15億美元[5]。2015年2月，歐洲航天局的過渡性試驗飛行器(intermediate experimental vehicle，IXV)在法屬圭亞那庫魯航天中心發(fā)射升空，成功地進行了再入大氣層試驗。2015年5月，美國的軌道試驗飛行器(orbital test vehicle，OTV)X37B在佛羅里達卡納維拉爾角發(fā)射升空，執(zhí)行第4次在軌飛行任務，試驗內(nèi)容對外保持高度機密。除此之外，印度航天研究組織已宣布將在2015年中期進行可重復使用航天器的首次試飛。

由概率、統(tǒng)計及圖論結(jié)合發(fā)展起來的貝葉斯網(wǎng)(Bayesian network，BN)，通過圖形直觀表達了隨機變量之間的概率關系，并利用數(shù)據(jù)間的因果關系進行結(jié)果預測，已被廣泛地應用于多個領域工程項目的風險分析之中[6]，成為風險分析概率統(tǒng)計模型代表之一[7]。在航天領域中，文獻[8]在航天飛機航電系統(tǒng)升級過程中，提出了一種基于BN評價機制用于選擇性能優(yōu)越的商業(yè)實時操作系統(tǒng)，力求節(jié)省成本，降低風險。文獻[9]為進一步改進航天發(fā)射工程風險管理，基于BN推理、證據(jù)合成理論建立了持續(xù)風險管理模型，并以“挑戰(zhàn)者”號航天飛機發(fā)射爆炸為例進行驗證。文獻[10]研究了航天器電力系統(tǒng)錯誤診斷，基于BN開發(fā)了超過1 000個變量的大規(guī)模診斷系統(tǒng)。文獻[11]利用遙測數(shù)據(jù)與專家知識，基于BN開發(fā)了一種用于衛(wèi)星編隊飛行的系統(tǒng)層次故障診斷法，以降低此類任務受到的風險影響。以上有關BN的應用研究有力說明了該方法用于風險分析是卓有成效的。本文首先對空天飛行器航天試驗進行風險識別，然后在此基礎上建立了BN風險模型，最后對風險因素進行敏感度分析，研究框架如圖1所示。

圖1　研究框架Fig.1　Research framework

2　風險識別

空天飛行器航天試驗是指圍繞空天飛行器入軌、在軌、返回等試驗任務而在一定約束條件下開展的航天試驗活動，其試驗概念圖如圖2所示，圖中實線代表實體之間的通信關系，虛線代表實體之間的任務關系。

在圖2基礎上，結(jié)合試驗需求、試驗環(huán)境、試驗資源、體系結(jié)構(gòu)等內(nèi)容，空天飛行器航天試驗主要任務可歸納為火箭發(fā)射、測量控制、在軌試驗、返回著陸、試驗指揮等。按照圖1所示的研究框架，首先根據(jù)空天飛行器相關資料初步確定風險因素，形成風險因素候選集合，然后針對集合元素之間可能存在的包含、交叉、互斥等關系，通過面談、問卷、電話等形式與院校、研究所、試驗基地等相關人員進行調(diào)查，運用模糊逼近理想解排序法(technique for order preference by similarity to ideal solution，TOPSIS)對得到的風險因素語言變量評分結(jié)果進行處理，獲得風險元素重要度排序并進行篩選、提煉，最終得到空天飛行器航天試驗風險因素如表1所示。

在表1中，風險因素的影響將體現(xiàn)在空天飛行器航天試驗任務之中，這些試驗任務是否順利完成對整個航天試驗是否成功具有直接影響。

圖2　試驗概念圖Fig.2　Concept view of test

表1　空天飛行器航天試驗風險因素

Table 1　 Risk factors of aerospace test for aerospace vehicle

試驗任務火箭發(fā)射測量控制在軌試驗 返回著陸試驗指揮風險因素1.設備檢測不到位2.產(chǎn)品交接不清楚3.火箭吊裝事故4.星箭對接問題5.組合體運轉(zhuǎn)不暢6.聯(lián)調(diào)線路不暢7.逃逸系統(tǒng)故障8.燃料加注不到位1.測量誤差較大2.測量時間不夠3.目標失聯(lián)4.遙測失靈5.傳輸鏈路問題6.數(shù)據(jù)處理錯誤7.姿態(tài)控制不靈敏8.軌道控制不靈敏1.目標捕獲慢2.變軌誤差較大3.變軌速度不當4.機械手故障5.在軌釋放時機不佳6.電池燃料問題7.空間碎片威脅8.電磁干擾1.制動不及時2.通信“黑障”3.熱防護問題4.著陸架故障1.試驗規(guī)劃不周2.試驗建設緩慢3.組織實施不連貫4.決策不及時

3　風險建模

BN是由節(jié)點、有向弧段和條件概率分布組成的有向非循環(huán)網(wǎng)絡[12]，節(jié)點代表不確定環(huán)境中的變量，可以是連續(xù)型變量或離散型變量，有向弧段代表節(jié)點之間的因果關系。當BN節(jié)點是離散型變量時，每一變量的狀態(tài)之間將是相互排斥的。設有節(jié)點變量Xi，其父節(jié)點是B1，B2，…，Bn，條件概率表(conditional probability table，CPT)是P(Xi|B1，B2，…，Bn)，則BN中X1，X2，…，Xn可由式(1)計算得到，其中Parent(Xi)是變量Xi的父節(jié)點集合。

(1)

圖3給出了1個簡單的BN和CPT實例，BN各個節(jié)點都有Yes/No 2種狀態(tài)，P1～P16是概率數(shù)值。

圖3　BN和CPT實例Fig.3　An example of BN and CPT

BN構(gòu)建過程是一個復雜任務，需要知識工程師和領域?qū)＜覅⑴c，但內(nèi)容一般可分為3步[13-14]：首先對網(wǎng)絡結(jié)構(gòu)進行定性分析，確定節(jié)點之間因果關系和條件獨立關系，然后對網(wǎng)絡結(jié)構(gòu)進行定量分析，確定每個節(jié)點相對于其父節(jié)點的條件概率表，最后輸入節(jié)點的先驗概率。根據(jù)表1確定的風險因素，充分利用專家知識和相關領域研究人員的工作經(jīng)驗，基于AgenaRisk軟件建立空天飛行器航天試驗風險的BN模型并輸入相關數(shù)據(jù)，結(jié)果如圖4所示。

在圖4中，各個根節(jié)點的變量發(fā)生概率由風險發(fā)生概率等級×風險嚴重程度等級確定[15]。按照式(1)經(jīng)過BN推理后，可得到各個試驗任務、試驗總?cè)蝿盏氖「怕?，在某種程度上為空天飛行器開展航天試驗提供了計劃與決策的依據(jù)。由圖4可知，在軌試驗(失敗概率18.546%)、測量與控制(失敗概率14.167%)帶來的風險因素導致任務失敗的概率較大，這2項任務相對于其他任務而言，需要試驗人員更加關注其風險因素的管控。

圖4　空天飛行器航天試驗風險的BN模型Fig.4　Bayesian network model of aerospace test for aerospace vehicle

4　敏感度分析

敏感度分析是為了從影響空天飛行器航天試驗成敗的眾多不確定風險因素中找出對結(jié)果有重要影響的風險因素，并分析、評測、計算其對結(jié)果的影響程度。借助AgenaRisk軟件設置總的失敗風險為目標節(jié)點，設置表1所列出的風險因素為感應節(jié)點，敏感度分析結(jié)果如圖5所示。

在圖5中，縱軸顯示的是各風險因素，橫軸顯示的是概率水平，柱狀圖顯示的是各風險因素的敏感度，AgenaRisk已對各風險因素的敏感度大小進行了排序，其結(jié)果如縱軸所示。

從圖5可知，在影響程度排名前8的風險因素中，以試驗指揮和在軌試驗的風險因素居多。這一結(jié)果與圖4進行比較可得到以下結(jié)論：

(1) BN推理計算可得到空天飛行器航天試驗各個試驗任務、試驗總?cè)蝿盏氖「怕?，而敏感度分析則能夠揭示各個試驗任務對試驗總?cè)蝿粘蓴〉挠绊懗潭?。圖5結(jié)果表明，空天飛行器航天試驗總?cè)蝿粘蓴υ囼炛笓]和在軌試驗的任務成敗較為敏感，而在試驗指揮的風險因素中，C4影響程度排名第一，這反映了決策在整個試驗任務中發(fā)揮著關鍵作用。

(2) 試驗指揮與測量控制、在軌試驗相比，風險因素中更多考慮了人的作用。由于空天飛行器航天試驗責任重大，各級指揮員在任務開始前都要經(jīng)過選拔、訓練和演練，以最大程度避免試驗實施過程中出現(xiàn)意外，因此在圖4中，試驗指揮失敗概率低于測量控制、在軌試驗的失敗概率，而后兩者風險因素更多考慮了環(huán)境、設備等可控程度較弱的客觀條件，任務失敗概率較高。

以上結(jié)論可為空天飛行器航天試驗的開展及風險管理提供一定的參考和借鑒。

圖5　敏感度分析結(jié)果(局部)Fig.5　Results of sensitivity analysis (part)

5　結(jié)束語

本文首先研究了空天飛行器航天試驗中存在的風險因素，然后在此基礎上基于AgenaRisk建立了BN風險模型，輸入相關數(shù)據(jù)得到各個試驗任務、試驗總?cè)蝿盏氖「怕?，最后對風險因素進行敏感度分析。結(jié)果表明，空天飛行器航天試驗總?cè)蝿粘蓴υ囼炛笓]和在軌試驗的任務成敗較為敏感。

[1]沈海軍,程凱,楊莉.近空間飛行器[M].北京:航空工業(yè)出版社,2011:184-185.

SHEN Hai-jun, CHENG Kai, YANG Li. Near Space Aerocraft[M]. Beijing: Aviation Industry Press, 2011:184-185.

[2]梁金登,李東旭.空天飛行器軌道攔截策略研究[J].彈箭與制導學報,2008,28(5):165-168.

LIANG Jin-deng, LI Dong-xu. The Study on Strategies for Orbit Interception of Aerospace Vehicle[J]. Journal of Projectiles，Rockets，Missiles and Guidance,2008,28(5):165-168.

[3]李智,張占月,李新洪,等.美國空間對抗技術試驗研究[M].長沙:國防科技大學出版社,2011:1-2.

LI Zhi, ZHANG Zhan-yue, LI Xin-hong, et al.Experimental Study on the Technology of Space Countermeasure in the United States[M]. Changsha: National University of Defense Technology Press,2011:1-2.

[4]于小紅,王杰娟.新型空間平臺發(fā)展模式探析[J].裝備學院學報,2012,23(4):7-10.

YU Xiao-hong, WANG Jie-juan.Analysis on Developming Modes of New Space-Based Platforms[J].Journal of Academy of Equipment, 2012,23(4):7-10.

[5]王春生,趙苿秋.“X-37斯基”高調(diào)回歸(上)[J].環(huán)球軍事,2013(3):55-57.

WANG Chun-sheng, ZHAO Mo-qiu. X-37-Vsky is Coming back[J]. Global Military,2013(3):55-57.

[6]Pourret Oliver, Naim Patrick, Marcot Bruce. Baysesian Networks: A Practical Guide to Applications[M].England: John Wiley & Son, Ltd, 2008.

[7]Haimes Yacov. Risk Modeling, Assessment and Management[M]. USA: John Wiley&Son, Inc, 2004: 500-501.

[8]Morris Aterry, Beling Peter. Space Shuttle Rtos Bayesian Network[C]∥IEEE. Proceedings of the 20th Digital Avionics Systems Conference. Daytona Beach, FL: IEEE, 2001:1-12.

[9]陸晉榮,董學軍,信聰.基于信息融合的航天發(fā)射風險管理[J].載人航天,2013,19(2):17-24.

LU Jin-rong, DONG Xue-jun, XIN Cong. Research on Risk Management Methods of Spacecraft Launch[J]. Manned Spaceflight,2013,19(2):17-24.

[10]KNOX W, MENGSHOEL O. Diagnosis and Reconfiguration Using Bayesian Networks: An Electrical Power System Case Study[EB/OL].[2015-07-09].http://www.cs.utexas.edu/～bradknox/papers/ijcaisympSAS09.pdf.

[11]BARUA A. Hierarchical Fault Diagnosis and Health Monitoring in Satellites Formation Flight[EB/OL].[2015-07-09].http://spectrum.library.concordia.ca/974135/1/barua_khorasani09SMCC_final.pdf

[12]李海軍,馬登武,劉霄,等.貝葉斯網(wǎng)絡理論在裝備故障診斷中的應用[M].北京:國防工業(yè)出版社,2009:58-59.

LI Hai-jun, MA Deng-wu, LIU Xiao, et al. Applications of Bayesian Network Theory in Fault Equipment Diagnosis[M]. Beijing: National Defence Industry Press,2009:58-59.

[13]MAGLOGIANNIS I, ZAFIROPOULOS E, PLATIS A, et al. Risk Analysis of a Patient Monitoring System Using Bayesian Network Modeling[J].Journal of Biomedical Informatics, 2006,39(6): 637-647.[14]Money Eric, Reckhow Kenneth, Wiesner Mark. The Use of Bayesian Networks for Nanoparticle Risk Forecasting: Model Formulation and Baseline Evaluation[J]. Science of the Total Environment,2012,426(1):437-438.

[15]賀兆澤,莫俊文.基于貝葉斯網(wǎng)絡的住宅防水風險研究[J].工程管理學報,2015,29(1):86-90.

HE Zhao-ze, MO Jun-wen. Housing Water Proof Risk Based on Bayesian Network[J]. Journal of Engineering Management,2015,29(1):86-90.

Risk Analysis of Aerospace Test for Aerospace Vehicle Based on Bayesian Network

LIU Sheng-minga, FENG Shu-xingb

(Equipment Academy, a. Graduate Management Department； b. Training Department, Beijing 101416, China)

The aerospace vehicle is a kind of aerospace equipment which has been developed by the world's military powers. A research on the risk problem of performing aerospace test for aerospace vehicle is conducted. First, risk factors are identified according to the missions of aerospace test for aerospace vehicle. Second, a risk model is established with the tools of Bayesian network. With relevant data, the failure probability of various test missions can be obtained as well as the failure probability of whole test process. Finally, the sensitivity analysis of risk factors is conducted, which indicates that the whole test process is more sensitive to the mission of test command and in-orbit testing. The whole work will provide reference of performing aerospace test for aerospace vehicle.

aerospace vehicle;aerospace test;risk analysis;risk factors;Bayesian network;sensitivity analysis

2015-07-28；

2015-09-21

有

劉盛銘(1986-)，男，湖南永州人。博士生，研究方向為航天試驗指揮。

通信地址：101416北京懷柔雁棲鎮(zhèn)3380信箱172號E-mail：my163beijing@163.com

10.3969/j.issn.1009-086x.2016.04.020

V57

A

1009-086X(2016)-04-0124-05