航天器故障診斷技術(shù)的研究現(xiàn)狀與進(jìn)展

王嘉軼+聞新

摘要： 航天器故障診斷技術(shù)的發(fā)展對(duì)于航天任務(wù)的順利完成起著至關(guān)重要的作用， 本文對(duì)航天器故障診斷技術(shù)進(jìn)行了簡(jiǎn)要的綜述。 在對(duì)航天器故障類型和故障發(fā)生概率收集歸納的基礎(chǔ)上， 闡述了故障診斷所面臨的挑戰(zhàn)以及國內(nèi)外航天器故障檢測(cè)與隔離技術(shù)的發(fā)展現(xiàn)狀， 分析了航天器故障診斷方法的研究進(jìn)展并指出了各自的主要特點(diǎn)， 總結(jié)了航天器故障診斷技術(shù)現(xiàn)狀并對(duì)未來的發(fā)展方向進(jìn)行了展望。

關(guān)鍵詞： 故障診斷； 故障檢測(cè)； 發(fā)展現(xiàn)狀； 航天器

中圖分類號(hào)： V467文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)： 1673-5048（2016）05-0071-06

Abstract： The development of fault diagnosis technology for spacecraft plays an important role in the successful completion of the flying mission. This paper briefly reviews the fault diagnosis technology for spacecrcoft， and it describes the challenges of fault diagnosis and development status of fault detection and isolation technology for spacecraft in China and abroad based on collecting and summarizing the types of spacecraft fault and the probability of fault occurrence. The progress of research and the main characteristics of the fault diagnosis methods are analyzed. The present situation of spacecraft fault diagnosis technology is summarized and the future development direction is prospected.

Key words： fault diagnosis； fault detection； development status； spacecraft

0引言

隨著航天領(lǐng)域的不斷擴(kuò)展以及航天技術(shù)的不斷進(jìn)步， 航天器系統(tǒng)的復(fù)雜度不斷提升。 這雖然有利于航天器完成難度更大的太空任務(wù)， 但是由于太空環(huán)境的復(fù)雜性以及航天器地面測(cè)試系統(tǒng)的局限性， 航天器的可靠性將會(huì)相應(yīng)降低。 航天器發(fā)生微小的故障都有可能引起系統(tǒng)性的故障問題，影響整個(gè)航天器的正常工作， 甚至導(dǎo)致太空飛行任務(wù)的失敗。 所以， 航天器的故障診斷技術(shù)對(duì)于其飛行任務(wù)的成敗起到至關(guān)重要的作用。 另一方面， 故障診斷技術(shù)的發(fā)展也可以讓航天器更加自主化、 智能化， 脫離繁瑣的人工監(jiān)控模式， 不僅擁有了更高的容錯(cuò)性， 也大大降低了航天器的開發(fā)成本和飛行任務(wù)的風(fēng)險(xiǎn)。

國外航天領(lǐng)域的科研人員對(duì)航天器的故障診斷技術(shù)進(jìn)行了多方面的研究， 國內(nèi)也同樣致力于這方面的發(fā)展， 但主要還停留在對(duì)航天器的故障分析和狀態(tài)監(jiān)測(cè)階段。1航天器故障分析

針對(duì)航天器系統(tǒng)發(fā)生的故障， 收集并整理了近50年來公開發(fā)布的國內(nèi)外航天器發(fā)射與在軌等各階段的故障及其發(fā)生的原因， 對(duì)總體的故障方式進(jìn)行了總結(jié)和研究。

按故障類型對(duì)航天器發(fā)生故障的比率進(jìn)行統(tǒng)計(jì)， 如圖1所示[1-6]。 從圖中可以看出， 電源分系統(tǒng)、 控制分系統(tǒng)以及推進(jìn)分系統(tǒng)發(fā)生故障的概率最高， 并且這三個(gè)分系統(tǒng)一旦發(fā)生故障， 對(duì)航天器的正常運(yùn)行可能造成非常嚴(yán)重的傷害。

另外， 按航天器發(fā)生故障的嚴(yán)重性將航天器故障分為四個(gè)等級(jí)， 如表1所示[7]。

在國內(nèi)外航天器發(fā)生的故障中， 災(zāi)難性故障和輕微性故障所占比率較少， 分別為22%和20%。 而嚴(yán)重性和一般性的故障發(fā)生概率較大[8]， 分別為27%和31%。

所以， 航天器一般以發(fā)生在控制系統(tǒng)、 推進(jìn)系統(tǒng)或者電源系統(tǒng)上的嚴(yán)重性或一般性故障為主。 而只要能夠及時(shí)開展對(duì)航天器的故障診斷技術(shù)研究， 其中大多數(shù)故障可以提前進(jìn)行診斷并且避免災(zāi)難的發(fā)生， 特別是針對(duì)控制分系統(tǒng)、 電源分系統(tǒng)和推進(jìn)分系統(tǒng)方面的探索， 不僅可以保障航天員的安全， 也可以提高航天器在軌運(yùn)行的可靠性， 減輕地面工作人員的工作負(fù)荷以及航天器的發(fā)射和制造成本[9]。 所以航天器故障診斷技術(shù)的發(fā)展對(duì)于航天領(lǐng)域的進(jìn)一步開拓具有非常重要的意義。

航空兵器2016年第5期王嘉軼等： 航天器故障診斷技術(shù)的研究現(xiàn)狀與進(jìn)展2國內(nèi)外故障診斷技術(shù)發(fā)展現(xiàn)狀分析

航天器故障診斷技術(shù)是隨航天技術(shù)的不斷進(jìn)步而逐步發(fā)展起來的。 以歐美為主的國家在航天器的故障診斷技術(shù)上的發(fā)展較早， 領(lǐng)先于國內(nèi)。 但隨著國內(nèi)航天事業(yè)的巨大發(fā)展以及中國航天大國地位的崛起， 中國在航天器故障診斷技術(shù)上的進(jìn)步也是不容小覷的。

2.1國外航天器故障診斷技術(shù)的發(fā)展

美國在航天領(lǐng)域的發(fā)展早期就已經(jīng)非常重視故障診斷技術(shù)的研究， 是最先將故障診斷技術(shù)運(yùn)用于航天器飛行任務(wù)中的國家。 自20世紀(jì)70年代起， 美國在很多航天工程中都采用了以狀態(tài)監(jiān)測(cè)為主的故障診斷方法。 當(dāng)時(shí)的“雙子星座”飛船就是以故障監(jiān)測(cè)系統(tǒng)為基礎(chǔ)的載人飛船， 將地面數(shù)據(jù)監(jiān)測(cè)系統(tǒng)以及宇航員艙內(nèi)手動(dòng)操作相結(jié)合來完成包括姿態(tài)控制系統(tǒng)、 燃料推進(jìn)系統(tǒng)以及三軸轉(zhuǎn)動(dòng)速率的數(shù)據(jù)狀態(tài)檢測(cè)。 通過對(duì)這些狀態(tài)參數(shù)的監(jiān)測(cè)可以對(duì)飛船發(fā)生的故障采取相應(yīng)的措施， 保證飛行任務(wù)的順利完成。 而后的“阿波羅”飛船在“雙子星座”飛船故障診斷系統(tǒng)的基礎(chǔ)上， 建立了一套自身的安全保障系統(tǒng)。 該系統(tǒng)包括了對(duì)故障狀態(tài)的監(jiān)測(cè)和處理， 并由航天領(lǐng)域?qū)＜疫M(jìn)行參與分析。 這也使得“阿波羅”系列飛船能圓滿完成各項(xiàng)任務(wù)。 近年來， NASA在航天器故障診斷方面進(jìn)行了全方位的探索并且已經(jīng)形成了完整的故障診斷體系， 后來將其歸類為集成健康管理系統(tǒng)的范圍中[10]， 各分工如表2所示[11]。

俄羅斯和西歐等多個(gè)國家也在故障診斷技術(shù)方面進(jìn)展卓越。 俄羅斯借助前蘇聯(lián)開展的航天器故障診斷仿真工作中得到的經(jīng)驗(yàn)技術(shù)對(duì)航天器的故障診斷與狀態(tài)進(jìn)行監(jiān)測(cè)和分析， 并通過地面模擬的方法來保證航天器飛行任務(wù)的順利完成。 而西歐， 以德國和法國為主的國家也進(jìn)行了研究并開發(fā)了很多實(shí)用的故障診斷系統(tǒng)。 法國的Delange等人研究開發(fā)了用于火箭發(fā)動(dòng)機(jī)的故障監(jiān)測(cè)系統(tǒng)， 能夠高效準(zhǔn)確地判斷出故障發(fā)生的時(shí)間并及時(shí)采取措施； Dellner等人針對(duì)“尤里卡”平臺(tái)開發(fā)的基于知識(shí)的故障診斷系統(tǒng)， 可以對(duì)該平臺(tái)的冷閉合系統(tǒng)進(jìn)行全方位的故障監(jiān)測(cè)與保護(hù)措施[12]。

2.2國內(nèi)航天器故障診斷技術(shù)的發(fā)展

相對(duì)于歐美等航天大國來說， 國內(nèi)在航天器故障診斷方面的發(fā)展起步較晚， 技術(shù)不成熟， 但也逐漸意識(shí)到故障診斷對(duì)于航天器的重要性， 并開展了一系列理論與實(shí)踐研究。 自20世紀(jì)80年代以來， 在國內(nèi)各航天院所的帶領(lǐng)下進(jìn)行包括航天器設(shè)備的故障診斷系統(tǒng)研究， 研制出了針對(duì)不同故障類型的故障診斷系統(tǒng)， 但實(shí)驗(yàn)效果并不理想。 2014年成立了國內(nèi)首個(gè)航天器在軌故障診斷與維修實(shí)驗(yàn)室， 進(jìn)行在軌故障早期辨識(shí)與定位、 在軌故障仿真與維修、 在軌可靠性增長(zhǎng)與延壽等技術(shù)研究， 標(biāo)志著中國的航天器故障診斷技術(shù)正邁向一個(gè)嶄新的階段， 將更加有效地提升國內(nèi)航天器自主故障診斷的能力。

3航天器故障診斷的方法

通過對(duì)國內(nèi)外航天器故障診斷技術(shù)的發(fā)展分析， 歸納出了三種近年來主要運(yùn)用的方法， 分別是基于信號(hào)處理的方法、 基于數(shù)學(xué)模型的方法和基于知識(shí)的方法。

3.1基于信號(hào)處理的方法

基于信號(hào)處理的方法是最早使用的故障診斷技術(shù)， 是其他方法進(jìn)行故障診斷的基礎(chǔ)。 該方法不需要以系統(tǒng)的數(shù)學(xué)模型為基礎(chǔ)， 只需對(duì)時(shí)域、 幅值、 頻域等可測(cè)信號(hào)特性進(jìn)行分析， 就能識(shí)別和檢測(cè)系統(tǒng)故障。

基于信號(hào)處理的方法較多， 一般有小波變換法、 信息融合法等。 以下主要對(duì)信息融合法和小波變換法進(jìn)行分析。

3.1.1信息融合診斷法

故障診斷是通過一些檢測(cè)量來判斷系統(tǒng)是否發(fā)生故障， 所以對(duì)單個(gè)檢測(cè)量的故障診斷方法選擇至關(guān)重要。 為了避免某一種診斷方法的誤報(bào)或漏報(bào)， 可以采取多種方法對(duì)單個(gè)檢測(cè)量進(jìn)行診斷， 即對(duì)系統(tǒng)各部分的一個(gè)局部故障進(jìn)行診斷， 然后將各種診斷方法獲得的結(jié)果融合成最終故障診斷方案， 即全局故障診斷。

基于信息融合的診斷技術(shù)可以通過局部故障和全局故障診斷相融合的方法來實(shí)現(xiàn)對(duì)航天器整體系統(tǒng)的故障檢測(cè)與隔離。 信息融合法可對(duì)故障進(jìn)行多方面的分析， 比以往單一的信息處理方法更具有可信度和準(zhǔn)確性， 提高了航天器系統(tǒng)的信息利用率， 為系統(tǒng)的故障診斷提供更有效的幫助。

3.1.2小波變換診斷法

小波變換法首先對(duì)系統(tǒng)的輸入信號(hào)進(jìn)行小波變換， 然后求出輸入輸出信號(hào)的奇異點(diǎn)。 通過對(duì)其奇異點(diǎn)的分析， 判斷出對(duì)應(yīng)故障的發(fā)生情況[13]。

這種方法的主要優(yōu)點(diǎn)是不需要系統(tǒng)的數(shù)學(xué)模型， 只需通過簡(jiǎn)單的小波變換特性來分析檢測(cè)故障。 由于小波變換法的高靈敏度和強(qiáng)抗干擾能力， 近年來很多學(xué)者都針對(duì)其進(jìn)行了航天器故障診斷的理論與仿真研究工作。 文獻(xiàn)[14]將小波分析方法應(yīng)用于航天器姿態(tài)控制系統(tǒng)中采用的紅外地球敏感器、 陀螺和姿控發(fā)動(dòng)機(jī)的典型故障模式中， 并達(dá)到了預(yù)期的效果； 文獻(xiàn)[15]提出了利用小波變換的時(shí)-頻局部化特性作為新的信號(hào)處理方法， 提出了基于小波分析的航天器結(jié)構(gòu)故障診斷方法。 但由于小波變換的方法大多只用于理論驗(yàn)證和仿真實(shí)驗(yàn)中， 所以還需在實(shí)踐中驗(yàn)證。

早期的基于信號(hào)處理方法的航天器故障診斷技術(shù)由于實(shí)時(shí)性和自主性差， 遠(yuǎn)達(dá)不到預(yù)期效果。 但通過小波變換、 信息融合等多種新技術(shù)的加入， 使得基于信號(hào)處理的方法更加得到青睞， 在航天器的故障診斷方面起到非常重要的作用， 也將會(huì)逐漸從工程仿真實(shí)驗(yàn)向航天器故障診斷實(shí)踐上發(fā)展。

3.2基于數(shù)學(xué)模型的方法

基于數(shù)學(xué)模型的故障診斷是現(xiàn)代故障診斷技術(shù)發(fā)展的基礎(chǔ)， 也是發(fā)展最成熟、 應(yīng)用最廣泛的一種方法。 其核心是以分析系統(tǒng)數(shù)學(xué)模型為基礎(chǔ)， 通過參數(shù)估計(jì)、 狀態(tài)估計(jì)等多種方法來產(chǎn)生殘差， 然后通過閾值或其他限定準(zhǔn)則對(duì)該殘差進(jìn)行分析和下一步的故障處理[16]。 該方法進(jìn)展迅速且易于理解和研究， 所以應(yīng)用較為廣泛， 主要分為參數(shù)估計(jì)法和狀態(tài)估計(jì)法兩類。

3.2.1參數(shù)估計(jì)診斷法

參數(shù)估計(jì)法是指當(dāng)航天器系統(tǒng)故障的參數(shù)可由參數(shù)變化的數(shù)據(jù)來表示時(shí)， 就可以利用參數(shù)的估計(jì)值與實(shí)際值之間的偏差來判斷出系統(tǒng)的具體故障方式和故障情況[17]。 基于參數(shù)估計(jì)的故障診斷方法見圖2， 其中u和y分別為輸入和輸出參數(shù)值， N為模型參考狀態(tài)。

在眾多的參數(shù)估計(jì)方法中， 強(qiáng)跟蹤器濾波法和最小二乘法因其強(qiáng)魯棒性而被廣泛應(yīng)用。

3.2.2狀態(tài)估計(jì)診斷法

狀態(tài)估計(jì)診斷法是通過對(duì)被控系統(tǒng)的重新建模， 利用模型的估計(jì)狀態(tài)與原系統(tǒng)中可反映自身的狀態(tài)量相對(duì)比， 構(gòu)成殘差量。 從殘差量中得出反映系統(tǒng)各個(gè)狀態(tài)的運(yùn)行情況和故障信息， 從中診斷出故障， 并作進(jìn)一步的故障隔離和故障容錯(cuò)。 該方法需要具備系統(tǒng)的過程數(shù)學(xué)模型以及局部可觀測(cè)部分。 該方法是在能夠獲得系統(tǒng)精確模型的基礎(chǔ)上最為有效的一種方法。

一般觀測(cè)器和濾波器方法都是運(yùn)用狀態(tài)估計(jì)的診斷原理來進(jìn)行的。 若系統(tǒng)是確定且可觀測(cè)的， 則一般采用觀測(cè)器的方法， 如自適應(yīng)非線性觀測(cè)器； 若系統(tǒng)需要加入噪聲等干擾因素， 則一般會(huì)使用濾波器的方法， 如Kalman濾波器等。

從以上方法可以看出， 雖然基于數(shù)學(xué)模型的方法能夠較為精確、 高效地完成航天器系統(tǒng)的故障診斷， 但是對(duì)于系統(tǒng)結(jié)構(gòu)較為復(fù)雜的航天器以及無法預(yù)測(cè)的太空環(huán)境而言， 精確數(shù)學(xué)模型的建立是非常困難的， 即使建立出數(shù)學(xué)模型也很難保證不受不確定因素的干擾。 所以， 基于數(shù)學(xué)模型的航天器故障診斷方法需要與其他方法相結(jié)合， 才能更有效地推進(jìn)航天器故障診斷技術(shù)的發(fā)展。

3.3基于知識(shí)的方法

基于知識(shí)的故障診斷方法是通過直接或間接的方法來獲取故障診斷的發(fā)生征兆或判定原則， 較為直觀地了解系統(tǒng)的故障發(fā)生情況， 及時(shí)做出準(zhǔn)確的判斷來完成系統(tǒng)的故障診斷。 但由于知識(shí)的覆蓋有限， 航天器系統(tǒng)的不確定因素較多， 加之經(jīng)驗(yàn)技術(shù)的缺乏， 使得該方法具有一定的局限性。 一般基于知識(shí)的方法有專家系統(tǒng)法、 神經(jīng)網(wǎng)絡(luò)法、 組合智能診斷法等。

3.3.1專家系統(tǒng)診斷法

早期的專家系統(tǒng)是通過在航天器系統(tǒng)工程方面擁有豐富經(jīng)驗(yàn)的專家總結(jié)出的規(guī)則來描述系統(tǒng)故障和故障征兆。 這種方式可以充分利用專家的經(jīng)驗(yàn)知識(shí)來進(jìn)行系統(tǒng)的故障診斷， 從而快速準(zhǔn)確診斷出故障。 但面對(duì)未知問題時(shí)， 容易出現(xiàn)錯(cuò)判或漏判的現(xiàn)象， 因此， 一旦出現(xiàn)與專家系統(tǒng)不匹配的故障問題時(shí)， 就會(huì)出現(xiàn)診斷失敗的情況[18]。

通常是將專家系統(tǒng)與其他智能方法相結(jié)合來完善整個(gè)故障診斷技術(shù)。 文獻(xiàn)[19]設(shè)計(jì)開發(fā)了分布式故障診斷專家系統(tǒng)， 通過各個(gè)子故障診斷專家系統(tǒng)間的任務(wù)分配、 協(xié)作以及診斷決策并結(jié)合智能控制方法來滿足航天器復(fù)雜大系統(tǒng)的故障診斷需要； 文獻(xiàn)[20]提出了一種分布式實(shí)時(shí)故障檢測(cè)診斷專家系統(tǒng)， 將基于知識(shí)診斷技術(shù)與自動(dòng)檢測(cè)技術(shù)有效結(jié)合起來， 為航天器故障診斷技術(shù)的發(fā)展提供了新的思路。

3.3.2神經(jīng)網(wǎng)絡(luò)診斷法

由于神經(jīng)網(wǎng)絡(luò)具有自組織、 自適應(yīng)的能力， 并且對(duì)于復(fù)雜的非線性系統(tǒng)不需要完整的數(shù)學(xué)模型， 因此在航天器故障診斷技術(shù)中得到了應(yīng)用。 神經(jīng)網(wǎng)絡(luò)可將系統(tǒng)知識(shí)方法通過網(wǎng)絡(luò)進(jìn)行訓(xùn)練和學(xué)習(xí)， 具有更好的實(shí)時(shí)更新與推理能力。 常用于航天器故障診斷的神經(jīng)網(wǎng)絡(luò)模型如圖3所示。

該方法也存在不足之處， 其未能充分利用專家系統(tǒng)的經(jīng)驗(yàn)知識(shí)且只能通過已有的樣本進(jìn)行訓(xùn)練學(xué)習(xí)， 一定程度上影響了診斷技術(shù)的可靠性。 另一方面， 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練知識(shí)基于輸入輸出值的檢測(cè)， 對(duì)與過程有關(guān)的狀態(tài)量和發(fā)生的故障不能夠做出足夠準(zhǔn)確的解釋。 這些都對(duì)基于神經(jīng)網(wǎng)絡(luò)的故障診斷技術(shù)的發(fā)展提出挑戰(zhàn)。

3.3.3組合智能診斷法

人工智能在各個(gè)方面都已經(jīng)有了廣泛的應(yīng)用， 并且已經(jīng)展示出其足夠的優(yōu)勢(shì)所在。 但是， 包括神經(jīng)網(wǎng)絡(luò)、 模糊數(shù)學(xué)、 粒子群算法等智能方法都有其局限性， 如何克服困難充分發(fā)揮其優(yōu)勢(shì)才是航天器故障診斷技術(shù)需要探索的。

文獻(xiàn)[21]提出了一種基于專家系統(tǒng)、 案例推理以及故障樹的混合智能診斷技術(shù)來解決航天器的測(cè)控管理問題， 并且文獻(xiàn)中所提及的故障樹雙向混合推理機(jī)制被用于實(shí)現(xiàn)航天器故障定位和預(yù)測(cè)功能； 文獻(xiàn)[22]在TS模糊模型的基礎(chǔ)上， 結(jié)合H∞最優(yōu)故障觀測(cè)器來構(gòu)建殘差信號(hào)， 研究姿態(tài)控制系統(tǒng)陀螺的故障診斷問題； 文獻(xiàn)[23]提出了將幾何學(xué)與神經(jīng)網(wǎng)絡(luò)相結(jié)合， 并通過自適應(yīng)估計(jì)濾波器來對(duì)殘差進(jìn)行判斷， 從而完成對(duì)衛(wèi)星姿態(tài)控制系統(tǒng)中反作用飛輪的故障檢測(cè)、 隔離和估計(jì)； 文獻(xiàn)[24]采用了一種基于分層神經(jīng)網(wǎng)絡(luò)的衛(wèi)星系統(tǒng)故障診斷模型， 通過自組織特征映射網(wǎng)絡(luò)和廣義回歸神經(jīng)網(wǎng)絡(luò)相結(jié)合來實(shí)現(xiàn)整星各分系統(tǒng)故障的精確定位和判斷故障發(fā)生的原因。

混合智能方法能夠讓各自算法的結(jié)構(gòu)特點(diǎn)體現(xiàn)出來， 彌補(bǔ)了單個(gè)智能方法的不足之處。 通過智能方法的組合應(yīng)用以及與其他診斷方法的融合， 可以使航天器故障診斷系統(tǒng)通過經(jīng)驗(yàn)性思維、 邏輯性思維和創(chuàng)造性思維的互相轉(zhuǎn)化與配合， 來完成復(fù)雜的診斷技術(shù)的發(fā)展， 是巧妙組合的有機(jī)整體[25-27]， 如圖4所示。

4航天器故障診斷技術(shù)面臨的挑戰(zhàn)

從上述的航天器故障類型和統(tǒng)計(jì)數(shù)據(jù)可以看出， 航天器發(fā)生故障的方式都有其自身的特點(diǎn)和規(guī)律。 只要能有效地開展故障診斷技術(shù)， 就可以對(duì)其故障進(jìn)行及時(shí)的修復(fù)， 并且可以防范一些可能發(fā)生的故障問題， 對(duì)航天器飛行任務(wù)的可靠性和故障診斷技術(shù)開展的有效性都有一定幫助， 對(duì)航天器系統(tǒng)的容錯(cuò)技術(shù)起到一定的促進(jìn)作用。

目前航天器故障診斷技術(shù)面臨的主要挑戰(zhàn)有[28]：

（1） 空間環(huán)境復(fù)雜， 擁有很多不確定因素。 航天器在發(fā)射升空及空間軌道運(yùn)行階段， 都會(huì)受到來自空間中大氣攝動(dòng)、 引力攝動(dòng)、 三體攝動(dòng)等很多攝動(dòng)力的影響， 除此之外， 太陽高能粒子輻射、 氧原子腐蝕、 單粒子翻轉(zhuǎn)效應(yīng)等很多太空環(huán)境原因產(chǎn)生的不利因素， 也都會(huì)對(duì)航天器的自主運(yùn)行和器件的完好性造成一定的影響。 因此， 如何克服惡劣的太空環(huán)境來完成航天器的故障診斷， 并避免因環(huán)境因素導(dǎo)致的故障誤報(bào)和漏報(bào)現(xiàn)象是現(xiàn)代航天領(lǐng)域的一個(gè)重要方向。

（2） 地面人工干預(yù)能力有限。 大多數(shù)航天器都不僅僅是在本國上方進(jìn)行太空飛行任務(wù)， 所以在航天器的星下點(diǎn)軌跡處都覆蓋有地面測(cè)控站是不現(xiàn)實(shí)的， 導(dǎo)致航天器的可監(jiān)測(cè)性能下降。 當(dāng)衛(wèi)星失去控制或者是不在監(jiān)測(cè)范圍內(nèi)時(shí)出現(xiàn)故障， 不能及時(shí)進(jìn)行人工干預(yù)會(huì)對(duì)航天器的軌道運(yùn)行造成惡劣的影響甚至是整個(gè)飛行任務(wù)的失敗。 運(yùn)用自主故障診斷技術(shù)就可以在減少故障發(fā)生頻率的同時(shí)減少地面站的參與度， 有效地節(jié)約地面監(jiān)測(cè)成本， 是提高航天器可靠性的主要方法。

（3） 星上可利用資源有限。 要使得航天器的故障診斷技術(shù)有很強(qiáng)的自主控制能力， 就需要航天器具有更加復(fù)雜的結(jié)構(gòu)。 但是航天器的星上資源有限， 包括星上計(jì)算機(jī)的資源儲(chǔ)備以及有效載荷都具有一定的限制。 過于復(fù)雜的系統(tǒng)雖然可以使得航天器的自主故障診斷技術(shù)有所提升， 但是會(huì)降低航天器運(yùn)行過程的可靠性， 影響航天飛行任務(wù)的順利完成。 所以如何利用航天器星上的有限資源開展有效的故障診斷也是航天器故障診斷的重要階段。

（4） 故障診斷技術(shù)與航天器結(jié)合能力不成熟。 在現(xiàn)代工業(yè)發(fā)展中故障診斷已經(jīng)十分成熟， 可以為工業(yè)操作系統(tǒng)提供非常精準(zhǔn)的故障檢測(cè)與容錯(cuò)技術(shù)。 航天器的自主故障診斷能力在這些方面還有待提高， 所以如何將成熟的地面故障診斷技術(shù)運(yùn)用到軌道運(yùn)行過程中來提高航天器的智能化， 是故障診斷技術(shù)極具挑戰(zhàn)性的一個(gè)環(huán)節(jié)。

5總結(jié)與展望

航天器故障診斷技術(shù)的發(fā)展對(duì)于提高系統(tǒng)的可靠性和準(zhǔn)確性， 保障飛行任務(wù)的順利進(jìn)行具有重要作用。 但航天器故障檢測(cè)系統(tǒng)較為復(fù)雜， 不能只采用單一的技術(shù)來解決故障診斷的問題。 因此通過多種方法結(jié)合的優(yōu)勢(shì)彌補(bǔ)單個(gè)技術(shù)方法的劣勢(shì)， 例如將智能算法與數(shù)學(xué)模型相結(jié)合就是非常重要的發(fā)展方向。

另外， 國內(nèi)對(duì)于航天器故障診斷技術(shù)的研究尚處于初步階段， 與歐美等其他航天大國相比， 國內(nèi)還僅停留在理論研究的初步階段， 對(duì)于航天器這種在特殊環(huán)境中運(yùn)行的系統(tǒng)， 不僅需要扎實(shí)的理論研究， 更需將理論與工程實(shí)踐相結(jié)合， 研究開發(fā)出高可靠性、 長(zhǎng)壽命并且高精度的航天器， 同時(shí)降低維修費(fèi)用和生產(chǎn)成本， 便于航天工程實(shí)踐的需要。

參考文獻(xiàn)：

[1] Zhang Yanduo， Jiang Xingwei， Huang Wenhu. Fusion of Data Association and Expert Knowledge for Fault Diagnosis[J]. Journal of Harbin Institute of Technology， 2002， 34（1）： 1-3.

[2] Sakthivel R， Selvi S， Mathiyalagan K. FaultTolerant SampledData Control of Flexible Spacecraft with Probabilistic Time Delays[J]. Nonlinear Dynamics， 2014， 79（3）： 1835-1846.

[3] 林來興. 最近十年航天器制導(dǎo)、 導(dǎo)航與控制（GNC）系統(tǒng)故障分析研究[J].控制工程， 2004（1）： 1-8.

[4] Shen Yi， Zhang Xiaolei， Wang Zhenhua. Spacecraft Fault Diagnosis Based on Empirical Mode Decomposition and Directed Factor Graph[J]. Journal of Harbin Institute of Technology， 2013， 45（1）： 19-24.

[5] Kato H， Ota J. RealTime Spacecraft Actuator Fault Diagnosis with StateSegmented Particle Filtering[J]. Advanced Robotics， 2014， 28（19）： 1265-1276.

[6] 聞新， 張興旺， 秦鈺琦， 等. 國外航天器在軌故障模式統(tǒng)計(jì)與分析[J]. 質(zhì)量與可靠性， 2014（6）： 13-18.

[7] 周前祥， 郭華嶺. 載人航天器故障特點(diǎn)及其診斷技術(shù)的研究展望[J]. 中國航天， 1999（9）： 30-32.

[8] 譚春林， 胡太彬， 王大鵬， 等.國外航天器在軌故障統(tǒng)計(jì)與分析[J]. 航天器工程， 2011， 20（4）： 130-136.

[9] 龍兵， 宋立輝， 荊武興， 等. 航天器故障診斷技術(shù)回顧與展望[J]. 導(dǎo)彈與航天運(yùn)載技術(shù)， 2003（3）： 31-37.

[10] 張森， 于登云， 王九龍. 國外航天器故障診斷研究進(jìn)展[C]∥第二十屆全國測(cè)試與故障診斷技術(shù)研討會(huì)， 2011.

[11] Zolghadri A. An Algorithm for RealTime FailureDetection in Kalman Filters [J]. IEEE Transactions on Automatic Control， 1996， 41（10）： 1537-1539.

[12] 王婉秋， 楊松. 航天器動(dòng)力學(xué)環(huán)境試驗(yàn)故障診斷專家系統(tǒng)[J]. 航天器環(huán)境工程， 2008， 25（1）： 36-40.

[13] 張洪鉞， 聞新， 周露. 國內(nèi)控制系統(tǒng)故障診斷技術(shù)的現(xiàn)狀與展望[J]. 火力與指揮控制， 1997， 22（3）： 1-6.

[14] 郝慧， 王南華. 基于小波分析的航天器姿態(tài)控制系統(tǒng)故障診斷方法研究[J]. 航天控制， 2005， 23（5）： 73-78.

[15] 王婉秋， 楊松. 基于小波分析的航天器結(jié)構(gòu)故障診斷方法研究[C]∥中國宇航學(xué)會(huì)結(jié)構(gòu)強(qiáng)度與環(huán)境工程專委會(huì)航天空間環(huán)境工程信息網(wǎng)學(xué)術(shù)研討會(huì)， 2006.

[16] 蘇林， 尚朝軒， 劉文靜. 航天器姿態(tài)控制系統(tǒng)故障診斷方法概述[J]. 長(zhǎng)春理工大學(xué)學(xué)報(bào)： 自然科學(xué)版， 2010， 33（4）： 23-27.

[17] 聞新. 控制系統(tǒng)的故障診斷和容錯(cuò)控制[M]. 北京： 機(jī)械工業(yè)出版社， 1998.

[18] Chen Wei， Hu Guangrui， Wang Yaping. Knowledge Acquisition in an Expert System for Fault Diagnosis of Certain Spacecraft[J]. Journal of Shanghai Jiaotong University， 2000.

[19] 李清東， 張慶振， 任章，等. 航天器分布式智能故障診斷專家系統(tǒng)設(shè)計(jì)[J]. 戰(zhàn)術(shù)導(dǎo)彈控制技術(shù)， 2006（4）： 107-110.

[20] 丁彩紅， 黃文虎， 姜興謂. 一種實(shí)時(shí)監(jiān)測(cè)與故障診斷專家系統(tǒng)方案[J]. 自動(dòng)化技術(shù)與應(yīng)用， 1999， 18（3）： 19-21.

[21] 解侖， 劉帆， 鞏瀟，等. 基于混合智能的航天器故障診斷系統(tǒng)[J]. 信息與控制， 2010， 39（1）： 106-113.

[22] 王宇雷， 李傳江， 馬廣富. TS模型和H∞觀測(cè)器在衛(wèi)星故障診斷中的應(yīng)用[J]. 哈爾濱工業(yè)大學(xué)學(xué)報(bào)， 2010， 42（9）： 1345-1350.

[23] Baldi P， Blanke M， Castaldi P， et al. Combined Geometric and Neural Network Approach to Generic Fault Diagnosis in Satellite Reaction Wheels[J]. Ifac Papersonline， 2015， 48（21）： 194-199.

[24] 安若銘， 高陽. 基于分層神經(jīng)網(wǎng)絡(luò)的航天器故障診斷技術(shù)[J]. 航天器環(huán)境工程， 2013， 30（2）： 203-208.

[25] Yan Fei， Li Mingjian. A New Approach to Fault Diagnosis for Satellite Control Systems Based on Machine Learning[J]. Advanced Materials Research， 2012， 457-458： 1070-1076.

[26] Song Fei， Qin Shiyin. A Novel Fault Diagnosis Method for Satellite Systems Based on Multivalue Logic Inference with SemiTensor Product of Matrices[C]∥IEEE Conference on Prognostics and System Health Management， 2012： 1-5.

[27] Cui Ziqian， Xu Minqiang， Wang Rixin. Study on Intelligence Fault Diagnosis Approach Based on Digraph Model and Application to Satellite Battery[J]. Advanced Materials Research， 2014， 889-890： 929-932.

[28] 邢琰， 吳宏鑫， 王曉磊， 等. 航天器故障診斷與容錯(cuò)控制技術(shù)綜述[J]. 宇航學(xué)報(bào)， 2003， 24（3）： 221-226.