基于思維成長的航天測控裝備故障診斷處理研究

史成巍 魏 丹 張朋強 袁 野

西安衛(wèi)星測控中心天津測控站，天津 301900

基于思維成長的航天測控裝備故障診斷處理研究

史成巍 魏 丹 張朋強 袁 野

西安衛(wèi)星測控中心天津測控站，天津 301900

現(xiàn)代航天測控系統(tǒng)多采用自動化運行方式，但系統(tǒng)過于龐大和復雜，難免發(fā)生影響任務運行的故障。為保障測控系統(tǒng)穩(wěn)定、可靠的運行，提出了一種基于思維成長的故障診斷方法，并在軟件處理層面對故障進行處理，這種方法主要仿照人腦思維運行進行軟件系統(tǒng)構(gòu)建以達到智能故障診斷處理效果。首先，闡述了思維成長模型認識事物、構(gòu)建關聯(lián)、積累經(jīng)驗和處理未知的過程。然后，對具體軟件系統(tǒng)的語言體系、思維庫和思維算法進行構(gòu)建。最后，以某站模擬運行效果為例，驗證了系統(tǒng)具備較強的深層故障診斷能力和經(jīng)驗積累能力。 關鍵詞 思維成長；故障診斷；故障處理；智能；經(jīng)驗積累

當前航天測控系統(tǒng)已步入自動化時代，但由于自動化運行穩(wěn)定程度不能滿足航天測控精確控制要求，故仍需要輔助人員對自動化運行狀態(tài)監(jiān)視，保證設備故障時能及時發(fā)現(xiàn)處理。但人員監(jiān)視發(fā)現(xiàn)故障速度慢，并且監(jiān)視人員的技術(shù)培養(yǎng)成本較高。因此，如果能采用軟件對該部分功能進行替代，就可以解決故障發(fā)現(xiàn)速度和人員培養(yǎng)成本的問題，這就是故障診斷處理系統(tǒng)。當前航天測控應用較多的是故障診斷系統(tǒng)，故障診斷系統(tǒng)在提高故障發(fā)現(xiàn)速度上發(fā)揮了重要作用。但傳統(tǒng)故障診斷系統(tǒng)運行過程中存在判斷故障死板及系統(tǒng)自成長能力弱等問題，因此在智能性方面缺陷較大。當前主流方向是將專家系統(tǒng)[1]、神經(jīng)網(wǎng)絡[2-3]和遺傳算法[4]等結(jié)合起來開展的混合智能故障診斷技術(shù)[5-6]。同時由于航天測控裝備發(fā)生的故障90%能依靠軟件處理方式解決[7]，因此研發(fā)故障處理技術(shù)已成為可能。

本文提出了一種基于思維成長的故障診斷與處理模型，該模型主要通過模仿人類[8]學習過程中的思維成長構(gòu)建故障診斷與處理思維邏輯(這屬于人工智能中基于功能模擬的范疇[9])，以使計算機本身達到甚至高于監(jiān)視人員相近的水平，保障系統(tǒng)在工作過程中提高故障診斷與處理準確性、降低誤報次數(shù)、并通過不斷運行自動積累故障診斷處理經(jīng)驗。

1 思維成長模型

思維成長是指人在出生后認知事物思維建立的過程[10]。對于航天測控，則指新員工學習崗位知識的過程。從感覺到記憶再到思維這一過程，稱為“智慧”，智慧的結(jié)果就產(chǎn)生了行為和語言，將行為和語言的表達過程稱為“能力”，兩者合稱“智能”[11]。為了實現(xiàn)計算機診斷的智能化，采取模擬思維成長的方式構(gòu)建故障診斷處理系統(tǒng)。

1.1 思維成長過程

思維成長過程為：

圖1 思維成長過程圖

1)認識單一事物，是指以單個事物為單位進行其主要屬性(形狀、大小、性能和指標)的學習。例如，員工進入新的崗位后首先學習認識每一件設備；

2)構(gòu)建從屬關系，是指將認識的單一事物進行歸類關聯(lián)。例如，員工在認識單一設備后，開始學習設備間的關聯(lián)、從屬關系，如電壓調(diào)節(jié)插箱隸屬于供電系統(tǒng)、供電系統(tǒng)為環(huán)境控制系統(tǒng)供電等；

3)積累發(fā)生事件，是指積累事物可以進行的事情。例如，員工在學習了基本設備知識后，開始積累如何操作設備及檢修設備等；

4)處理新的事件并繼續(xù)積累，是指處理新發(fā)生的事件，無論是與以前相同、相近或不同的，然后積累到思維中。例如，員工過了入門期開始工作后，遇到的很多事情都是以前沒有遇到的新工作；

5)循環(huán)執(zhí)行整個過程。第2次重復執(zhí)行過程中，由于有了第1次循環(huán)的經(jīng)驗，使得第2次認識深度、廣度都有所提高。不斷的循環(huán)也是思維進階和更新的基礎。

過程4)是不斷擴充的，這是思維能夠擴展和進步的關鍵，也是計算機最短板的能力。

1.2 智能診斷處理系統(tǒng)搭建

本文主要以航天測控系統(tǒng)智能診斷模型為例，映射1.1節(jié)思維成長過程(其他系統(tǒng)可類似進行)，構(gòu)建計算機智能診斷處理系統(tǒng)，系統(tǒng)主要結(jié)構(gòu)見圖2。

圖2 思維系統(tǒng)結(jié)構(gòu)圖

下面介紹系統(tǒng)搭建過程。

(1)構(gòu)建語言體系

人的思維學習與成長基礎在于周圍完善的語言體系，正因為父母等其他人掌握了聲音或者形體的語言，才使孩子能夠更快的成長。同時，語言也是人的思維文明進入全面發(fā)展的關鍵性媒介，同樣為計算機構(gòu)建合理高效的語言體系[12]也是智能化的關鍵環(huán)節(jié)。語言體系可以仿照中文語法進行動名詞等的定義再進行具體實現(xiàn)，這里根據(jù)航天測控工作的特點設計了一種簡要的針對性強的語言體系，在其他領域也可借鑒。在故障診斷處理系統(tǒng)中所有事物歸納為物質(zhì)、動作和狀態(tài)，例如，在“遙測載波失鎖，遙測插箱重啟”中，遙測載波和遙測插箱是物質(zhì),失鎖是狀態(tài)，重啟是動作。那么所組成的語法主要為“物質(zhì)+動作”、“物質(zhì)+狀態(tài)”。注意事物不包含時間，時間的表述方法主要有具體時間點和任務分區(qū)時間點這2種。其中，具體時間點指“2016年10月11日 12:00:00”這種準確時間，而任務分區(qū)時間點則是根據(jù)當前時間的任務特點進行區(qū)分，這里主要分為“任務期間”、“空閑期間”和“維修期間”，3個時期測控系統(tǒng)處于不同的任務狀態(tài)，診斷系統(tǒng)得出的模式也不同。

(2)建立思維數(shù)據(jù)庫

思維庫仿照人的記憶方法分為事物表、從屬關系表、事件表和故障知識表，實際搭建時采用Sqlite數(shù)據(jù)庫[13]。

1)事物表，主要包括系統(tǒng)需要處理的所有物質(zhì)、動作和狀態(tài)等事物的匯總，基本結(jié)構(gòu)見表1。事物表是計算機思維的基礎，如同人在認知的初期是認識各種事物(包括物質(zhì)、動作和狀態(tài)等)，例如，新員工在初期學習崗位知識時，能夠?qū)W習遙控插箱、加調(diào)和遙控載波，那么對于他而言，遙控插箱、加調(diào)和遙控載波都是事物；

表1 事物表

2)從屬關系表，主要存儲系統(tǒng)內(nèi)物質(zhì)間的從屬關系，見表2。任何事物都是有聯(lián)系的，這也是認知形成過程中重要的一環(huán)。例如，新員工在培訓過程中漸漸懂得遙控插箱屬于基帶分系統(tǒng)(從屬)、供電系統(tǒng)為其他系統(tǒng)供電(關聯(lián))；

表2 從屬關系表

3)事件表，記錄發(fā)生的主要事件，見表3。例如，測控系統(tǒng)在某天對某顆衛(wèi)星進行了測控任務，遙控插箱在某個時刻故障等都是事件，而正因為有了事件的積累，人的經(jīng)驗才不斷豐富，視野才更加開闊，能力也隨之不斷增強。事件在實際存儲中為了便于識別和記錄采用規(guī)范的存儲形式，表3中只是一種簡單的表述形式，這部分對提高診斷處理智能性至關重要，仍具有較大的研發(fā)空間；

表3 事件表

4)故障知識表，主要存儲設備的故障工作狀態(tài)及相應處理方法，這是系統(tǒng)判斷設備故障和進行處理的關鍵。在判斷一件事情對與錯時需要經(jīng)驗或者具備一定程度的知識基礎，而在處理一件事時也要參考以往類似事件的經(jīng)驗，故障知識表就是以往曾發(fā)生過的故障及處理方法匯總，見表4。方法評分需獨立設計故障處理評估機制，評分是處理方法是否合理的判斷依據(jù)，也是處理方法選擇優(yōu)先級的判斷依據(jù)，這里不具體闡述。本文并不對具體故障的處理方法進行研究。

表4 故障知識表

(3)設計思維算法

思維數(shù)據(jù)庫是存儲所有信息的媒介，而思維算法則是對信息的合理處理及充分應用。在故障診斷方面指如何判斷當前設備是否發(fā)生故障，在故障處理方面則指故障發(fā)生后如何對故障進行分析與處理，這里主要采用的是搜索比對算法。

搜索比對算法[14]是最常用的方法，搜索比對包括狀態(tài)搜索和經(jīng)驗搜索：1)狀態(tài)搜索，是指在判斷設備狀態(tài)是否故障時，觀察設備的狀態(tài)與預計的是否相同，不同即故障，并按照預計處理方法解決；2)經(jīng)驗搜索，是指在診斷故障時會思考以前是否發(fā)生過類似現(xiàn)象，若發(fā)生過類似現(xiàn)象則直接作為此次參考診斷處理。例如，2天前發(fā)生通信備用鏈路中斷10s，但不影響設備工作，再次發(fā)生后則首先等待10s以消除再次發(fā)生閃斷的可能。

搜索比對方法的優(yōu)點是故障診斷定位準確及處理速度快，此外只要錄入所有末端正常狀態(tài)，即使發(fā)生復合故障也不會發(fā)生診斷錯誤的現(xiàn)象。在航天測控中，末端狀態(tài)指的是參數(shù)狀態(tài)，也就是只要錄入所有參數(shù)級狀態(tài)正常情況，那么即使發(fā)生復雜故障也不會漏診。例如，故障知識庫中記錄“跟蹤期間，遙測載波鎖定”，當發(fā)生目標衛(wèi)星丟失以致遙測、測量和跟蹤載波全部失鎖時，不會因為知識庫中沒有記錄此現(xiàn)象而遺漏告警，仍然會發(fā)現(xiàn)末端“遙測載波未能鎖定”故障。同時經(jīng)驗搜索也能避免多次無效故障診斷現(xiàn)象發(fā)生，減少誤診次數(shù)。

搜索比對算法只適用于故障知識庫中存在的故障，當發(fā)生故障庫中未記錄的故障時，采用邏輯[15]算法或非邏輯算法。基于思維成長系統(tǒng)的故障處理理念在于先查找到具體的故障位置，而后根據(jù)故障特點進行設備重啟、參數(shù)更改及語音告警等軟件處理方式。因此，后述的思維算法主要在于定位故障位置，更為復雜的處理方法需要硬件支持，在此不做研究。

1)邏輯算法，是指思考過程中按照事物發(fā)展的規(guī)律，有條理地進行思維分析。程序中主要由以下2個函數(shù)組成。

順序分析函數(shù)：該函數(shù)主要按照事物運行的順序機理進行故障分析。在航天測控設備中，這種順序可以按照信號傳輸?shù)牧鞒讨饌€分析中間設備與故障是否相關。例如，出現(xiàn)上行功率信號無法發(fā)出故障時，系統(tǒng)按順序逐漸排查中頻調(diào)制單元設置是否正常及上變頻器工作是否正常、功率放大器等各單元是否正常。

遍歷分析函數(shù)：該函數(shù)主要對與故障所有可能相關設備逐個分析。遍歷方法是在遇到問題時最常用的有效分析方法之一。例如，同樣發(fā)生上行功率信號無法發(fā)出的故障，對可能導致此現(xiàn)象發(fā)生的因素：功率激勵是否正常、上變頻器輸出是否正常、中頻調(diào)制單元輸出是否正常及各設備供電是否正常、頻標是否正常等，逐個進行排查。

2)非邏輯算法，是指思考過程中并不按照任何固定的規(guī)律和套路，完全無規(guī)章無條理地進行分析。在現(xiàn)實生活中人們遇到一些問題后經(jīng)常采用這種無條理方式(頭腦風暴[16]、第六感[17]等)，這種方式有時能有意外的良好效果。程序中主要由以下2個函數(shù)組成。

聯(lián)想分析[18]函數(shù)：該函數(shù)主要按照事物間的微妙關聯(lián)進行聯(lián)想分析。例如，上行功率信號無法發(fā)出，那么根據(jù)上行聯(lián)想到上行變頻器、上行調(diào)制單元等，由功率聯(lián)想到功率衰減、功率發(fā)出、反射功率，由信號則聯(lián)想到信號傳輸線纜、信號切換開關和信號功分器等。

遐想分析函數(shù)：是指隨機選擇一樣事物分析是否與故障有關。這種分析沒有任何的規(guī)章和條件，隨機地從所有事物中嘗試性分析故障的發(fā)生。例如，同樣發(fā)生上行功率信號無法發(fā)出的故障，那么可能隨機地選擇上變頻器，但它的任何結(jié)構(gòu)與本故障都無關，所以排除。再隨機選擇到交換機，交換機提供網(wǎng)絡互聯(lián)，若其故障可能導致功率發(fā)出命令中斷，能夠成為故障可能。

(4)經(jīng)驗注入

這是提高故障診斷與處理水平的關鍵，只有充實了思維庫中的經(jīng)驗庫和故障知識庫才能在系統(tǒng)實際運行中及時發(fā)現(xiàn)設備故障和對故障進行有效處理。同時在系統(tǒng)運行過程中，系統(tǒng)將自動記錄新的信息到經(jīng)驗庫和故障知識庫中，已錄入信息需要人為審核后才能應用。經(jīng)驗的不斷注入保障了系統(tǒng)診斷思維的不斷更新，也提高了故障診斷的智能化。

2 系統(tǒng)運行效果仿真

該系統(tǒng)尚處于研制階段，初級系統(tǒng)只具備基于搜索比對算法的故障診斷功能。為了驗證系統(tǒng)實際運行效果，模擬完整系統(tǒng)運行在我國某航天測控站，統(tǒng)計一年內(nèi)故障診斷處理效果，其中故障診斷數(shù)據(jù)采用初級系統(tǒng)運行數(shù)據(jù)。在測控站工作中，硬件故障無法采取軟件處理方式解決，因此對系統(tǒng)而言，處理方式為故障告警，通知管理人員進行設備維修。同時該站布置有傳統(tǒng)故障樹[19-20]診斷系統(tǒng)，將兩者診斷情況做對比。

仿真條件： 1)系統(tǒng)首次運行時并未積累任何經(jīng)驗； 2)系統(tǒng)首次運行時已存儲所有基本故障狀態(tài)。

表5 模擬運行數(shù)據(jù)表

(注：(15/0)表示成功15次，誤診0次)

由表5可以得出，系統(tǒng)可以診斷并處理該站內(nèi)發(fā)生的故障的96%，并可以處理診斷故障的100%。其中有1條插箱硬件故障和1條插箱軟件故障是深層次設備故障，且在故障經(jīng)驗中沒有記錄，因此首次出現(xiàn)時無法診斷出，但是后續(xù)再次發(fā)生后即可診斷并處理。1次誤診仍然發(fā)生在深層次故障，由于部分深層次故障所表現(xiàn)出的表面現(xiàn)象相同，因此當經(jīng)驗庫中只積累一種故障情況時，發(fā)生另外一種情況時則可能發(fā)生誤診，但這種誤診也是積累更多故障經(jīng)驗的關鍵。

對比故障樹，由于發(fā)生的幾次深層次故障無法加入故障知識庫中，因此不論類似故障發(fā)生多少次，故障樹始終無法診斷。同時，在故障樹診斷系統(tǒng)中并未進行任務時段判斷，因此自動化運行故障都不能診斷出。由于故障樹未能診斷深層次故障，因此也就沒有發(fā)生誤診現(xiàn)象。

3 與其他故障診斷、處理方法對比

3.1 與故障樹診斷對比

在第2章的仿真數(shù)據(jù)中，思維成長診斷較故障樹診斷的優(yōu)勢主要有：

1)深層次故障診斷和積累更為有效。例如，某段時間內(nèi)下變頻器故障導致下行信號丟失，但下變頻器本身顯示狀態(tài)正常。故障樹只能記錄故障為下行信號丟失，但思維成長則記錄近期下變頻器故障導致下行信號丟失；

2)避免無效重復性故障接連報警。在測控站工作中，由于發(fā)生光纖熔接、設備維修等工作可能導致一段時間內(nèi)某一故障不斷發(fā)生，但是并不影響實際工作，此時基于思維成長的經(jīng)驗庫就會避免類似現(xiàn)象發(fā)生；

3)能針對測控設備工作狀態(tài)進行診斷。思維成長模型中將設備工作狀態(tài)分為空閑、維修和任務3種狀態(tài)，根據(jù)不同的模式進行不同狀態(tài)的監(jiān)測，診斷功能更為強大。

3.2 與其他故障處理方法對比

故障處理在自動化領域并不成熟，基本沒有參考和對比經(jīng)驗。本文系統(tǒng)的故障處理理念在于先查找到具體的故障位置，再根據(jù)故障特點進行相應處理。該方法的實際應用效果需待實際檢驗。

4 總結(jié)

本文設計的基于思維成長的故障診斷處理系統(tǒng)主要通過模仿人的故障診斷處理思維成長過程建立智能診斷和處理軟件系統(tǒng)，以達到保障航天測控設備正常自動化運行。設計過程中以整體設計為主，對于各部分細節(jié)需做具體研究。該系統(tǒng)不僅能夠根據(jù)積累經(jīng)驗進行故障診斷處理，也能對未知故障進行智能推理，在航天測控領域應用前景較好。同時該思想也可以引入到其他自動化運行系統(tǒng)中。最后，系統(tǒng)的模擬運行效果表明該算法較故障樹方法有較大優(yōu)勢，并能對當前自動化運行設備起到良好輔助作用。

[1] Talat Birqonul M,Dikmen I.An Expert System for the Quantification of Fault Rates in Construction Fall Accidents[J].Int J Occup Saf Ergon, 2016,22(1):20-31.

[2] 鐘宇, 白云.某自動測試系統(tǒng)神經(jīng)網(wǎng)絡故障診斷模塊設計與實現(xiàn)[J].航天控制,2011,29(5):58-62.(Zhong Yu, Bai Yun.Design and Implementation of Fault Diagnosis Module Based on Neural Network in Certain ATS[J].Aerospace Control,2011,29(5)：58-62.)

[3] 樓宇舟,涂俊翔.基于粗糙集改進算法的神經(jīng)網(wǎng)絡故障診斷方法[J].機械制造與自動化,2015,44(5):204-208.(Lou Yuzhou , Tu Junxiang. Research On Fault Diagnosis Method Based on Improved Algorithm in Rough Set[J].Machine Building & Automation，2015,44(5):204-208.)

[4] 郭壯志, 陳波.潛在等式約束的配電網(wǎng)遺傳算法故障定位[J].現(xiàn)代電力,2007, (3):24-28.(Guo Zhuangzhi，Chen Bo.Genetic Algorithm Fault Location of Distribution Network with Latent Equality Constraint[J].Modern Electric Power,2007, (3):24-28.)

[5] 雷亞國.混合智能技術(shù)及其在故障診斷中的應用研究[D].西安:西安交通大學,2007.(Lei Yaguo.Hybrid Intelligent Technology and Its Application in Fault Diagnosis[D]. Xi’an :Xi’an Jiaotong University,2007.)

[6] Xue X, Zhou J. A Hybrid Fault Diagnosis Approach Based on Mixed-domain State Features for Rotating Machinery[J].ISA Trans.2017 Jan,66:284-295.

[7] 李慧霸,張志明,李樹龍.一種服務器的軟件故障處理方法和裝置[P].中國專利:CN106095606A，2016-11-09.(Li Huiba, Zhang Zhiming,Li Shulong.Software Fault Processing Method and Device for Server[P]. Chinese Patent:CN106095606A.)

[8] Lake B M, Ullman T D.Building Machines that Learn and Think Like People[J]. Behav Brain Sci. 2016 Nov 24:1-101.

[9] 鐘義信.人工智能的突破與科學方法的創(chuàng)新[J].模式識別與人工智能,2012,(6):456-461.(Zhong Yixin.Breakthroughs in Artificial Intelligence and Innovation in Methodology[J].Pattern Recognition and Artificial Intelligence,2016,(6):456-461.)

[10] 游敏.模擬人類成長過程的智能機器人研究和討論[J].中國科技信息,2007,(18):340-341.(You Min.Research and Discussion on Intelligent Robot Simulating Human Growth[J].China Science and Technology Information,2007, (18):340-341.)

[11] 蔡澤鋒.計算機網(wǎng)絡技術(shù)對人工智能的應用研究[J].機電工程技術(shù),2016, (Z2):629-631.(Cai Zefeng.Research on the Application of Computer Network Technology to Artificial Intelligence [J]. M&E Engineering Technology，2016，(Z2):629-631.)

[12] 張嘉偉.關于計算機理解自然查詢語言的研究[J].信息技術(shù)與信息化,2016,(4):116-118.(Zhang Jiawei.A Study on Computer Understanding of Natural Query Language[J].Information Technology and Information,2016,(4):116-118.)

[13] 但小崗.SQLite數(shù)據(jù)庫在Windows Forms應用開發(fā)中的應用研究[J].價值工程,2016,(21):141-142.(Dan Xiaogang.Research on the Application of SQLite Database in Windows Forms Application Development [J].Value Engineering，2016，(21):141-142.)

[14] 胡世濤.搜索比對算法研究[J].計算機光盤軟件與應用,2012,(19):71-72.(Hu Shitao.Research on Search Matching Algorithm[J].Computer CD Software and Applications,2012,(19):71-72.)

[15] 王獻紅,史國權(quán).一種新型邏輯智能推理方法在混流生產(chǎn)線排產(chǎn)優(yōu)化中的應用[J].中國機械工程，2015，(10):1320-1322.(Wang Xianhong,Shi Guoquan.Application of a New Type of Logical Reasoning Method in the Production Scheduling of Mixed Flow Production Line[J].China Mechanical Engineering, 2015, (10): 1320-1322.)

[16] 楊玉婷,史玉回.基于討論機制的頭腦風暴優(yōu)化算法[J].浙江大學學報(工學版)，2013,(10)：1705-1711. (Yang Yuting, Shi Yuhui.Brainstorming Algorithm Based on Discussion Mechanism[J].Journal of Zhejiang University,2013,(10):1705-1711.)

[17] 陳南亦.關于“第六感技術(shù)”的進一步思考[J].傳感器及非電量檢測技術(shù),2011,(8):82-84.(Chen Yinan.Further Thinking on "Sixth Senses"[J].Sensor and Non-electric Quantity Detection Technology, 2011, (8): 82-84.)

[18] 文貴華,鄭啟倫,丁月華.一種基于信息域關聯(lián)的創(chuàng)造性聯(lián)想算法CRA[J].模式識別與人工智能,1999,(4):393-401.(Wen Guihua, Zheng Qilun, Ding Yuehua.A Novel Association Algorithm Based on Information Domain Association CRA[J]. Pattern Recognition and Artificial Intelligence, 1999,(4):393-401.)

[19] 鹿智,楊軍.基于故障樹和規(guī)則的航天設備診斷系統(tǒng)的實現(xiàn)[J].計算機應用,2015, (S2):181-184.(Lu Zhi, Yang Jun.The Realization of Space Equipment Diagnosis System Based on Fault Tree and Rule[J].Computer Application,2015, (S2):181-184.)

[20] Wang F，Wu D.Design and Implementation of a Missile Fault Diagnosis System Based on Fault-tree Analysis[C]//Proceedings of the 2007 International Conference on Machine Learning and Cybernetics . Piscataway:IEEE,2007,2:19-22.

Research on Fault Diagnosis and Processing of Aerospace Measurement and Control Equipment Based on Thinking Growth

Shi Chengwei, Wei Dan, Zhang Pengqiang, Yuan Ye

Tianjin TT&C Station, Xi’an Satellite Control Center, Tianjin 301900, China

Modernaerospacemeasurementandcontrolsystemmostlyrunsautomatically,faultsareunavoidablebecauseofitscomplexity.Toensurethestabilizationandreliabilityofsystem，amethodoffaultdiagnosisandprocessingbasedonthinkinggrowthisproposedinthispaper,thismethodismainlyinaccordancewiththehumanbrainthinkingtoestablishsoftwaresysteminordertodiagnosefaultsintelligently.Firstly,objectcognizance,connectionestablishment,experienceaccumulationandunknowndisposalareintroduced.Then,languagesystem,thinkingdatabase,thinkingalgorithmforspecificsoftwaresystemarebuilt.Finally,somestationissimulatedtoverifythatthesystemhasstrongabilityoffaultdiagnosisandexperienceaccumulation.

Thinkinggrowth；Faultdiagnosis；Faultprocessing；Intelligent；Experienceaccumulation

2017-02-20

史成巍(1990-)，男，河北保定人，本科，助理工程師，主要研究方向為航天測控；魏 丹(1981-)，女，遼寧鐵嶺人，碩士，工程師，主要研究方向為航天測控；張朋強(1992-)，男，河南項城人，本科，助理工程師，主要研究方向為航天測控；袁 野(1992-)，男，陜西禮泉人，本科，助理工程師，主要研究方向為航天測控。

TP391.5

A

1006-3242(2017)03-0073-06