基于邏輯框圖的衛(wèi)星健康評估方法

(上海衛(wèi)星工程研究所，上海 201109)

0 引言

隨著航天事業(yè)的不斷發(fā)展，航天活動的頻率快速提高，在軌航天器的數(shù)量逐年大幅增長，現(xiàn)有的衛(wèi)星監(jiān)測系統(tǒng)很難滿足在軌監(jiān)控任務(wù)需求，因此航天器在軌健康管理技術(shù)越來越受重視。

自從NASA把故障預(yù)測與健康管理(prognostics and health management, PHM)技術(shù)運用在航天器在軌安全保障中后[1-3]。國內(nèi)的學(xué)者們也相繼針對航天器健康評估提出了不同的模型。文獻[4]采用層次分析法，實現(xiàn)各故障模式對航天器系統(tǒng)、分系統(tǒng)、單機設(shè)備影響權(quán)重的量化和分析，并提出航天器健康評估體系分級構(gòu)建思想。文獻[5]提出一種基于投影尋蹤的航天器健康評估方法，該方法構(gòu)建模型簡便且便于維護。文獻[6]提出利用貝葉斯網(wǎng)絡(luò)評估某衛(wèi)星的動量輪在軌健康狀態(tài)，并通過仿真驗證該方法的有效性。文獻[7]提出的基于模糊變權(quán)原理的健康評估方法，通過衛(wèi)星全壽命中實時改變各組件的權(quán)重，更客觀的反映衛(wèi)星在軌健康情況。文獻[8]提出的基于可重構(gòu)度的衛(wèi)星評估方法，考慮了衛(wèi)星系統(tǒng)的高冗余，可重構(gòu)特性，使評估結(jié)果更加準(zhǔn)確。

本文基于衛(wèi)星分系統(tǒng)的組成邏輯關(guān)系(串聯(lián)、并聯(lián)、表決)建立評估模型，旨在從衛(wèi)星能分系統(tǒng)能否完成既定任務(wù)的角度，和衛(wèi)星分系統(tǒng)單機冗余，備份的角度評估衛(wèi)星分系統(tǒng)在軌的健康狀況。

1 評估模型總體設(shè)計思路

衛(wèi)星分系統(tǒng)一般是由幾個單機共同配合完成分系統(tǒng)的任務(wù)，單機內(nèi)又由幾個部件完成各自的任務(wù)，各部件的工作狀態(tài)通過遙測數(shù)據(jù)的變化來反映。建立部件層、組件層、分系統(tǒng)層分層評估模型。在部件層通過選取的關(guān)鍵遙測參數(shù)在評估期間的變換曲線與歷史正常時期的曲線之間的距離構(gòu)建非線性模糊無量綱模型進行評估；在組件層通過組件內(nèi)部各部件的連接邏輯，構(gòu)建評估模型，從組件完成既定任務(wù)的能力和完成既定任務(wù)所承擔(dān)的風(fēng)險兩種維度進行評估，分別定義為組件的任務(wù)健康度和任務(wù)風(fēng)險度；在分系統(tǒng)層通過各組件的連接邏輯，構(gòu)建評估模型，從分系統(tǒng)完成既定任務(wù)的能力和完成既定任務(wù)所承擔(dān)的風(fēng)險累積兩種維度進行評估，分別定義為分系統(tǒng)的任務(wù)健康度和任務(wù)風(fēng)險度，其中任務(wù)健康度范圍在[0,1]之間，越大越好；任務(wù)風(fēng)險度范圍在[0,1]之間，越小越好。

2 部件層評估

部件的評估主要通過選取能反映衛(wèi)星狀態(tài)的模擬量遙測參數(shù)與歷史正常時期的變化情況建立評估模型來確定。

2.1 遙測參數(shù)的變化類型

一般選取的遙測參數(shù)為電壓類或溫度類，根據(jù)各遙測參數(shù)的歷史變化情況，大致可以分為以下4類變化形式：

1)范圍內(nèi)穩(wěn)定變化:此類遙測的特點是變化平穩(wěn)，在一個小范圍里面波動。

2)周期型變化:此類遙測的特點是變化具有周期性，且每個周期基本上相同。

3)季節(jié)型變化:此類遙測的特點是天與天之間遙測變化不大，但要全年來看具有明顯的季節(jié)性。

4)周期型與季節(jié)型組合:此類遙測的特點是短期具有周期性，長期又具有季節(jié)性。

2.2 部件評估模型

對衛(wèi)星上天初期正常工作時的遙測數(shù)據(jù)進行統(tǒng)計或通過設(shè)計文件查詢得到遙測數(shù)據(jù)的期望值，定為Xei，則某遙測評估指標(biāo)的在軌實測量Xi與期望的偏差為xi=|Xi-Xei|，當(dāng)xi較小時，說明器件的性能良好，當(dāng)xi較大時，說明器件的性能變差。一般電子設(shè)備的故障率變化是兩端高，中間低，像浴盆一樣，稱為“浴盆曲線”，如圖1所示。

圖1 浴盆曲線

模仿電子器件的“浴盆曲線”來定義如何評價指標(biāo)的“健康度”。利用歷史正常運行的遙測數(shù)據(jù)與期望值作絕對值差，進行統(tǒng)計得到開始損耗的偏差xli(具體根據(jù)遙測的類型決定取統(tǒng)計的分位值)，發(fā)生異常的偏差xai(一般取統(tǒng)計的0.95分位值)，及失效的偏差xdi(一般通過設(shè)計文件查詢得到)。根據(jù)“浴盆曲線”的變化特性，本文選用非線性模糊無量綱模型[7,9]來反映指標(biāo)的變化情況。當(dāng)偏差在xli內(nèi)，指標(biāo)“健康度”為1；當(dāng)在xli外，指標(biāo)偏差較小時，“健康度”變化較為平緩，指標(biāo)偏差較大時，“健康度”變化逐漸加快，所采用的模型如圖2所示。

圖2 無量綱模型函數(shù)

非線性無量綱模型為：

(1)

其中:Hi(xi)為非線性無量綱模型處理的數(shù)值，b為形狀調(diào)節(jié)參數(shù)，很據(jù)每個遙測的xai值來確定b的大小，當(dāng)b=0時，無量綱模型退化為線性模型。

綜合各部件的遙測參數(shù)指標(biāo)，可得到部件hu的模型為：

(2)

其中:zi為指標(biāo)的無量綱轉(zhuǎn)換，k為指標(biāo)個數(shù)。

3 組件層及分系統(tǒng)層評估

3.1 組件層評估

組件層是由部件按照一定的邏輯關(guān)系組合而成，而各部件相對上一層又有相對重要和相對不重要之分，故需研究如何合理的賦予各部件權(quán)重和各部件的邏輯連接關(guān)系。

3.1.1 模糊層次分析法

模糊層次分析法確定權(quán)重系數(shù)[10]時，需要先分析組件的層次結(jié)構(gòu)及健康狀態(tài)的評估指標(biāo)，利用專家知識兩兩比較各指標(biāo)相對于上層的相對性大小，以相對性大小作為矩陣元素確定為判斷矩陣。步驟如下：

標(biāo)度定義說明：0.9指兩風(fēng)險因素相比，一個比一個極端重要；0.8指兩風(fēng)險因素相比，一個比一個強烈重要；0.7指兩風(fēng)險因素相比，一個比一個明顯重要；0.6指兩風(fēng)險因素相比，一個比一個稍微重要；0.5指兩風(fēng)險因素相比，同樣重要；

3.1.2 變權(quán)理論

由以上可以得到各個權(quán)重指標(biāo)的權(quán)重值，但都是定值。實際上當(dāng)衛(wèi)星某一部件的健康狀態(tài)不斷下降，此時對于整個系統(tǒng)的重要程度也會隨著變大，若用以前的權(quán)重值會導(dǎo)致因為權(quán)重低而反應(yīng)健康狀態(tài)變化不明顯的問題。因此需要根據(jù)衛(wèi)星部組件的健康狀態(tài)的變化而權(quán)重也相應(yīng)的變化。

本節(jié)使用文獻[11]中提到的變權(quán)方法，首先需要明確狀態(tài)因素向量xi。定義當(dāng)健康狀態(tài)處于(0.7,1]時狀態(tài)因素向量為0，當(dāng)健康狀態(tài)處于(0.6,0.7]時狀態(tài)因素向量為1，當(dāng)健康狀態(tài)處于(0.4,0.6]時狀態(tài)因素向量為2，當(dāng)健康狀態(tài)處于(0,0.4]時健康狀態(tài)為3。令狀態(tài)變權(quán)函數(shù)為：

Si(xi)=eα·xi

(3)

其中:α為均衡系數(shù)，α越小各指標(biāo)權(quán)重變化也越小，當(dāng)α=0時就退化為常權(quán)。變權(quán)公式為：

(4)

3.1.3 部件邏輯關(guān)系及其評估模型

衛(wèi)星組件內(nèi)部的各部件主要以串聯(lián)、并聯(lián)(冷備份、熱備份)、表決等邏輯組合而成。

1)串聯(lián):

組件的功能需要所有部件完成其功能，工作邏輯如圖3所示。

圖3 串聯(lián)工作邏輯

定義由非線性模糊無量綱模型得到各部件的健康度為hui,i=1,2,…,m，各部件的權(quán)重為ωi,i=1,2,…,m。組件的任務(wù)健康度hm為：

(5)

組件的任務(wù)風(fēng)險度為：

(6)

其中:r(0)m為評估前該組件風(fēng)險情況，一般默認為0。

2)并聯(lián):

熱備份：所有部件均在工作，只需一個及以上的部件正常，整個組件就能正常工作，工作邏輯如圖4所示。

圖4 熱備份工作邏輯

定義由非線性模糊無量綱模型得到各部件的健康度為hui,i=1,2,…,m。各部件的權(quán)重為ωi,i=1,2,…,m。組件的任務(wù)健康度hm為：

(7)

組件的任務(wù)風(fēng)險度為：

其中:r(0)m為評估前該組件風(fēng)險情況，一般默認為0。

冷備份：只有一個部件在工作，其余的關(guān)機備份，當(dāng)工作的部件故障時，打開另一個通路，整個組件依舊能工作，工作邏輯如圖5所示。

圖5 冷備份工作邏輯

定義由非線性模糊無量綱模型得到各部件的健康度為hui,i=1,2,…,m。各部件的權(quán)重為ωi,i=1,2,…,m。組件的任務(wù)健康度hm為：

(9)

其中:Δi為是否工作的遙測參數(shù)，一般部件工作Δi為1，不工作Δi為0，若不是該類型通過相關(guān)公式轉(zhuǎn)化為這種類型。

組件的任務(wù)風(fēng)險度為：

(10)

其中:r(0)m為評估前該組件風(fēng)險情況，一般默認為0。備份部件的健康度默認為1。

3)表決：

表決系統(tǒng)為一系列部件中，只允許其中k個無法工作，其余均正常才能工作。工作邏輯如圖6所示。

圖6 表決工作邏輯

定義由非線性模糊無量綱模型得到各部件的健康度為hui,i=1,2,…,m。各部件的權(quán)重為ωi,i=1,2,…,m。組件的任務(wù)健康度hm為：

(11)

組件的任務(wù)風(fēng)險度為：

(12)

3.2 分系統(tǒng)層評估

分系統(tǒng)層由各組件按照一定的邏輯關(guān)系連接共同完成分系統(tǒng)任務(wù)，一般是通過串聯(lián)和并聯(lián)的組合。

3.2.1 串聯(lián)

該分系統(tǒng)由不同組件串聯(lián)組合而成，前一個順利完成是后一個開始的前提，若其中一個組件故障，會導(dǎo)致整個分系統(tǒng)也無法工作，邏輯圖如圖7所示。

圖7 串聯(lián)工作邏輯

各組件的健康度hm和風(fēng)險度rm通過3.1.3節(jié)方法得到，假設(shè)共有n個組件，權(quán)重為wi,i=1,2,…,n，通過3.1.1節(jié)方法得到，則分系統(tǒng)的任務(wù)健康度Hs為：

(13)

分系統(tǒng)的任務(wù)風(fēng)險度Rs為：

(14)

3.2.2 串聯(lián)與并聯(lián)的組合

該分系統(tǒng)由不同組件串聯(lián)與并聯(lián)混合成，串聯(lián)的工作特性與串聯(lián)組合一致，并聯(lián)只需其中1路正常就能工作，工作邏輯圖如圖8所示。

圖8 混合工作邏輯

各組件的健康度hm和風(fēng)險度rm通過3.1.3節(jié)方法得到，假設(shè)共有n個組件，權(quán)重為wi,i=1,2,…,n，通過3.1.1節(jié)方法得到，則分系統(tǒng)的任務(wù)健康度Hs為：

熱備份：

(15)

冷備份：

(16)

其中:Δi為是否工作的遙測參數(shù)，一般部件工作Δi為1，不工作Δi為0，若不是該類型通過相關(guān)公式轉(zhuǎn)化為這種類型。

分系統(tǒng)的任務(wù)風(fēng)險度為：

Rs=w1·rm1+w2·(1-((1-r(0)m)·

(17)

其中:r(0)m為評估前該組件風(fēng)險情況，一般默認為0。

4 實驗結(jié)果與分析

衛(wèi)星的電池和太陽電池陣是為整個衛(wèi)星的各個飛行階段的用電負載提供能源的，在整個衛(wèi)星中具有很重要的位置。為了驗證本章提出的分系統(tǒng)評估模型的正確性，在MATLAB軟件上分別進行某衛(wèi)星電源分系統(tǒng)分系統(tǒng)正常運行時的評估實驗，某衛(wèi)星電源分系統(tǒng)異常運行時的實驗對比以證明其正確性。數(shù)據(jù)來源于航天八院衛(wèi)星運行監(jiān)測中心的某系列衛(wèi)星03、04星在軌遙測數(shù)據(jù)。某衛(wèi)星電源分系統(tǒng)的分層結(jié)構(gòu)如圖9所示。

圖9 電源分系統(tǒng)分層結(jié)構(gòu)

4.1 評估模型

4.1.1 遙測參數(shù)指標(biāo)模板

統(tǒng)計該衛(wèi)星在軌正常運行時期的遙測數(shù)據(jù)，及查閱該衛(wèi)星的詳細設(shè)計資料后并建立比對模板，建立非線性無量綱模型對各部件進行評估。由于篇幅有限，僅展示各遙測參數(shù)指標(biāo)主份的比對模板曲線。

圖10 各指標(biāo)模板

建立了模板后，待評估數(shù)據(jù)(按天評估)與模板的位置匹配后，計算與模板的距離，利用式(1)和式(2)評估部件的“健康度”。

4.1.2 系統(tǒng)邏輯框圖

電源分系統(tǒng)主要由太陽電池陣電路、蓄電池組(A/B)、充放電調(diào)節(jié)器(A/B)、分流器等單機組成，其內(nèi)部各部件的邏輯連接框圖如下：

太陽電池陣：太陽電池陣選用供電陣A7/B7電流、充電陣電流、放電終止電壓、放電深度參數(shù)指標(biāo)。邏輯關(guān)系如圖11所示。

圖11 太陽電池陣邏輯框圖

利用式(5)和式(6)得到太陽電池陣電路的任務(wù)健康度和任務(wù)風(fēng)險度。

蓄電池組：蓄電池組選用充電終止電壓、各單體電壓指標(biāo)，利用式(5)和式(6)得到蓄電池組任務(wù)健康度和任務(wù)風(fēng)險度。

充放電調(diào)節(jié)器：充放電調(diào)節(jié)器選用充電電流，放電調(diào)節(jié)電路電壓指標(biāo)。邏輯關(guān)系如圖12所示。

圖12 充放電調(diào)節(jié)器邏輯框圖

利用式(5)～(6)，式(9)～(12)得到充放電調(diào)節(jié)器的任務(wù)健康度和任務(wù)風(fēng)險度。

分流器：分流器選用母線電壓指標(biāo)，利用式(5)和式(6)得到蓄電池組任務(wù)健康度和任務(wù)風(fēng)險度。

電源分系統(tǒng)的邏輯關(guān)系如圖13所示。

圖13 電源分系統(tǒng)邏輯框圖

4.2 實驗結(jié)果與分析

為驗證評估模型的正確性，本文選用某系列04衛(wèi)星2019年6月1號到6月28號的衛(wèi)星正常運行期的遙測數(shù)據(jù)和該系列03衛(wèi)星2015年5月20號到5月30號的異常運行期的遙測數(shù)據(jù)進行比對實驗。

4.2.1 正常運行期實驗結(jié)果與分析

電源分系統(tǒng)及各組件的任務(wù)健康度和任務(wù)風(fēng)險度如表1所示。

從表1可以看出，在評估期間衛(wèi)星電源分系統(tǒng)整體比較健康，任務(wù)健康度度在0.925左右，任務(wù)風(fēng)險度在0.069左右，如圖14所示，但太陽電池陣電路的健康程度雖然在相對健康的范圍，但有下降的趨勢，此時應(yīng)該多加關(guān)注，本文評估結(jié)果與實際衛(wèi)星情況相符合。評估期間，各組件的權(quán)值均未發(fā)生過變化。

4.2.2 異常運行期實驗結(jié)果與分析

電源分系統(tǒng)及各組件的任務(wù)健康度和任務(wù)風(fēng)險度如表2所示。

已知該衛(wèi)星在5月30日發(fā)生了太陽電池陣線路短路的質(zhì)量問題，從表2中可以看出，在當(dāng)天太陽電池陣電路的任務(wù)健康度僅為0.1929，基本無法正常完成既定任務(wù)，任務(wù)風(fēng)險度達到0.6541，處于較高風(fēng)險的狀態(tài)，蓄電池組由于電壓無法達到正常水平健康度也僅為0.5，充電調(diào)節(jié)器和分流器的健康度也相應(yīng)的下降，電源分系統(tǒng)的任務(wù)健康度僅為0.3011，任務(wù)風(fēng)險度達到0.5285，此時由于任務(wù)健康度的下降，權(quán)重變化為[0.6979,0.2076,0.0945]。

圖14 電源分系統(tǒng)評估結(jié)果

表2 實驗結(jié)果

異常發(fā)生前10天的太陽電池陣電路的任務(wù)健康度和任務(wù)風(fēng)險度變化如圖15所示。

從圖中可以看出，太陽電池陣電路的任務(wù)健康度從25號突然下降到0.6609，權(quán)重也變化為[0.5836,0.2862,0.1302]。在27號到29號穩(wěn)定在0.67左右，說明在25號已經(jīng)有了故障的征兆，此時若及時處理，可能會避免后面的異常發(fā)生。

本文通過正常數(shù)據(jù)和異常數(shù)據(jù)驗證了該方法，結(jié)果表明評估的結(jié)果與實際相符合，具有正確性。

5 結(jié)束語

本文以某衛(wèi)星的電源分系統(tǒng)健康評估為例，開展了一種基于衛(wèi)星部組件連接邏輯的評估方法的研究，以衛(wèi)星分系統(tǒng)完成任務(wù)的能力和完成任務(wù)所承擔(dān)風(fēng)險累積兩種維度進行評估。并利用某衛(wèi)星正常運行時期和異常時期的在軌實測數(shù)據(jù)進行對比實驗，實驗結(jié)果表明，該方法具有正確性。

此外，本文方法存在以下幾點不足，需要后續(xù)繼續(xù)進行研究：1)在模板構(gòu)建及統(tǒng)計過程中需耗費大量時間，故需要研究更加智能、快速的方法；2)本文提出的模型需在更多的實測數(shù)據(jù)上進行驗證。