基于領(lǐng)域知識圖譜的衛(wèi)星故障輔助診斷與處置方法

張鑫鑫，王 沖，徐 曄，周曉寧，沈亦純，周 捷

（1.上海衛(wèi)星工程研究所，上海 201109；2.上海航天技術(shù)研究院，上海 201109）

0 引言

近年來，隨著航天技術(shù)的蓬勃發(fā)展和國家戰(zhàn)略部署需要，愈來愈多的衛(wèi)星進入太空執(zhí)行各式各樣的飛行任務(wù)?？紤]到近年來大氣環(huán)境變化，急需開拓大氣環(huán)境監(jiān)測新手段，我國首顆“大氣環(huán)境監(jiān)測衛(wèi)星（DQ-1 衛(wèi)星）”于2022 年4 月成功發(fā)射升空。DQ-1 衛(wèi)星設(shè)計使用壽命8 a，運行于太陽同步軌道，配置8 個平臺分系統(tǒng)以及5 個有效載荷，其設(shè)計壽命之長、有效載荷之多，對衛(wèi)星的可靠性提出了更高的要求，對衛(wèi)星故障的診斷處置也提出了更高的要求。

衛(wèi)星系統(tǒng)的無故障運行是保障衛(wèi)星飛行任務(wù)成功的前提?；跊Q策樹［1］、基于小波變換［2］、基于關(guān)聯(lián)規(guī)則模型［3］、基于閾值等傳統(tǒng)衛(wèi)星故障診斷方法存在一定的局限性。針對依賴閾值檢測的傳統(tǒng)衛(wèi)星故障診斷方法，其故障檢測靈敏度與定位準確性往往不足，會延誤衛(wèi)星故障處置時機。隨著人工智能技術(shù)的發(fā)展，學(xué)者們開始研究基于機器學(xué)習(xí)的故障識別方法，包括基于量子神經(jīng)網(wǎng)絡(luò)［4］、基于BP神經(jīng)網(wǎng)絡(luò)［5］、基于循環(huán)神經(jīng)網(wǎng)絡(luò)［6］等方法。但這些方法普遍存在可解釋性差的問題，且診斷過程的不透明和決策依據(jù)的缺失導(dǎo)致用戶難以理解與相信智能模型的生成結(jié)果。而基于機理知識的專家系統(tǒng)技術(shù)［7-8］具有機理清晰、結(jié)論明確的優(yōu)點，在衛(wèi)星故障診斷與處置中發(fā)揮重要作用。但隨著衛(wèi)星系統(tǒng)越來越復(fù)雜，故障間存在著耦合擴散，因此通過人工方式把專家經(jīng)驗歸納總結(jié)成準確而完備的故障診斷規(guī)則具有相當大的難度，并且預(yù)置的專家規(guī)則往往趨向于較為簡單的故障模式。衛(wèi)星作為高可靠產(chǎn)品，一般情況下，簡單的預(yù)置專家規(guī)則難以發(fā)揮預(yù)期效用。一旦衛(wèi)星發(fā)生故障，往往是多學(xué)科耦合的、表征現(xiàn)象繁雜錯亂而難以定位的，常常需要專家依據(jù)相關(guān)背景知識、產(chǎn)品設(shè)計進行多維度的知識推理，進而確定可能導(dǎo)致故障的原因。因此，如何高效準確地進行衛(wèi)星故障診斷仍是一個亟須解決的難題。

知識圖譜起源于語義網(wǎng)絡(luò)，可以作為一種顛覆傳統(tǒng)意義的表達形式，將知識以更形象化的方式進行表達［9-10］。知識圖譜技術(shù)由于其能將復(fù)雜知識簡單化、形象化，同時具備一定的知識推理能力，近年來逐漸成為學(xué)者研究的熱點，在航天領(lǐng)域表現(xiàn)出強力的應(yīng)用潛力優(yōu)勢。趙明等［11］建立了航天控制軟件領(lǐng)域知識圖譜，解決航天控制軟件知識管理問題。謝榕等［12］基于構(gòu)建的標準化衛(wèi)星數(shù)據(jù)集成元數(shù)據(jù)模型，形成遙感衛(wèi)星特定領(lǐng)域知識圖譜，服務(wù)應(yīng)用于海量衛(wèi)星數(shù)據(jù)的語義集成和信息整合。隨著在軌衛(wèi)星種類和數(shù)量的不斷增長，衛(wèi)星知識不斷復(fù)雜化，傳統(tǒng)的故障診斷方法和專家系統(tǒng)已無法滿足衛(wèi)星故障信息的快速獲取和定位。王子奇等［13］將知識圖譜快速檢索優(yōu)勢應(yīng)用于衛(wèi)星自主導(dǎo)航領(lǐng)域，能夠從海量遙感圖像庫中精準定位所需圖像資源。因此，建立衛(wèi)星故障領(lǐng)域知識圖譜，并將其應(yīng)用于衛(wèi)星故障輔助診斷與處置，具有重大意義。

為了提升復(fù)雜故障場景下的衛(wèi)星故障診斷效率與處置能力，本文研究基于領(lǐng)域知識圖譜的衛(wèi)星故障輔助診斷與處置方法，將衛(wèi)星的產(chǎn)品設(shè)計知識、工作場景知識通過知識圖譜的形式表達刻畫，利用知識圖譜優(yōu)良的知識引導(dǎo)與推理分析能力，輔助故障數(shù)據(jù)分析，提供故障的背景知識信息、關(guān)聯(lián)知識信息及推理信息，提升故障的診斷效率，并具備一定的故障處置能力，為大氣環(huán)境監(jiān)測衛(wèi)星在軌故障診斷與處置提供了一種輔助診斷方法。

1 衛(wèi)星故障領(lǐng)域知識圖譜

1.1 衛(wèi)星故障領(lǐng)域知識圖譜概述

知識圖譜是人工智能與知識的有機結(jié)合，通過點、邊的關(guān)系對知識進行描述。通過知識表示、抽取、融合、存儲、推理等多方面技術(shù)構(gòu)建的知識圖譜，可以應(yīng)用到語義搜索、智能問答、決策分析等領(lǐng)域［14］。

不同于語義網(wǎng)應(yīng)用范例（DBPedia）、維基百科（Wikidata）、百度、谷歌等搜索引擎使用的通用知識圖譜，領(lǐng)域知識圖譜（Domain Knowledge Graph）是面向某一特定領(lǐng)域的高質(zhì)量的知識圖譜，其具有廣泛的領(lǐng)域知識來源、復(fù)雜的領(lǐng)域知識結(jié)構(gòu)、多樣的領(lǐng)域知識應(yīng)用形式［15］。

隨著衛(wèi)星系統(tǒng)的不斷發(fā)展，故障特征數(shù)據(jù)之間的關(guān)系和規(guī)則往往被海量數(shù)據(jù)淹沒，使得傳統(tǒng)的專家知識無法及時挖掘。通過面向衛(wèi)星故障輔助診斷與處置的衛(wèi)星故障領(lǐng)域知識圖譜技術(shù)，可以將復(fù)雜模糊的衛(wèi)星領(lǐng)域?qū)＜抑R可視化，并對衛(wèi)星故障信息進行挖掘推理，輔助診斷與處置衛(wèi)星故障，提升了衛(wèi)星故障診斷與處置的智能化水平。

1.2 衛(wèi)星故障領(lǐng)域知識圖譜架構(gòu)

衛(wèi)星系統(tǒng)在設(shè)計、研制、地面電測試以及在軌飛行階段中，積累了大量衛(wèi)星系統(tǒng)知識，包括地面設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)、衛(wèi)星遙測數(shù)據(jù)、衛(wèi)星遙控數(shù)據(jù)等結(jié)構(gòu)化數(shù)據(jù)、地面設(shè)備軟件運行日志文件等半結(jié)構(gòu)化數(shù)據(jù)和設(shè)計文檔、單機確認照片、大型試驗過程記錄視頻等非結(jié)構(gòu)化數(shù)據(jù)?；诮Y(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化衛(wèi)星系統(tǒng)知識，通過自然語言處理、數(shù)據(jù)挖掘等技術(shù)方法和原理，構(gòu)建高質(zhì)量的衛(wèi)星故障領(lǐng)域知識庫［16］。

衛(wèi)星故障領(lǐng)域知識圖譜的體系架構(gòu)如圖1 所示。在該體系架構(gòu)中，首先對多源異構(gòu)衛(wèi)星系統(tǒng)知識進行清洗、轉(zhuǎn)換和存儲，輸出規(guī)范化基礎(chǔ)數(shù)據(jù)，然后通過語義處理技術(shù)對規(guī)范化基礎(chǔ)數(shù)據(jù)進行實體、關(guān)系、屬性抽取，并綜合運用本體建模、實體消岐、知識合并、知識推理等技術(shù)完成衛(wèi)星故障領(lǐng)域知識圖譜構(gòu)建，服務(wù)于衛(wèi)星故障的可視化、檢索、分析、輔助處置等應(yīng)用。

圖1 衛(wèi)星故障領(lǐng)域知識圖譜體系架構(gòu)Fig.1 Architecture of the domain knowledge graph for satellite faults

2 衛(wèi)星故障領(lǐng)域知識圖譜構(gòu)建

2.1 衛(wèi)星故障知識抽取

衛(wèi)星故障領(lǐng)域知識圖譜由多種信息處理技術(shù)共同構(gòu)建而成，其構(gòu)建總體流程如圖2 所示。衛(wèi)星故障知識抽取是實現(xiàn)自動化構(gòu)建衛(wèi)星故障領(lǐng)域知識圖譜的重要環(huán)節(jié)，其目的在于將知識從不同來源、不同結(jié)構(gòu)的數(shù)據(jù)中自動抽取并存入衛(wèi)星故障領(lǐng)域知識圖譜中。

圖2 衛(wèi)星故障領(lǐng)域知識圖譜構(gòu)建總體流程Fig.2 Flow chart of the domain knowledge graph construction for satellite faults

衛(wèi)星故障知識抽取的數(shù)據(jù)源可以是結(jié)構(gòu)化、半結(jié)構(gòu)化或者非結(jié)構(gòu)化數(shù)據(jù)。針對不同的數(shù)據(jù)類型，衛(wèi)星故障知識抽取所用到的關(guān)鍵技術(shù)有所不同。對于衛(wèi)星系統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)，應(yīng)用一些成熟的方法將關(guān)系數(shù)據(jù)提取并轉(zhuǎn)換為RDF 格式（一種用于描述Web 資源的標記語言），例如DM（Direct Mapping）和R2RML（RDB to RDF Mapping Language）；對于衛(wèi)星故障半結(jié)構(gòu)化數(shù)據(jù)，采用基于映射的信息框提取方法將故障診斷信息轉(zhuǎn)化為RDF 三元組。針對衛(wèi)星系統(tǒng)的非結(jié)構(gòu)化數(shù)據(jù)，考慮其數(shù)據(jù)的多樣性和復(fù)雜性，借鑒LSTM-CRF 模型［17］、APCNNs 模型［18］、Bootstrapping 方法［19］和聯(lián)合事件提取模型［20］等深度學(xué)習(xí)方法來提取衛(wèi)星故障診斷的實體、關(guān)系和事件知識。

2.2 衛(wèi)星故障知識融合

衛(wèi)星故障知識抽取的結(jié)果不一定完全準確，其抽取結(jié)果中含有不少的冗余信息和錯誤信息。衛(wèi)星故障知識融合的目的是將新獲得的知識融入衛(wèi)星故障領(lǐng)域知識圖譜中，包括共指消解、實體消岐、知識合并等。共指消解解決異名同物問題，采用平均準確率較高的奇異值分解和多分類器方法［21］；實體消岐解決同名異物問題，可用方法包括空間向量模型、語義模型和百科知識模型［22］等；知識合并則是解決知識整合問題，把符合框架規(guī)范的知識或第三方知識庫的知識整合到知識圖譜中。

衛(wèi)星故障知識融合的關(guān)鍵是在保證知識圖譜知識準確率的前提下高效地引入新知識，實現(xiàn)在同一框架下的規(guī)范表示。

2.3 衛(wèi)星故障知識推理

知識推理能用于知識圖譜補全。衛(wèi)星故障知識推理基于衛(wèi)星故障領(lǐng)域知識圖譜中已有的事實、關(guān)系，推理出關(guān)于衛(wèi)星故障的新事實、新關(guān)系、新公理以及新規(guī)則，是衛(wèi)星故障領(lǐng)域知識圖譜補全的重要手段。同時，衛(wèi)星故障知識推理是衛(wèi)星故障領(lǐng)域知識圖譜能力輸出的主要方式，為相關(guān)的衛(wèi)星故障知識查詢返回正確的知識信息，可用于衛(wèi)星故障早期發(fā)現(xiàn)、快速定位，是衛(wèi)星故障知識輔助故障診斷和處置的主要實現(xiàn)方式。衛(wèi)星故障知識推理主要有基于演繹的和基于歸納的兩類知識推理技術(shù)手段，如基于描述邏輯［23］和基于圖推理［24］。

2.4 衛(wèi)星故障知識可視化

隨著衛(wèi)星系統(tǒng)不斷復(fù)雜化，衛(wèi)星故障知識規(guī)模不斷增長。如何將衛(wèi)星故障知識更直觀、更形象地呈現(xiàn)，對衛(wèi)星設(shè)計人員具有非常重要的意義。衛(wèi)星故障知識可視化通過可視化布局與視覺編碼的方式，將故障知識庫中抽象的知識以圖形元素的形式呈現(xiàn)出來，使衛(wèi)星設(shè)計人員在進行故障診斷時能清晰地梳理故障脈絡(luò)，輔助衛(wèi)星設(shè)計人員更加有效地分析故障信息。知識圖譜可視化按照可視化布局與視覺編碼方式可以分為6 類，包括空間填充、節(jié)點鏈接圖、熱圖、鄰接矩陣、縮進列表、歐拉圖，用的最多的是節(jié)點鏈接圖［25］。衛(wèi)星故障領(lǐng)域知識圖譜節(jié)點鏈接如圖3 所示。

圖3 衛(wèi)星故障領(lǐng)域知識圖譜節(jié)點鏈接Fig.3 Node link diagram of the domain knowledge graph for satellite faults

3 衛(wèi)星故障領(lǐng)域知識圖譜應(yīng)用場景

衛(wèi)星故障領(lǐng)域知識圖譜表達刻畫了衛(wèi)星系統(tǒng)復(fù)雜的產(chǎn)品設(shè)計、工作場景等海量異構(gòu)數(shù)據(jù)，使異構(gòu)數(shù)據(jù)之間產(chǎn)生普遍聯(lián)系，在衛(wèi)星故障診斷領(lǐng)域有著廣泛的應(yīng)用前景。

3.1 衛(wèi)星遙測遙控異常診斷

基于衛(wèi)星故障領(lǐng)域知識圖譜，實現(xiàn)衛(wèi)星遙測測點信息、控制點信息與整星多學(xué)科設(shè)計知識的深度關(guān)聯(lián)。

在衛(wèi)星遙測點或遙控點報送異常時，衛(wèi)星故障領(lǐng)域知識圖譜提供故障測點所關(guān)聯(lián)的設(shè)計信息，為遙測或遙控的異常排查提供知識指導(dǎo)，并進行一定的邏輯分析推理，輔助衛(wèi)星遙測遙控異常的診斷?；谛l(wèi)星故障領(lǐng)域知識圖譜的衛(wèi)星遙測遙控異常診斷場景如圖4 所示。

圖4 衛(wèi)星遙測遙控異常診斷場景Fig.4 Scenario of the diagnosis for satellite telemetry and telecontrol abnormities

3.2 飛輪故障診斷與處置

針對衛(wèi)星姿軌控分系統(tǒng)故障診斷與處置問題，衛(wèi)星故障領(lǐng)域知識圖譜通過抽取衛(wèi)星姿軌控分系統(tǒng)內(nèi)光纖陀螺組合、半球諧振陀螺、星敏感器、磁力矩器、推力器、飛輪、控制力矩陀螺等單機的相關(guān)遙測信息，結(jié)合衛(wèi)星姿軌控分系統(tǒng)相關(guān)設(shè)計報告、研制總結(jié)、測試總結(jié)、測試過程中產(chǎn)生的照片及視頻等結(jié)構(gòu)化和非結(jié)構(gòu)化知識，不斷進行知識融合、知識加工產(chǎn)生新知識以更新衛(wèi)星故障領(lǐng)域知識圖譜，實時推理、分析并診斷姿軌控分系統(tǒng)可能產(chǎn)生的故障，并對診斷出來的故障給出處置策略，從而實現(xiàn)衛(wèi)星姿軌控分系統(tǒng)的故障診斷與處置，如圖5所示。

圖5 衛(wèi)星姿軌控分系統(tǒng)故障診斷與處置場景Fig.5 Scenario of the diagnosis and disposal for satellite attitude and orbit control subsystem faults

為驗證基于領(lǐng)域知識圖譜的衛(wèi)星故障輔助診斷與處置方法的有效性，下面以衛(wèi)星姿態(tài)控制為例假設(shè)一種場景：某衛(wèi)星姿態(tài)控制分系統(tǒng)中的“三正交一斜裝”反作用飛輪組合存在如圖6 所示的故障，具體表現(xiàn)為飛輪#1、飛輪#3、飛輪#4 存在部分失效故障，飛輪#2 存在常值誤差故障和完全失效故障。

圖6 反作用飛輪組合故障場景Fig.6 Fault scenario of the reaction wheel assembly

在衛(wèi)星故障領(lǐng)域知識圖譜中若已知（姿態(tài)控制器，輸出，期望控制力矩）、（衛(wèi)星姿態(tài)控制，執(zhí)行機構(gòu)，反作用飛輪組合）、（反作用飛輪組合，構(gòu)型，三正交一斜裝）、（反作用飛輪，輸出，期望飛輪轉(zhuǎn)速）和（反作用飛輪，測量，實際飛輪轉(zhuǎn)速）等知識，則可以推理出反作用飛輪組合是否出現(xiàn)故障。

下面按照上述場景對某衛(wèi)星姿態(tài)控制分系統(tǒng)的故障診斷與處置進行數(shù)值仿真，為保證衛(wèi)星姿態(tài)控制精度，利用衛(wèi)星故障領(lǐng)域知識圖譜，并結(jié)合實時數(shù)值仿真數(shù)據(jù)，對反作用飛輪組合存在的故障進行診斷。根據(jù)反作用飛輪組合故障診斷結(jié)果，衛(wèi)星領(lǐng)域知識圖譜將自主切換姿態(tài)控制策略，并進行數(shù)值仿真，使姿態(tài)控制精度滿足控制要求。自主切換后的基于觀測器的類比例微分姿態(tài)控制器［26］的具體形式如下：

具體數(shù)值仿真參數(shù)見表1。數(shù)值仿真結(jié)果如圖7 和圖8 所示。由圖7 可以看出，衛(wèi)星的姿態(tài)角和姿態(tài)角速度在進行故障處置后能夠收斂到很小的殘差集，穩(wěn)態(tài)誤差不超過0.01°和0.000 01 rad/s。圖8給出的是自主切換姿態(tài)控制策略后的控制器控制力矩，以及實際飛輪組合控制力矩響應(yīng)曲線。結(jié)果表明，衛(wèi)星故障領(lǐng)域知識圖譜具備解決衛(wèi)星姿軌控分系統(tǒng)故障診斷與處置問題的能力。

表1 數(shù)值仿真參數(shù)和初始狀態(tài)Tab.1 Parameters and initial states for the simulation

圖7 衛(wèi)星姿態(tài)角和姿態(tài)角速度響應(yīng)曲線Fig.7 Response curves of the Euler angle and angular velocity

圖8 控制器控制力矩和飛輪組合實際控制力矩響應(yīng)曲線Fig.8 Response curves of controller and reaction wheel assembly actual torque

4 結(jié)束語

知識圖譜技術(shù)有助于提升衛(wèi)星故障診斷和處置過程中的知識引導(dǎo)與推理能力。本文考慮大氣環(huán)境監(jiān)測衛(wèi)星有效載荷多、設(shè)計壽命長、可靠性要求高等特點，研究了基于領(lǐng)域知識圖譜的衛(wèi)星故障輔助診斷與處置方法，有效利用了衛(wèi)星系統(tǒng)中的多個維度的專家知識，能夠為復(fù)雜故障場景下的故障排查與定位提供有力的知識支撐，可有效提升衛(wèi)星故障的排查效率與診斷能力，為大氣環(huán)境監(jiān)測衛(wèi)星故障輔助診斷與處置提供了一種新的可行途徑。