航天测控数传综合设备健康状态评估方法

摘要

本发明公开的一种航天测控数传综合设备健康状态评估方法，可行性强,评估结论可信度高。本发明通过下述技术方案实现：在AHP软件中，采用设备级与组件级健康管理模块、参数级健康管理模块、分系统级健康管理模块和系统级健康管理分级模块，组成分层健康管理评估体系架构，设备级与组件级健康管理模块采集设备电路模块或组件、器件的电信号及其表征参数，对各种参数信号融合后共同预测部件及设备的健康状态，参数级健康管理模块对参数变进行状态预测与管理；分系统级健康管理模块进行健康评估、预测；系统级健康管理分级模块分析预测任务执行状，构建形成多层次分析评价模型，计算权重系数，层层加权融合、证据合成得到系统综合状态的评估结果。

说明书

技术领域

本发明是涉及一种主要应用于航天测控数传综合设备健康状态评估技术。解决传统的故障诊断和周期性维护已经无法满足装备使用要求的难题，采用分层评估体系架构、基于层次分析法的系统健康评估方法以及设备任务效能评估来实现设备的可靠高效使用。

背景技术

装备健康管理是随着故障诊断技术的进步而发展起来的，其内涵是通过分析装备健康状态的影响因素，紧密结合状态监测、维修、使用和环境等信息，对装备健康状态进行评估和预测，并基于装备的健康状态合理选择维修策略，周密计划维修活动。目前采用的基于日历的方式对设备进行维修保养,容易造成"维修过剩"和"维修不足",引起资源的浪费,经济可承受性差。传统的基于状态的维修(CBM)虽然考虑了当前设备所处的状态,但是对设备状态的划分采用简单的"阈值"法,即在"阈值"以内不作处理或加强监控,超过"阈值"就进行维修.这种维修策略在一定程度上减少了维修保障的费用,提高了设备的可用性,但仍没有效解决经济可承受性这个问题。设备故障诊断是通过对设备工作状态的监测、评价及故障诊断，对设备性能劣化趋势的预测，提出解决措施，以保障设备的安全、经济、高效的运行。该学科涉及众多学科，有数学、物理、化学、力学等基础学科以及机械学、摩擦学、检测技术、计算机科学与技术、电子学、信号处理技术、系统理论、控制理论、可靠性分析技术、信息学、人工智能技术及专家系统等学科。随着CBM理论的发展以及设备健康管理(HM)及故障预测与健康管理(PHM)理论的出现,为实现经济可承受性的目标提供了解决的方法，其中,评估设备的健康状态是HM和PHM的重要内容之一。设备的健康状态评估主要是根据安装的传感器测量的数据,人工测量的数据,历史数据等进行综合分析,利用各种评估算法对设备的健康状况进行评估,对不合格设备给出不合格原因及维修建议。通过准确了解当前设备的健康状态,对设备的健康状态作出正确的评估,为设备的维修决策提供依据,为精确化维修提供技术支持.目前,各国在健康状态评估方法和应用方面开展了大量的研究。由于缺乏统一的规范,出现了"状态评估","健康评估","健康状态评估"等类似的术语。出现的概念有健康评估,状态评估,健康状态评估等.概念的不统一,不规范导致了各行业间的研究成果难以交流,阻碍了健康状态评估技术的发展。与国外的研究比较,国内单独对健康状态评估做的研究较多,很少将健康状态评估纳入到健康管理,CBM的整体研究中去。健康状态的分级比较混乱。常见的健康状态评估方法有:模型法,层次分析法,模糊评判法,人工神经网络法,基于贝叶斯网络的方法,灰色理论,可拓理论等。模型法是通过建立被研究对象的物理或数学模型进行评估的一种方法,这种方法的优点是评估结果可信度高,缺点是建模过程比较复杂,模型的验证困难,随着评估对象的变化要对模型随时进行修正,因此限制了它的应用范围。当被评估对象呈现"亦此亦彼"的特性时,传统的精确评估算法就难以适用,而模糊评判方法可以很好地解决这类问题。模糊评判方法的一般步骤是:首先要建立评估指标的因素和合理的评判集,然后通过专家评定或其他方法获得模糊评语矩阵R＝()nXm,再利用合适的模糊算子进行模糊变换运算,获得最终的综合评估结果。人工神经网络法人工神经网络(简称神经网络或ANN)是在物理机制上模拟人脑信息处理机制的信息系统,它具有处理数值数据的一般计算能力和处理知识的思维,学习,记忆能力.由于它具有良好的非线性映射能力,鲁棒性,已广泛应用于模式识别,图像处理,函数逼近等领域。然而就目前的情况来看，每一种技术都有其不利的方面，将多种技术综合运用，才是未来发展的趋势。例如故障诊断专家系统的缺点是只能诊断预知故障，专家知识的来源成为其诊断能力的瓶颈；而利用数据融合技术和数据挖掘技术提取出有用的知识，建立一个有效的知识库，就可以在一定程度上弥补专家系统的这一缺陷。

航天测控数传系统是航天器与地面联系的生命线和天地信息的传输线，也是航天工程和空间基础设施的重要组成部分。航天测控主要完成火箭和卫星跟踪测量、遥测及遥控等任务，实现火箭飞行状态掌握和安全控制以及在轨卫星的轨道测量与确定、运行状态管理、工作状态控制、载荷数据接收与分发等。航天测控数传系统涉及综合健康管理的综述层次、多角度、多参数的检测和诊断以及预测。随着航天技术的发展,卫星数量和卫星种类大大增加,卫星任务日益复杂,航天测控设备故障诊断难度日益增大。

测控与地面数传接收是航天器地面段的两大主要功能，分别实现航天器测控服务和高速效据接收。现阶段，随着站网融合的逐步推进，测控设备与数据接收设备已经整合为航天测控数传综合设备。随着在轨卫星数量的不断增加，航天测控数传综合系统在航天系统工程中的重要性越来越高，有限的地面测控数传资源与航天器数量爆炸式增长的矛盾将会越来越突出。由于满足地面站部署的站点有限，因此航天测控数传综合设备将越来越庞大，单一地面站将包含数十套天线系统，这就给地面站的运行管理提出了很高的要求。而随着航天任务费用降低，也要求尽量简化地面设备，减少管理的复杂性。为了有效提高航天测控数传任务的可靠性，减少设备的故障概率，降低维修成本，需要建立基于专家系统的分级、通用、开放式健康管理体系，分级建立器件、部件、设备、分系统和系统级的定量化健康状态评估模型。由于测控设备结构复杂、状态繁多,其评估因素多样且具有不确定性,目前尚无对该系统完成总体测控任务的能力进行有效评估的方法。

发明内容

本发明的目的是针对航天测控数传综合系统测控设备结构复杂、状态繁多,其备健康状态评估因素多样且具有不确定性,解决传统的故障诊断和周期性维护已经无法满足装备使用要求的难题，提供一种可行性强,评估结论可信度高,在测控设备状态评估的实际工程应用中具有很好的指导作用和参考价值的航天测控数传综合设备健康状态评估方法。

本发明的上述目的可以通过以下技术方案得到：一种航天测控数传综合设备健康状态评估方法，其特征在于：在健康管理软件中，采用设备级健康管理模块、组件级健康管理模块、分系统级健康管理模块和系统级健康管理模块，组成分层健康管理评估体系架构。设备级与组件级健康管理模块采集设备电路模块或组件、器件的电信号及其表征参数，对各种参数信号融合后共同预测部件及设备的健康状态，将健康状态数据送入分系统级健康管理模块；分系统级健康管理模块从航天测控地面系统执行跟踪、遥测、遥控、测距、测速、数传任务能力层面进行健康评估、预测；系统级健康管理模块按照系统功能划分进行系统健康状态分析，建立系统任务能力评估模型，按照系统功能正常与否或性能下降来表示系统健康状态，根据系统功能分析系统健康状态，同时结合具体任务要求分析并预测任务执行状，构建系统健康状态评估模型。系统健康状态评估模型根据系统任务能力评估模型相关的各项关键技术指标进行评估和分析，采用层次分析法(AHP)将系统健康状态评估这个“复杂”问题，先分解为分系统健康状态评估、任务能力评估两个子问题，对多层次的测试标校结果数据、任务实测数据或接收数据和任务目标状态数据评价指标体系进行定量化分析，分析各分系统健康状态、任务影响分析结果、备份关系、系统健康状态要素进行层次化、步骤化，构建形成多层次分析评价模型，确定各层级指标的重要程度(权重)或优先次序，完成对定性指标的定量化分析；然后对目标层逐级进行指标分解，直到分解为容易量化的单个评估指标的简单问题，把问题表示为一个有序的递阶层次结构，建立层次结构图及判断矩阵；随后将判断矩阵的各行向量进行几何平均，结合归一化得到各评价指标权重和特征向量W并进行权重*得分的乘积运算，计算权重系数，并将所有要素进行加和，计算其评估指标的父级指标，再向上层层加权融合、证据合成得到系统综合状态的评估结果，对应健康、良好、恶化、故障四个健康状态，评估得出0～100的得分的系统健康状态和任务能力。

本发明相比于现有技术具有如下有益效果：

可行性强。本发明采用包括参数级健康管理模块、组件级健康管理模块模块、设备级健康管理和系统级健康管理分级健康管理体系架构进行全系统健康管理。参数级健康管理模块关注于模块本身工作状态有关特性参数的监测，并对参数变化趋势进行分析，进而进行状态预测与管理，如对电流、电压、温度等单一参数的管理。组件级与设备级健康管理通过采集设备电路模块或组件、器件的电信号，对各种参数信号融合后共同预测模块、组件、器件的健康状态。系统级健康管理是从航天测控地面系统执行跟踪、遥测、遥控、测距、测速、数传等任务能力层面进行健康评估、预测。系统级健康管理就按照系统功能划分进行系统健康状态分析，即按照系统功能正常与否或性能下降来表示系统健康状态，一方面可以根据系统功能分析系统健康状态，同时可以结合具体任务要求分析并预测任务执行状态，具有较强可行性。

评估可信度高。本发明针对对评价问题的本质、要素的理解出发，采用层次分析法系统健康状态评估模型，根据层次分析法(AHP)将系统健康状态评估这个“复杂”问题，先分解为分系统健康状态评估、任务能力评估两个子问题，然后逐级分解，直到分解为容易量化的简单问题，即单个的评估指标，然后归一化，计算其父级指标，再向上层层加权融合、证据合成得到系统综合状态的评估结果。评估结果是0～100的得分。这种将系统健康状态，对应到健康、良好、恶化和故障等四个健康状态化为简单的权重进行计算，并结合专家知识准确定位设备故障，正确评估系统健康状态及任务能力，比一般的定量方法评更讲求定性的分析和判断，估结论可信度高，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰明确。这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。

本发明基于层次分析法的健康评估模型，通过系统系统健康状态评估模型、各分系统健康状态、任务影响分析结果、备份关系、系统健康状态模型、测试标校结果数据、任务实测数据(或接收数据)和任务目标状态数据等，根据系统任务能力评估模型相关的各项关键技术指标进行评估和分析，评估得出系统健康状态和任务能力。这种先将要分析的要素进行层次化、步骤化，构建形成多层次分析评价模型，将有关的元素分解成目标、准则、方案等层次，在此基础上进行定性和定量分析，完成定性指标的定量化分析，可以较好地解决多要素相互关联、相互制约的复杂系统的评价。随后结合这些指标相应的得分，进行权重*得分的乘积运算，并将所有要素进行加和，最终确定各层级指标的重要程度(权重)，或优先次序，把一个复杂的问题表示为一个有序的递阶层次结构，并通过主管判断和科学计算给出备选方案的优劣顺序或权重，可以减少性质不同因素相互比较的困难，提高准确度。

附图说明

图1是本发明航天测控数传综合设备健康状态评估流程示意图；

图2是本发明航天测控数传综合设备健康评估体系架构示意图。

图3是本发明航天测控数传综合设备效能评估模型示意图。

下面结合附图和实施例对本发明专利进一步说明。

具体实施方式

参阅图1。系统健康状态评估模型根据系统任务能力评估模型相关的各项关键技术指标进行评估和分析，采用层次分析法(AHP)将系统健康状态评估这个“复杂”问题，先分解为分系统健康状态评估、任务能力评估两个子问题，对多层次的测试标校结果数据、任务实测数据或接收数据和任务目标状态数据评价指标体系进行定量化分析，分析各分系统健康状态、任务影响分析结果、备份关系、系统健康状态要素进行层次化、步骤化，构建形成多层次分析评价模型，确定各层级指标的权重或优先次序，完成对定性指标的定量化分析；然后对目标层逐级进行指标分解，直到分解为容易量化的单个评估指标的简单问题，把问题表示为一个有序的递阶层次结构，建立层次结构图及判断矩阵；随后将判断矩阵的各行向量进行几何平均，结合归一化得到各评价指标权重和特征向量W并进行权重*得分的乘积运算，计算权重系数，并将所有要素进行加和，计算其评估指标的父级指标，再向上层层加权融合、证据合成得到系统综合状态的评估结果，对应健康、良好、恶化、故障四个健康状态，评估得出0～100的得分的系统健康状态和任务能力。

参阅图2。在健康管理系统中，采用设备级与组件级健康管理模块、参数级健康管理模块、分系统级健康管理模块和系统级健康管理分级模块，组成分层健康管理评估体系架构。部件级与设备级健康管理通过采集设备电路模块(或组件、器件)的电信号，包括电流、电压、阻抗、电容、电感、波形、时序等表征参数，对各种参数信号融合后共同预测部件及设备的健康状态。除了表征参数外，还有部分模块采用内部检测信号进行诊断，如10M信号、LNA射频输入信号、PA射频输出信号、芯片时钟信号等都可作为组件级、设备级健康管理的原始数据。分系统级健康管理在设备级健康管理的基础上，依据分系统各类健康状态评估模型，结合分系统级测试手段(如链路相位噪声、杂散和频率响应)进行分系统级的健康管理。系统级健康管理是从航天测控地面系统执行跟踪、遥测、遥控、测距、测速、数传等任务能力层面进行健康评估、预测。系统级健康管理就按照系统功能划分进行系统健康状态分析，即按照系统功能正常与否(或性能下降)来表示系统健康状态，一方面可以根据系统功能分析系统健康状态，同时可以结合具体任务要求分析并预测任务执行状态。

参阅图3。航天测控数传综合设备效能评估主要分为三个部分：任务实时评估、单圈次评估和阶段性评估。其中，任务实时评估在任务运行过程中完成并根据评估结果完成故障处置；单圈次效能评估在任务结束后，由健康评估系统自动促发完成，主要包括捕获跟踪性能、测控性能、数传性能和故障诊断及处置；阶段性效能评估由健康管理分系统根据用户要求自动完成以周、月、年为周期的阶段性评估，主要包括任务完成率和装备完好率。这两类评估还可由操作员完成手动评估。

单圈次评估主要包括如下内容：捕获跟踪性能，角度捕获性能，跟踪弧段统计，设备实际跟踪时段/设备计划跟踪时段，自跟踪完成时间点，信号捕获性能、捕获完成时间点，跟踪情况统计，跟踪精度统计，捕获情况统计，AGC统计测控性能，测角精度：跟踪精度统计利用误差电压分析跟踪精度。捕获情况统计；AGC统计测控性能，测角精度：利用理论数据与实测数据进行比对分析，得出测角精度；测距精度利用理论数据与实测数据进行比对分析，得出测距精度；测速精度利用理论数据与实测数据进行比对分析，得出测速精度；时标连续性检查：事后统计时标不连续性；遥测统计遥测接收帧数、帧头误码率，遥控统计遥控相关数据。遥控统计遥控相关数据包括：遥控接收指令条数、遥控发送指令条数、遥控小环正确数、错误数。

数传性能由存储转发软件上报给系统监控，系统监控将结果保存在数据库中，健康管理分系统从数据库中获取信息。

故障诊断及处置：监控分系统在任务执行过程中实时记录相关信息到数据库中，任务后由健康管理分系统获取相关数据并统计。

任务完成率：任务完成率以任务评估模块输出结果为依据，综合评价型号装备以往完成测运控任务的成功率，按照早期阶段和长管阶段进行划分，其中早期阶段涵盖主动段、早期轨道段以及在轨试验段等重要弧段，以人工操作模式相关要求为评判准则，长管阶段涵盖航天器转长管开始直至退役，以自动化运行模式相关要求为评判准则，两种阶段的任务完成率分别统计，在重要程度或权重分配上，早期阶段应高于长管阶段。

装备完好率，设备性能评估：结合实时/历史统计结果完成系统关键性能指标评估，包括G/T、EIRP、捕获时间、数传误码率等统计；

设备健康度评估结合设备故障诊断结果和设备冗余备份能力综合评价设备健康度，任务能力评估结合设备性能评估和设备健康度评估综合分析出任务能力。以自跟踪能力、测量能力、数传能力、遥测能力、遥控能力等功能为粒度进行评估；

任务完成度评价针对资源重组系统，完成特定链路任务完成度评估，并可将评估结果运用到资源分配、链路故障发现等领域。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。