航天器姿态控制系统故障诊断方法概述

苏林，尚朝轩，刘文静

（1.军械工程学院 光学与电子工程系，石家庄 050003；2.北京工程控制研究所，北京 100080）

人造卫星已和人类的生活息息相关，在追求高精度控制卫星运行的同时，更值得关注的是它的高可靠性和自主故障诊断及容错能力，这是延长卫星运行寿命的重要手段。有效的在轨故障诊断技术能够实时监控卫星在轨运行状况，避免发生重大故障或灾难。经统计分析，与其它分系统相比，卫星姿态和轨道控制系统的故障率较高而且危害较大［1］。姿态控制系统如果发生故障，必须有及时的诊断和处理措施，否则会影响航天器的正常飞行任务，严重时可能危及整个航天器系统。

1 故障诊断方法研究现状

1.1 卫星姿态控制系统

卫星姿态控制按是否需要消耗卫星上能源（电能或燃料化学能）或获得控制力矩的方式，分为被动控制和主动控制两大类，以及介于二者之间的被动和半被动控制。而主动控制的精度高、反映快、能够实现复杂的控制任务，是目前的主流方式。它利用星上能源（电能或推进剂工质），依靠直接或间接敏感到的姿态信息，按一定的控制律操纵控制力矩器实现姿态控制。主动姿态控制系统由姿态敏感器、控制器、执行机构（控制力矩器）和卫星本体一起构成闭环控制回路。如图1所示。姿态敏感器测量和确定卫星相对于空间某些已知基准目标的方位；控制器对测得的信息进一步处理后确定卫星姿态，并根据确定的姿态按满足设计要求的控制律给出指令，控制执行机构按控制指令产生所需的控制力矩，实现卫星姿态控制［2-3］。

图1 卫星姿态控制系统结构Fig.1 Structure of satellite attitude control system

1.2 卫星姿态控制系统故障诊断方法研究

卫星姿态控制系统是一个复杂的动态闭环系统，所采取的故障诊断方法都是从控制系统角度来考虑。但由于部件众多、过程复杂、测试数据繁多，可能发生的故障模式多，故障危害性大，这就决定了对卫星控制系统的故障诊断有其特殊的要求，这主要表现在两个方面：一是诊断的实时性要求高；二是需要克服闭环系统故障征兆传播特性给故障定位带来的困难［4］。

按照国际故障诊断权威德国P.M.Frank教授的观点，所有的故障诊断方法可以划分成基于知识的方法、基于解析模型的方法、基于信号处理的方法三种。沿着这条主线，将应用于卫星姿态控制的主要故障诊断方法归类。

1.2.1 基于解析模型的故障诊断方法

该方法核心思想是用解析冗余代替硬件冗余，以系统的数学模型为基础，利用观测器、等价空间方程、Kalman滤波器、参数模型估计和辨识等方法产生残差，然后基于某种准则或阈值对该残差进行评价和决策。本质上就是产生残差并对残差做分析。它的优点在于可诊断未预知的故障，不需要历史经验知识。该方法在卫星姿态控制系统的故障诊断中研究比较深入，国内外有大量关于此方法的文献。已经涌现出的方法有：双观测器法、未知输入双观测器法、奇偶空间法、滑模滤波器法、自适应滤波器法、模糊观测器法、扩展Kalman滤波器法、强跟踪滤波器等。按照产生残差的思想将基于解析模型的故障诊断方法分为以下两类类：

（1）基于冗余信息的故障诊断方法

基于冗余信息的故障诊断方法主要有等价空间法和奇偶检测法。等价空间方法的主要思想是通过系统的真实测量检查分析冗余关系的等价性，一旦超出预先设定的误差界限，就说明系统中已经发生了故障［5］。卫星在轨运行期间一般都会产生一定的冗余信息。通常，冗余信息是用以识别传感器和执行器故障的最有效和最准确的途径。冗余信息包括直接冗余和分析冗余。当两个以上的传感器监测一个物理变量，就构成直接冗余。如果可以识别并采用被测变量之间一定的物理关系，借以得到额外的未知变量的冗余信息，便可得到分析冗余信息［6］。借鉴等价空间法的一致性思想，定光成等学者将敏感器冗余测量信息融合，实现了红外与滚动陀螺和俯仰陀螺的故障判断与定位、红外和太阳信息判断偏航陀螺故障、红外、陀螺与GPS等三轴定姿的故障判断［7］。

对于冗余配置的系统，奇偶检测法是处理有冗余测量信息故障检测问题的常用方法。利用奇偶方程所形成的残差来进行故障识别，即利用多个具有相同精度的测量元件同时测量某一参数，通过不同测量元件之间的量测差的大小来判断是否发生故障［8］。

文献［9］从实际工程角度出发，对于卫星姿态控制系统中的执行机构—轮控系统采用奇偶空间法进行故障诊断。利用轮控系统中各飞轮转速之间的一致性来实现飞轮的故障检测与隔离。该方法简单直接，而且能够克服飞轮故障在闭环系统中的传播影响。

一般奇偶方程产生残差考虑了所有传感器的输出和执行器输入，因此全部传感器和执行器的故障都反映在这个残差中，所以在系统无扰动输入情况下，该残差只能用来检测故障，不能隔离故障［10］。因此出现了许多改进的奇偶方程法。文献［11］将奇偶向量法与神经网络结合，在奇偶向量基础上利用广义似然比法检测卫星故障，并提取故障特征，再利用神经网络进行故障诊断以提高卫星故障诊断的准确性。有学者提出最优奇偶向量检测与隔离方法，主要思想是设计一个性能指标函数，使得最优奇偶向量对被检测的传感器故障最敏感，而对其余传感器故障和未知输入不敏感，这种方法不仅能明显提高故障检测能力，也使故障隔离效果更好［12］。Patton也曾指出在残差产的生同时考虑故障隔离问题，可以采用结构化残差法和方向性残差向量法。前者残差可敏感不同的故障；后者对于每种故障可使残差匹配于故障的特定方向［13］。

（2）状态估计法

观测器和滤波器法是从状态估计角度进行分析的。被控过程的状态直接反映系统运行的状态，通过估计系统的状态，并结合适当的模型进行故障诊断。基本思想是：重构被控过程状态，通过与可测变量比较，构成残差序列，再构造适当的模型，并采用统计检验法，从残差序列中把故障检测出来，并做进一步分离、估计与决策。

该方法适用范围广，既可用于执行机构，又可用于敏感器。当系统处于确定性条件时，可使用线性或非线性的状态观测器；而在噪声必须被考虑的随机情况下，可使用Kalman滤波器。早期用于故障诊断的观测器是一类特殊的全阶观测器，在实际应用中由于诊断对象的模型复杂，往往难以满足实时性要求，于是出现了降阶观测器。王巍将降阶观测器用于执行机构的故障诊断，针对每一个执行机构各建立一个降阶观测器，通过设计观测器的反馈矩阵使每一个降阶观测器的估计状态只受某一个特定的执行机构的影响，而与其余的执行机构无关。这样可以对每一个执行机构的故障进行诊断［5］。文献［14］中作者在建立太阳敏感器、红外地球敏感器和陀螺输出之间的冗余关系方程基础上，设计了一个Kalman故障检测滤波器和一个故障隔离观测器。检测滤波器产生的残差对三种部件的故障都敏感，隔离观测器产生的残差不受陀螺故障的影响。该方法通过监测两个残差可判断敏感器是否发生故障，并分辨出故障源。

观测器方法一直在不断的深入研究。例如，自适应观测器法可以在线地调节观测器的增益矩阵，补偿未知时变参数和缓变漂移型故障对残差序列的影响；强跟踪滤波器理论，提出了一种高度系统化的参数偏差型故障的检测及诊断方法，应用于非线性时变随机系统。目前对于状态估计方法的研究主要集中在提高检测系统对于建模误差、扰动、噪声等未知输入的鲁棒性及系统对早期故障的灵敏度。

近几年来，未知输入观测器法得到了深入研究，这种方法是从系统鲁棒性角度出发。解决实际系统中存在一些随机干扰、未知输入（可以是系统的不确定性、未建模动态、噪声、故障等）、线性化误差、建模误差等难以预料因素而导致的检测诊断系统性能降低，误报率增大等问题［15］。未知输入观测器法的基本思想是：将模型参数的变动和外部扰动纳入系统的未知输入，通过简单的线性变换即可设计出对系统的模型参数变动不敏感而对故障敏感的鲁棒观测器［16］。目前研究的难点在于如何同时对系统不确定性及建模误差和外界干扰与故障进行分别观测［17］。曲春娣对于卫星动量轮闭环系统提出了一种基于UIO双观测器的故障诊断方法，通过分析观测器残差向量的变化来分离执行机构、传感器及系统参数故障，并且可以通过隔离观测器反映出传感器的故障模式［18］。

虽然基于模型的故障诊断方法有着深入研究，但是该方法面临的最大困难就是对于日益复杂的控制系统，难以建立精确的数学模型，这样在检测条件下的任何模型的不确定性因素都可能导致错误的报警，进而也无法准确有效的实现故障诊断。

1.2.2 基于知识的诊断方法

随着人工智能技术的发展，产生了基于知识的故障诊断方法。该方法引入诊断对象许多信息，采用了多种方法相结合。基于知识的航天器故障诊断方法涉及面比较广，目前应用于姿态控制系统中有以下几类：

（1）专家系统

早期的故障诊断专家系统都是基于规则的，这些规则是专家的经验总结，用来描述故障和征兆的关系。该方法优点是知识表示简单、直观、形象、方便，使用直接的知识表示和相对简单的启发式知识，诊断推理速度快，易于编程和开发出快速原型系统。专家系统是航天器基于知识的最早故障诊断方法之一。专家系统在综合利用专家的经验知识进行智能决策方面有独到之处，这是它成功应用于航天器故障诊断领域的理论基础。目前国内外仍采用各种专家系统对航天器进行故障诊断。但专家系统主要面临知识获取的“瓶颈”问题，对未出现过和经验不足的故障诊断显得无能为力。因此单独利用专家系统进行故障诊断的应用很少，通常将专家系统结合其他方法弥补专家系统获取知识难的问题。上世纪90年代，卫星控制系统故障诊断专家系统就有了深入研究。北京控制工程研究所开发了卫星控制系统实时故障诊断专家系统原型(SCRDES)，对于带时间因素的知识表达做了开创性的工作，对实时诊断卫星故障具有很大的实际意义。

对专家系统的改进多从知识的获取、规则的产生和推理机制几方面考虑。例如，用广义模糊Petri网表示产生式规则，并将以Petri网表达的事实知识和规则知识以面向对象知识表示的框架封装起来，形成以Petri网为核心的混合知识表示方式，其特点能方便地进行知识的并行处理。还有将神经网络与专家系统结合的多种方式。文献［19］中采用神经网络来构造专家系统，把传统专家系统的基于符号推理变成基于数值运算的推理，提高专家系统的执行效率，解决专家系统的学习问题。可以说专家系统是基于知识方法中技术最成熟、应用最广泛的故障诊断方法。我国在卫星姿态控制系统故障诊断技术研究中，仍然对专家系统做着不懈的努力。

（2）基于神经网络的诊断方法

神经网络是人工智能技术用于故障诊断的重要方法之一。神经网络以其高度的并行处理、联想记忆、自学习以及极强的非线性映射能力，得到人们的重视。人工神经网络用于航天器故障诊断方面主要有：用神经网络产生残差；用神经网络评价残差；用神经网络进一步诊断；用神经网络作自适应误差补偿等［20-21］。早期，单纯采用神经网络对卫星测量系统中各姿态敏感器故障进行研究。研究发现，用理想故障模式训练的BP网络不能完全检测和诊断姿态敏感器所发生的故障；与BP网络相比，CP网络学习速度快，有更广的适应性；BP网络分类器的训练难度随网络的增大而增加，训练速度缓慢，容易陷入局部最小点［22］。针对该缺点，学者们展开了大量的算法研究。邱浩等在标准逆传播神经网络的基础上，提出了一种全新的改进逆传播神经网络，用来消除标准逆传播神经网络收敛速度慢和易陷入局部最小点的缺点，并设计了一个主神经网络和三个分布神经网络的结构，通过神经网络的在线学习，得到需要的参数估计，用它与敏感器测得的实际值比较，判断故障［23］。随着不断的深入研究，已不是研究简单的神经网络，而是将它与其他技术结合起来。文献［24］利用串联的方法将小波分析、神经网络和模糊逻辑有机地结合，充分利用各自优点进行陀螺仪的故障识别。运用小波分析提取陀螺漂移的趋势项；运用神经网络使故障诊断具有自适应、自学习能力；将模糊逻辑用于判决中，使判决的结果更加可靠。文献［25］是在基于解析冗余故障诊断技术的基础上，应用RBF网络对卫星控制系统建模，应用数理统计学中的距离测度--M距离方法设计故障检测观测器对残差进行评价，从而完成故障的检测与定位。该方法对卫星姿态敏感器突变故障具有很好的效果。此外，神经网络与奇偶检测方程结合的方法应用在了陀螺敏感器的故障诊断上［26］；神经网络与主元分析结合的方法，对卫星姿控系统中执行机构（反作用轮）的故障做了有效的诊断［27］。

（3）基于定性的故障诊断方法

该方法的基础是定性模型和定性推理，不需要建立精确的数学模型，利用不完备的先验知识，采用定性的方法，对系统结构和功能进行描述，建立定性模型，对系统进行推理，预测系统的定性行为，从而检测故障。该方法能克服基于解析模型诊断方法依赖于建模精度的缺点。在航天器故障诊断领域，美国自上个世纪90年代开始就采用了定性模型的方法，最具代表性的是“深空一号”探测器建立的基于定性模型的 Livingstion故障诊断系统，该系统使航天器拥有了自主故障诊断和重构的能力［28］。对基于定性模型的诊断方法，我国还处于概念学习、研究的起步阶段，已有学者利用有向符号图（SDG）对液体火箭发动机故障诊断做了一定的研究［29-30］。而采用定性模型对卫星姿控系统的故障诊断研究还在摸索中。

1.2.3 基于信号处理的方法

基于信号处理的方法是航天器最早使用的故障诊断方法，在20世纪80年代以前，主要采用阈值模型。70年代初，诊断方法由简单阈值诊断向多信号滤波诊断发展，故障检测系统的自主性和可靠性有了明显的增强。该方法不需要数学模型，计算量小，提高了故障的早期检测能力，但缺乏故障的诊断能力［31］。

在卫星姿态控制系统的故障诊断中，常常直接分析可测信号，提取方差、幅值、频率等信息来进行故障检测与诊断。但仅仅凭借简单的比较分析达不到预期效果，诊断的实时性、自主性很差。

随着技术的不断发展，新技术层出不穷。小波变换由于其计算量不大、灵敏度高、克服噪声能力强等优点，成为基于信号处理的热点故障诊断方法，已在航天器故障诊断方面做了一些研究。如《小波分析在载人飞船GNC系统故障诊断中的应用》一文中，作者分别采用离散小波变换、正交小波变换和二进小波变换对红外地球敏感器输出精度降低、陀螺输出含有异常跳变以及姿控发动机堵塞、泄漏故障进行诊断，达到了预期效果。吴丽娜等对离散小波变换在卫星姿控系统故障诊断中的应用做了研究。指出采样频率的选择是小波分析故障诊断方法的关键之一，对信号突变的故障离散小波变换诊断效果良好［32］。文献［33］中作者通过研究卫星飞行时特征信号的分形特征，提出分形维数可以作为故障检测的特征量。经卫星姿控系统仿真，得出结论：飞行姿态稳定时，相应的分形维数较小；而动量轮出现故障时，姿态曲线发生较大的波动，相应的分形维数也随之变化。同时指出对不同故障，相应的分形维数敏感程度不同。这些结论为今后的研究奠定了基础。

小波分析、分形理论等新技术虽然得到了人们的注意，但其在航天器故障诊断中研究并不深入。目前的研究成果也仅限于仿真实验，这些新技术只能对卫星姿控系统中特定的故障诊断，尚不能识别所有故障。

对于卫星姿控系统来说，卫星在轨运行期间，会产生大量数据，其中包含着丰富的信息，若能充分利用这些数据监视其工作状态以及进行故障诊断，既简单又方便。而这些大量的数据相互之间通过卫星的动力学、运动学模型有着密切的联系，若能从数据之间的相互关系获得相关的冗余信息，利用冗余信息分析卫星的工作状态，进而进行故障诊断，应该是一个比较好的思路。从挖掘数据信息角度出发，会发现多元统计方法是处理高维、相关数据的有效工具，它在许多工业过程的故障检测中得到成功应用。至于该方法具体如何应用到卫星姿控系统的故障诊断中需要深入研究。

2 展望

在卫星姿控系统故障诊断研究中，基于信号处理的方法应用最早，它也是其他理论及方法的前提，但其新技术的发展还没有广泛的应用到其中，常常只是作为其他方法中的辅助算法；基于模型的方法研究比较深入，人们热衷于它的动态性质和实时性，对于其存在的各种问题也涌现出许多解决方法。但该方法的前提是建立准确的系统模型，而这一点限制了应用，尤其是对非线性系统；基于知识的方法是研究的主流，不必建立系统数学模型，深知识与浅知识的融合使用、“智能”算法等一系列优点引起人们的重视。在众多智能方法中，哪种方法更适合卫星姿控系统的故障诊断，或者如何结合多种方法将其应用于实际都有待进一步研究。

总体来看，与国际航天器诊断技术相比，我国的故障诊断方法比较简单，这是由于我国在航天器故障诊断方面的研究起步较晚。虽然在各种故障诊断技术领域均有研究，但都不够深入，不能形成完善的理论体系，大多理论与算法还不能实际应用。事实上，我国航天器在轨故障诊断方法大多基于硬件冗余以及对关键信号监测，地面也缺少完备的专家系统等智能手段。而国外在航天器故障诊断方面已经达到了相当高的自主性，国内航天器的自主故障检测和处理方法仅局限于对少数可预知的故障设计，并有一定的适用条件。大多数情况需要进入安全模式运行，且大部分故障诊断和处理措施需要在地面帮助下进行。与国外航天器的自主故障诊断能力相比还有相当大的差距。借鉴国外先进技术，探索适合实际应用的故障检测与诊断方法，提高卫星控制系统资源的利用率，实现自主故障诊断是我国面临的具有挑战性的研究课题。

［1］Mak.AStudy of On-Orbit Spacecraft Failures［C］.58th International Astronautical Congress.Hyderabad，Indin，24-28 September，2007：IAC-07-D1.5.02.

［2］屠善澄.卫星姿态动力学与控制［M］.北京：宇航出版社，2001.

［3］楮桂柏.空间飞行器设计［M］.北京：航空工业出版社，1996.

［4］郝慧.基于小波分析的航天器姿态控制系统故障诊断方法研究［J］.航天控制，2005，23（5）：73-77.

［5］王巍.基于模型残差分析的航天器故障诊断技术研究［D］.哈尔滨：哈尔滨工业大学博士论文，1999.

［6］荣吉利.基于模型的航天器在轨传感器故障诊断方法［J］.兵工学报，2002，23（2）：242-245.

［7］定光成，潘科炎，胡军.航天器高精度姿态敏感器冗余测量信息智能融合技术［J］.航天控制，2000（3）：56-63.

［8］李延龙，吴训忠.一种冗余配置的惯性导航系统渐变型故障容错方法［J］.弹箭与制导学报，2008，28（2）：57-60.

［9］邢琰.基于直接冗余的轮控系统故障诊断及优化配置［J］.中国空间科学技术，2003（4）：1-5.

［10］宋华，张洪钺.多故障的奇偶方程—参数估计诊断方法［J］.控制与决策，2003，18（4）：413-417.

［11］杨静，张洪钺.基于神经网络和奇偶向量的卫星故障诊断［J］.上海海运学院学报，2001，22（3）：92-97.

［12］金宏，张洪钺.对特定传感器故障敏感的最优奇偶向量检测与隔离方法［J］. 航空学报，1997，118（4）：481-483.

［13］Patton R J，Chen J.A Review of Parity Space Approaches to Fault Diagnosis Applicable to Aerospace System.AIAA Guidance，Navigation and Control Conference.Aug 10-12，1992/Hilton Head IsIand，SC.370 L'Enfant Promenade，S.W.Washington，D.C.20024 AIAA 92-4538）.

［14］江耿丰，邢琰，王南华.基于双观测器的卫星姿控系统敏感器故障隔离［J］.中国空间科学技术，2007（5）：8-13.

［15］宝音贺西.基于模型的故障诊断技术研究及其在卫星中的应用［D］.哈尔滨：哈尔滨工业大学博士论文，1999.

［16］黄孝彬，刘吉臻，牛玉广.传感器故障的鲁棒检测与识别方法［J］.华北电力大学学报，2003，30（1）：45-48.

［17］张翠侠，唐军.基于观测器的故障检测与诊断［J］.现代机械，2007（6）：51-53.

［18］曲春娣，张洪钺.卫星动量轮闭环系统的UIO双观测器故障诊断［J］. 航天控制，2005，23（6）：66-71.

［19］刘发金.基于神经网络的卫星故障诊断专家系统及其应用［D］.哈尔滨：哈尔滨工业大学硕士论文，2006.

［20］Chiang C Y，Juang J C，Hussein M.Youssef.Neural Network Approach to Aircraft Fault Detection，Isolation and Estimation Design［C］.32nd Aerospace Sciences Meeting&Exhibit.Washington，D.C.，1994，AIAA94-0273：1-6.

［21］Jabbari A，Jedermann R，Lang W.Application of Computational Intelligence for Sensor Fault Detection and Isolation［J］.Proceedings of World Academy of Science，Engineering and Technology，2007，22：503-508.

［22］田蔚风，金志华，陆恺.人工神经网络在卫星姿态测量系统故障诊断中的应用研究［J］.航天控制，1999（4）：63-66.

［23］邱浩，王道波，张焕春.BP神经网络用于传感器故障诊断的仿真研究［J］.中国空间科学技术，2003（6）：26-30.

［24］樊春玲，金志华，田蔚风.小波模糊神经网络的陀螺仪故障诊断［J］.上海交通大学学报，2003，37（1）：141-144.

［25］燕飞，秦世引.基于RBF神经网络和M距离的卫星故障诊断［J］.航天控制，2006，24（6）：61-66.

［26］林雪原，刘建业，蒋秀珍.基于神经网络的余度敏感器结构故障诊断方法［J］.仪表技术与传感器，200（11）：52-54.

［27］秦振汉.神经网络专家系统在卫星故障诊断中的应用研究［D］.哈尔滨：哈尔滨工业大学硕士论文.2005.

［28］Sandra C H，Adam J S.Livingstone Model-Based Diagnosis of Earth Observing One［C］.AIAA 1st Intelligent Systems Technical Conference.Chicago，IIIinois，2004：1-11.

［29］刘洪刚.液体火箭发动机智能故障诊断理论与策略研究［D］.长沙:国防科技大学博士论文，2002.

［30］郑威.液体火箭发动机基于定性模型的故障诊断方法研究［D］.长沙:国防科技大学硕士论文，2002.

［31］黄文虎，朱平，姜兴谓.航天器健康保障技术发展综述［J］.世界科技研究与发展，1998，20（6）：83-87.

［32］吴丽娜，张迎春.离散小波变换在卫星姿控系统故障诊断中的应用［J］.仪器仪表学报，2006，27（6）：407-409.

［33］张晓梅，姜兴渭，黄文虎.基于分形的航天器故障检测［J］.振动与冲击，2001，20（1）：76-78.