基于思维成长的航天测控装备故障诊断处理研究

史成巍 魏 丹 张朋强 袁 野

西安卫星测控中心天津测控站，天津 301900

基于思维成长的航天测控装备故障诊断处理研究

史成巍 魏 丹 张朋强 袁 野

西安卫星测控中心天津测控站，天津 301900

现代航天测控系统多采用自动化运行方式，但系统过于庞大和复杂，难免发生影响任务运行的故障。为保障测控系统稳定、可靠的运行，提出了一种基于思维成长的故障诊断方法，并在软件处理层面对故障进行处理，这种方法主要仿照人脑思维运行进行软件系统构建以达到智能故障诊断处理效果。首先，阐述了思维成长模型认识事物、构建关联、积累经验和处理未知的过程。然后，对具体软件系统的语言体系、思维库和思维算法进行构建。最后，以某站模拟运行效果为例，验证了系统具备较强的深层故障诊断能力和经验积累能力。 关键词 思维成长；故障诊断；故障处理；智能；经验积累

当前航天测控系统已步入自动化时代，但由于自动化运行稳定程度不能满足航天测控精确控制要求，故仍需要辅助人员对自动化运行状态监视，保证设备故障时能及时发现处理。但人员监视发现故障速度慢，并且监视人员的技术培养成本较高。因此，如果能采用软件对该部分功能进行替代，就可以解决故障发现速度和人员培养成本的问题，这就是故障诊断处理系统。当前航天测控应用较多的是故障诊断系统，故障诊断系统在提高故障发现速度上发挥了重要作用。但传统故障诊断系统运行过程中存在判断故障死板及系统自成长能力弱等问题，因此在智能性方面缺陷较大。当前主流方向是将专家系统[1]、神经网络[2-3]和遗传算法[4]等结合起来开展的混合智能故障诊断技术[5-6]。同时由于航天测控装备发生的故障90%能依靠软件处理方式解决[7]，因此研发故障处理技术已成为可能。

本文提出了一种基于思维成长的故障诊断与处理模型，该模型主要通过模仿人类[8]学习过程中的思维成长构建故障诊断与处理思维逻辑(这属于人工智能中基于功能模拟的范畴[9])，以使计算机本身达到甚至高于监视人员相近的水平，保障系统在工作过程中提高故障诊断与处理准确性、降低误报次数、并通过不断运行自动积累故障诊断处理经验。

1 思维成长模型

思维成长是指人在出生后认知事物思维建立的过程[10]。对于航天测控，则指新员工学习岗位知识的过程。从感觉到记忆再到思维这一过程，称为“智慧”，智慧的结果就产生了行为和语言，将行为和语言的表达过程称为“能力”，两者合称“智能”[11]。为了实现计算机诊断的智能化，采取模拟思维成长的方式构建故障诊断处理系统。

1.1 思维成长过程

思维成长过程为：

图1 思维成长过程图

1)认识单一事物，是指以单个事物为单位进行其主要属性(形状、大小、性能和指标)的学习。例如，员工进入新的岗位后首先学习认识每一件设备；

2)构建从属关系，是指将认识的单一事物进行归类关联。例如，员工在认识单一设备后，开始学习设备间的关联、从属关系，如电压调节插箱隶属于供电系统、供电系统为环境控制系统供电等；

3)积累发生事件，是指积累事物可以进行的事情。例如，员工在学习了基本设备知识后，开始积累如何操作设备及检修设备等；

4)处理新的事件并继续积累，是指处理新发生的事件，无论是与以前相同、相近或不同的，然后积累到思维中。例如，员工过了入门期开始工作后，遇到的很多事情都是以前没有遇到的新工作；

5)循环执行整个过程。第2次重复执行过程中，由于有了第1次循环的经验，使得第2次认识深度、广度都有所提高。不断的循环也是思维进阶和更新的基础。

过程4)是不断扩充的，这是思维能够扩展和进步的关键，也是计算机最短板的能力。

1.2 智能诊断处理系统搭建

本文主要以航天测控系统智能诊断模型为例，映射1.1节思维成长过程(其他系统可类似进行)，构建计算机智能诊断处理系统，系统主要结构见图2。

图2 思维系统结构图

下面介绍系统搭建过程。

(1)构建语言体系

人的思维学习与成长基础在于周围完善的语言体系，正因为父母等其他人掌握了声音或者形体的语言，才使孩子能够更快的成长。同时，语言也是人的思维文明进入全面发展的关键性媒介，同样为计算机构建合理高效的语言体系[12]也是智能化的关键环节。语言体系可以仿照中文语法进行动名词等的定义再进行具体实现，这里根据航天测控工作的特点设计了一种简要的针对性强的语言体系，在其他领域也可借鉴。在故障诊断处理系统中所有事物归纳为物质、动作和状态，例如，在“遥测载波失锁，遥测插箱重启”中，遥测载波和遥测插箱是物质,失锁是状态，重启是动作。那么所组成的语法主要为“物质+动作”、“物质+状态”。注意事物不包含时间，时间的表述方法主要有具体时间点和任务分区时间点这2种。其中，具体时间点指“2016年10月11日 12:00:00”这种准确时间，而任务分区时间点则是根据当前时间的任务特点进行区分，这里主要分为“任务期间”、“空闲期间”和“维修期间”，3个时期测控系统处于不同的任务状态，诊断系统得出的模式也不同。

(2)建立思维数据库

思维库仿照人的记忆方法分为事物表、从属关系表、事件表和故障知识表，实际搭建时采用Sqlite数据库[13]。

1)事物表，主要包括系统需要处理的所有物质、动作和状态等事物的汇总，基本结构见表1。事物表是计算机思维的基础，如同人在认知的初期是认识各种事物(包括物质、动作和状态等)，例如，新员工在初期学习岗位知识时，能够学习遥控插箱、加调和遥控载波，那么对于他而言，遥控插箱、加调和遥控载波都是事物；

表1 事物表

2)从属关系表，主要存储系统内物质间的从属关系，见表2。任何事物都是有联系的，这也是认知形成过程中重要的一环。例如，新员工在培训过程中渐渐懂得遥控插箱属于基带分系统(从属)、供电系统为其他系统供电(关联)；

表2 从属关系表

3)事件表，记录发生的主要事件，见表3。例如，测控系统在某天对某颗卫星进行了测控任务，遥控插箱在某个时刻故障等都是事件，而正因为有了事件的积累，人的经验才不断丰富，视野才更加开阔，能力也随之不断增强。事件在实际存储中为了便于识别和记录采用规范的存储形式，表3中只是一种简单的表述形式，这部分对提高诊断处理智能性至关重要，仍具有较大的研发空间；

表3 事件表

4)故障知识表，主要存储设备的故障工作状态及相应处理方法，这是系统判断设备故障和进行处理的关键。在判断一件事情对与错时需要经验或者具备一定程度的知识基础，而在处理一件事时也要参考以往类似事件的经验，故障知识表就是以往曾发生过的故障及处理方法汇总，见表4。方法评分需独立设计故障处理评估机制，评分是处理方法是否合理的判断依据，也是处理方法选择优先级的判断依据，这里不具体阐述。本文并不对具体故障的处理方法进行研究。

表4 故障知识表

(3)设计思维算法

思维数据库是存储所有信息的媒介，而思维算法则是对信息的合理处理及充分应用。在故障诊断方面指如何判断当前设备是否发生故障，在故障处理方面则指故障发生后如何对故障进行分析与处理，这里主要采用的是搜索比对算法。

搜索比对算法[14]是最常用的方法，搜索比对包括状态搜索和经验搜索：1)状态搜索，是指在判断设备状态是否故障时，观察设备的状态与预计的是否相同，不同即故障，并按照预计处理方法解决；2)经验搜索，是指在诊断故障时会思考以前是否发生过类似现象，若发生过类似现象则直接作为此次参考诊断处理。例如，2天前发生通信备用链路中断10s，但不影响设备工作，再次发生后则首先等待10s以消除再次发生闪断的可能。

搜索比对方法的优点是故障诊断定位准确及处理速度快，此外只要录入所有末端正常状态，即使发生复合故障也不会发生诊断错误的现象。在航天测控中，末端状态指的是参数状态，也就是只要录入所有参数级状态正常情况，那么即使发生复杂故障也不会漏诊。例如，故障知识库中记录“跟踪期间，遥测载波锁定”，当发生目标卫星丢失以致遥测、测量和跟踪载波全部失锁时，不会因为知识库中没有记录此现象而遗漏告警，仍然会发现末端“遥测载波未能锁定”故障。同时经验搜索也能避免多次无效故障诊断现象发生，减少误诊次数。

搜索比对算法只适用于故障知识库中存在的故障，当发生故障库中未记录的故障时，采用逻辑[15]算法或非逻辑算法。基于思维成长系统的故障处理理念在于先查找到具体的故障位置，而后根据故障特点进行设备重启、参数更改及语音告警等软件处理方式。因此，后述的思维算法主要在于定位故障位置，更为复杂的处理方法需要硬件支持，在此不做研究。

1)逻辑算法，是指思考过程中按照事物发展的规律，有条理地进行思维分析。程序中主要由以下2个函数组成。

顺序分析函数：该函数主要按照事物运行的顺序机理进行故障分析。在航天测控设备中，这种顺序可以按照信号传输的流程逐个分析中间设备与故障是否相关。例如，出现上行功率信号无法发出故障时，系统按顺序逐渐排查中频调制单元设置是否正常及上变频器工作是否正常、功率放大器等各单元是否正常。

遍历分析函数：该函数主要对与故障所有可能相关设备逐个分析。遍历方法是在遇到问题时最常用的有效分析方法之一。例如，同样发生上行功率信号无法发出的故障，对可能导致此现象发生的因素：功率激励是否正常、上变频器输出是否正常、中频调制单元输出是否正常及各设备供电是否正常、频标是否正常等，逐个进行排查。

2)非逻辑算法，是指思考过程中并不按照任何固定的规律和套路，完全无规章无条理地进行分析。在现实生活中人们遇到一些问题后经常采用这种无条理方式(头脑风暴[16]、第六感[17]等)，这种方式有时能有意外的良好效果。程序中主要由以下2个函数组成。

联想分析[18]函数：该函数主要按照事物间的微妙关联进行联想分析。例如，上行功率信号无法发出，那么根据上行联想到上行变频器、上行调制单元等，由功率联想到功率衰减、功率发出、反射功率，由信号则联想到信号传输线缆、信号切换开关和信号功分器等。

遐想分析函数：是指随机选择一样事物分析是否与故障有关。这种分析没有任何的规章和条件，随机地从所有事物中尝试性分析故障的发生。例如，同样发生上行功率信号无法发出的故障，那么可能随机地选择上变频器，但它的任何结构与本故障都无关，所以排除。再随机选择到交换机，交换机提供网络互联，若其故障可能导致功率发出命令中断，能够成为故障可能。

(4)经验注入

这是提高故障诊断与处理水平的关键，只有充实了思维库中的经验库和故障知识库才能在系统实际运行中及时发现设备故障和对故障进行有效处理。同时在系统运行过程中，系统将自动记录新的信息到经验库和故障知识库中，已录入信息需要人为审核后才能应用。经验的不断注入保障了系统诊断思维的不断更新，也提高了故障诊断的智能化。

2 系统运行效果仿真

该系统尚处于研制阶段，初级系统只具备基于搜索比对算法的故障诊断功能。为了验证系统实际运行效果，模拟完整系统运行在我国某航天测控站，统计一年内故障诊断处理效果，其中故障诊断数据采用初级系统运行数据。在测控站工作中，硬件故障无法采取软件处理方式解决，因此对系统而言，处理方式为故障告警，通知管理人员进行设备维修。同时该站布置有传统故障树[19-20]诊断系统，将两者诊断情况做对比。

仿真条件： 1)系统首次运行时并未积累任何经验； 2)系统首次运行时已存储所有基本故障状态。

表5 模拟运行数据表

(注：(15/0)表示成功15次，误诊0次)

由表5可以得出，系统可以诊断并处理该站内发生的故障的96%，并可以处理诊断故障的100%。其中有1条插箱硬件故障和1条插箱软件故障是深层次设备故障，且在故障经验中没有记录，因此首次出现时无法诊断出，但是后续再次发生后即可诊断并处理。1次误诊仍然发生在深层次故障，由于部分深层次故障所表现出的表面现象相同，因此当经验库中只积累一种故障情况时，发生另外一种情况时则可能发生误诊，但这种误诊也是积累更多故障经验的关键。

对比故障树，由于发生的几次深层次故障无法加入故障知识库中，因此不论类似故障发生多少次，故障树始终无法诊断。同时，在故障树诊断系统中并未进行任务时段判断，因此自动化运行故障都不能诊断出。由于故障树未能诊断深层次故障，因此也就没有发生误诊现象。

3 与其他故障诊断、处理方法对比

3.1 与故障树诊断对比

在第2章的仿真数据中，思维成长诊断较故障树诊断的优势主要有：

1)深层次故障诊断和积累更为有效。例如，某段时间内下变频器故障导致下行信号丢失，但下变频器本身显示状态正常。故障树只能记录故障为下行信号丢失，但思维成长则记录近期下变频器故障导致下行信号丢失；

2)避免无效重复性故障接连报警。在测控站工作中，由于发生光纤熔接、设备维修等工作可能导致一段时间内某一故障不断发生，但是并不影响实际工作，此时基于思维成长的经验库就会避免类似现象发生；

3)能针对测控设备工作状态进行诊断。思维成长模型中将设备工作状态分为空闲、维修和任务3种状态，根据不同的模式进行不同状态的监测，诊断功能更为强大。

3.2 与其他故障处理方法对比

故障处理在自动化领域并不成熟，基本没有参考和对比经验。本文系统的故障处理理念在于先查找到具体的故障位置，再根据故障特点进行相应处理。该方法的实际应用效果需待实际检验。

4 总结

本文设计的基于思维成长的故障诊断处理系统主要通过模仿人的故障诊断处理思维成长过程建立智能诊断和处理软件系统，以达到保障航天测控设备正常自动化运行。设计过程中以整体设计为主，对于各部分细节需做具体研究。该系统不仅能够根据积累经验进行故障诊断处理，也能对未知故障进行智能推理，在航天测控领域应用前景较好。同时该思想也可以引入到其他自动化运行系统中。最后，系统的模拟运行效果表明该算法较故障树方法有较大优势，并能对当前自动化运行设备起到良好辅助作用。

[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] 钟宇, 白云.某自动测试系统神经网络故障诊断模块设计与实现[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] 楼宇舟,涂俊翔.基于粗糙集改进算法的神经网络故障诊断方法[J].机械制造与自动化,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] 郭壮志, 陈波.潜在等式约束的配电网遗传算法故障定位[J].现代电力,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] 雷亚国.混合智能技术及其在故障诊断中的应用研究[D].西安:西安交通大学,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,张志明,李树龙.一种服务器的软件故障处理方法和装置[P].中国专利: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] 钟义信.人工智能的突破与科学方法的创新[J].模式识别与人工智能,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.模拟人类成长过程的智能机器人研究和讨论[J].中国科技信息,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] 蔡泽锋.计算机网络技术对人工智能的应用研究[J].机电工程技术,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] 张嘉伟.关于计算机理解自然查询语言的研究[J].信息技术与信息化,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] 但小岗.SQLite数据库在Windows Forms应用开发中的应用研究[J].价值工程,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] 胡世涛.搜索比对算法研究[J].计算机光盘软件与应用,2012,(19):71-72.(Hu Shitao.Research on Search Matching Algorithm[J].Computer CD Software and Applications,2012,(19):71-72.)

[15] 王献红,史国权.一种新型逻辑智能推理方法在混流生产线排产优化中的应用[J].中国机械工程，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] 杨玉婷,史玉回.基于讨论机制的头脑风暴优化算法[J].浙江大学学报(工学版)，2013,(10)：1705-1711. (Yang Yuting, Shi Yuhui.Brainstorming Algorithm Based on Discussion Mechanism[J].Journal of Zhejiang University,2013,(10):1705-1711.)

[17] 陈南亦.关于“第六感技术”的进一步思考[J].传感器及非电量检测技术,2011,(8):82-84.(Chen Yinan.Further Thinking on "Sixth Senses"[J].Sensor and Non-electric Quantity Detection Technology, 2011, (8): 82-84.)

[18] 文贵华,郑启伦,丁月华.一种基于信息域关联的创造性联想算法CRA[J].模式识别与人工智能,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,杨军.基于故障树和规则的航天设备诊断系统的实现[J].计算机应用,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，助理工程师，主要研究方向为航天测控；魏 丹(1981-)，女，辽宁铁岭人，硕士，工程师，主要研究方向为航天测控；张朋强(1992-)，男，河南项城人，本科，助理工程师，主要研究方向为航天测控；袁 野(1992-)，男，陕西礼泉人，本科，助理工程师，主要研究方向为航天测控。

TP391.5

A

1006-3242(2017)03-0073-06