卫星导航系统故障诊断及容错技术探讨

王冬霞，辛 洁，刘春霞，汤廷松，赵 娜，谢金石

(1.北京卫星导航中心，北京 100094；2.大地测量与地球动力学国家重点实验室，武汉 430077)

0 引言

近年来，全球卫星导航技术在国民经济和国防军事等领域的应用日渐深入，各项功能持续完善。随着人工智能、机器学习等高新技术的发展和全球卫星导航系统(global navigation satellite system，GNSS)应用领域的扩展，用户对卫星导航精度和可靠性的要求越趋增高。由于GNSS是一个集空间段、地面段及用户段于一身的复杂大系统，且不同段所处的运行环境、主要干扰因素不同，任何部件(系统内部元器件、传感器、执行机构等硬件及软件)都有可能在系统长期运行过程中发生故障甚至失效。此时，若按非故障理想情况处理，不但不能满足任务指标，更有可能带来军事、政治和经济上的巨大损失，造成灾难性的后果。因此，开展针对GNSS繁杂多样的故障诊断与容错技术的研究攻关，是新一代GNSS研究的热门课题。

本文对近年来卫星导航领域故障诊断和容错技术进行研究。从工程实际角度考虑，通过采用故障诊断技术和容错技术等手段，不仅能够保证故障发生后系统的正常运行，还能确保系统精度、提高系统可靠性，同时也能降低成本、减小体积、减少硬件配置、增加系统灵活性以及节约能源。而从理论角度来讲，由于GNSS是一个包括星间、站间、星地等不同环境下设备的规模庞大、技术密集程度高，精度、实时性、连续性要求高的复杂大系统，对该复杂系统的探索研究有助于丰富船舶导航、天文导航、通信导航等领域的故障诊断与容错方法的相关研究。

1 故障诊断方法研究

自1971年起，故障诊断技术在各发达国家得到了不同程度的飞速发展。随着谱分析、数据采集与滤波等各种信号处理技术的发展，以及机器学习、神经网络、云计算、专家诊断与大数据分析等各种人工智能技术的产生，一些新的方法与理论已经得到了成功应用[1-2]。考虑到GNSS自身复杂的特殊性，针对GNSS故障诊断应有别于一般的故障诊断方法。迄今，依据决策方法和特征描述方法的不同，GNSS故障诊断主要有3种方法：解析模型故障诊断法、信号处理故障诊断法以及人工智能故障诊断法[3]。

1.1 解析模型故障诊断方法

解析模型故障诊断方法首先需要判断故障发生在执行器、传感器还是元器件部位；随后建立数学模型得到期望值；再将测量值和期望值的残差进行比较，得到故障诊断结果。文献[4]在GNSS定位中设计了2种χ2诊断算法，并通过实测数据对2种算法进行比较分析。文献[5]提出了分量检测的方法，仿真结果证明，该方法提升了系统检测小故障的敏锐性，减少了对软故障检测的时延，有效解决了χ2方法检测缓变故障不灵敏且延迟较大的问题[6]。另外，文献[7-8]分别提出基于最大残差样本的协方差阵特征算法和基于滑模变结构的故障检测算法，以对传统χ2检测法进行改进，使得组合导航系统的残差能够结合状态进行递推。为了提高检测故障的灵敏度，文献[9]设计了组合导航系统的伪残差，利用滤波输出值周期性地重置状态递推值，成功地运用状态递推值代替了Kalman滤波的预测值。根据非理想故障形式和故障分布规律，文献[10]利用先验概率模型对故障进行建模，设计了误警率最小的目标函数，仿真试验验证了该方法能够提高系统故障诊断的能力。

目前，对解析模型故障诊断法的探讨较多，研究成果比较丰硕；然而在工程应用中，精确的诊断对象数学模型往往无法获得，因此该方法的应用受到了极大限制。于是，人们开始致力于研究不依赖于模型、基于信号处理的故障诊断方法。

1.2 信号处理故障诊断方法

信号处理故障诊断法首先需要提取信号的幅值、频率及方差，然后根据小波变换、频谱分析等数学方法进行故障检测。由于输出信号的局部发生变化是系统故障的一般表现，因而检测系统输出信号的局部特征有着重要意义。小波变换具有描述信号局部性质的特点，对突变点检测十分有效[11]。

GNSS系统故障包括硬故障和软故障。通常，通过机内自检可实现硬故障检测，而传感器方差突变导致信息失效等软故障检测则较为困难。对于组合导航系统方差突变类的软故障，文献[12]利用小波变换方法进行了研究。文献[13-14]等运用小波变换有效解决了系统中传感器输出信号类型各异带来的检测难题。文献[15]针对全球定位系统(global positioning system，GPS)及捷联惯导系统(strapdown inertial navigation system，SINS)组合导航系统，利用多小波故障检测进行Kalman滤波器误差分析，能够迅速发现故障点、降低虚警概率。基于时-频分析的小波变换方法，文献[16]设计了输入改变而未发生变化的奇异点为系统的故障点的故障诊断策略。基于小波分析技术，文献[17]对传感器输出信号进行故障诊断，并进行了故障隔离和系统重构，最终采用联邦式滤波器实现了信息融合。

信息处理故障诊断方法避开了系统建模难的缺陷，实时性较好，是一种常用的故障检测方法，不过该方法对潜在的早期故障诊断不足；因此常常与其他诊断方法结合，进而提高其故障诊断性能。

1.3 人工智能故障诊断方法

随着人工智能技术的飞速发展，产生了专家系统、故障树、神经网络等多种人工智能故障诊断法。

针对专家系统故障诊断法，文献[18]运用各类规则对系统进行了综合推理，对运行系统的输出信息与用户提供的经验信息进行比对，进而找到已存在或有可能发生的故障，最终通过用户证实诊断结果的正确性。根据模糊理论，文献[19]设计了能够对故障进行定位，并能预先判断将要发生故障的模糊故障诊断方法。

近年来，复杂系统采用故障树模型查找故障源的研究引起了人们的关注[20]。文献[21]将系统故障和故障原因绘制成故障树，能够反映故障与各导致因素之间的直接关系。文献[22]基于惯性导航系统(inertial navigation system，INS)及GPS组合导航系统研究了故障树分析方法，分析结果证明了该方法的可行性。

文献[23-25]研究了基于神经网络的故障诊断方法，将神经网络作为分类器，与其他诊断方法的优点相结合来进行故障诊断。文献[26]基于BP神经网络设计了SINS及GPS组合导航系统的v2故障诊断法。Bayes理论、模糊算法、D-S推理理论及神经网络等基于信息融合的故障诊断方法是采用信息融合理论进行故障诊断，提高了故障诊断的准确度[1]。文献[27-28]基于扩展Kalman滤波方法实现了数据融合，并给出较高精度的导航数据。

人工智能的故障诊断方法全面考虑了人的因素，对实际系统、特别是非线性系统、复杂系统的推断比较合理，是一类很有潜力的故障诊断法。

1.4 故障诊断方法小结

从以上研究可以看出，基于解析模型、信号处理、人工智能的3种故障诊断方法已取得了令人瞩目的成就，但许多方法都有各自的优势和缺陷，加之GNSS呈现规模庞大、业务处理模式多、系统层次多、系统之间关联性大的特点，当前GNSS故障诊断方法还存在如下不足：

1)目前关于GNSS故障诊断研究大多是针对传感器、执行机构等硬件故障，一般比较容易诊断。而软故障的特点是幅值较小，和噪声混迭严重，更容易发生虚警、漏警等；因此软故障检测与诊断技术更需要深入研究。

2)大多数研究针对卫星分系统，而当系统级和分系统级都受到影响时，造成它们的差值可能对故障不敏感；因此提出分层、分级、多故障的综合处理策略是GNSS领域非常有意义的一个研究方向。

3)目前GNSS故障诊断的研究主要集中在各种方法及改进方法上，但对GNSS这一复杂系统来说，单一故障诊断方法往往具有局限性，快速准确的诊断难以保证；因此多种方法集成的智能诊断技术是亟待解决的一项研究课题。

2 容错方法研究

能否在故障发生时，提出有针对性的、行之有效的容错方案是保证系统健康稳定运行的必然要求[29]。目前，容错方案主要分为2类：即主动容错和被动容错。主动容错是根据故障检测和故障诊断得到实际的故障信息，重构控制器，进而达到系统稳定有效控制的目的[30]；而被动容错是在不需要故障检测和故障诊断的前提下，采用具有鲁棒性的控制方案使得系统对特定故障不敏感，从而保证系统稳定[31]。

2.1 主动容错方法

主动容错系统一般由故障诊断子系统和重构子系统组成。故障诊断子系统需要对故障具有较高灵敏度，并对未知动力学特性、模型不确定性以及干扰具有鲁棒性[32]。虽然对GNSS故障诊断可以作为一个独立的领域进行研究；但当进行主动容错设计时，故障诊断环节的设计需要与系统重构环节整体考虑，而不是简单的一个诊断工具。

在GNSS容错设计中，需要配备在线的故障诊断算法[33]，实时确定量测信息的有效性，决策用哪些局部状态估计来计算全局状态估计。同时，在诊断到故障后能够进行必要的系统重构，使得系统不致因故障失效，这实则为一个在线故障诊断和重构[34]的动态系统设计。

联邦滤波器可以实现对故障的有效隔离和系统重构[35]，该方法采用信息分配原则，各子Kalman滤波器相对独立，没有子滤波器间交叉污染，可以把故障限制在子滤波器内，通过融合无故障子滤波器的解为主滤波器的最优解，来保障系统正常运行。对于执行机构发生的故障，文献[36]设计了故障诊断策略，并基于重构故障信息设计了退步容错方案。文献[37]利用非线性几何方法，设计了与干扰解耦的自适应滤波器，准确估计了卫星故障，进而设计了重构逻辑实现系统容错控制。文献[38]系统地研究了组合导航系统的故障隔离和重构策略。基于模糊理论，文献[39]提出了针对系统自主切换的基本组合导航方案，在无GPS信号覆盖时，利用环境特征标志辅助传统的地图匹配方法，并重构导航系统。文献[40]针对微捷联惯性导航系统(micro strapdown inertial navigation system，MSINS)及GPS组合导航系统，采用三层容错结构有效地检测了粗差、速度跳变，提出一种及时隔离故障的改进滤波算法，提高了系统的实时性、鲁棒性和容错能力。

为解决目前大多故障检测法对缓变软故障检测不灵敏、延迟性较大、难以判断故障类别等问题，文献[41]设计了一种小波模极大值容错算法，提升了软故障检测灵敏度，也可以通过故障点处信号Lipschitz指数来判断故障类别。该方法为传感器故障隔离和修复提供了有效的信息，也为多传感器的组合导航系统的可靠运行提供了保障。

为实现GNSS故障情况的主动容错，其中最关键的问题是故障检测和诊断环节能够提供准确及时的故障信息；然而，实现精确故障诊断并非易事，会受到系统模型的不确定性、外干扰等多种因素的影响；此外，由于各个故障间存在交互作用，可能导致无法利用单个故障的模式特征对复合故障进行故障建模和理论分析：因此主动容错技术存在设计复杂、计算量大、实际应用困难等问题。

2.2 被动容错方法

相较于主动容错技术，被动容错技术无需进行故障检测和诊断，更无需进行控制方案的切换，因而也避免了主动容错技术存在的上述缺点。在GNSS领域，文献[42]提出了“最优鲁棒余度关系”的概念，但其深入研究的是线性系统的鲁棒故障检测方法[43]，而不能诊断隔离故障。文献[44]针对导航系统中常规容错算法精度不高、检测故障类型单一的问题，设计了一种双状态模糊自适应的组合容错算法。在考虑了外部干扰影响的情况下，文献[45]基于自适应退步方法设计了针对执行机构故障卫星的容错控制方案；文献[46]针对存在干扰及不确定性的情况，基于自适应鲁棒方法设计了一种容错控制方案。

2.3 容错方法小结

从以上研究可以看出，基于故障检测与诊断的主动容错技术在一定程度上得到了显著发展；但是针对GNSS不同级别、不同故障来源及类型，提出全面及时有效的容错重构方案尚存在一定的空白。特别是基于系统模型不确定、故障来源不明确、干扰大情况下的模糊故障，目前尚未开展有效的被动容错技术研究。

3 GNSS故障诊断及容错技术展望

综合分析GNSS故障诊断及容错技术的研究现状，多星多站多层级的综合诊断技术、多方法融合的智能故障诊断技术、及时有效的故障容错技术将成为未来GNSS故障研究领域的发展方向：

1)多星多站多层级的综合诊断技术：针对GNSS地面站设备众多、卫星观测数据量大、各站数据质量不同的情况，利用故障树分层、分级地研究系统每个组成部分的潜在故障模式，从故障产生机理和响应特征出发，对硬故障、软故障或多故障、复合故障进行故障建模与理论分析，进而提出多星多站多层级的综合诊断方法，既避免由于单站数据故障引起对系统状态的误判，又能及时有效地检测出软故障，提高故障处理效率，实现异常问题的快速发现。

2)多方法融合的智能故障诊断技术：在GNSS系统中，采用单一的诊断方法往往无法满足系统故障诊断的需求，综合考虑系统功能、效果和客观条件等各方面因素，将解析模型、信号处理、人工智能等故障诊断方法相结合，明确智能诊断策略，结合多层级的诊断策略、合适的诊断粒度、模型信号和智能知识结合，取长补短，从而实现故障快速诊断和精确诊断，使整个系统达到更高智能水平。

3)及时有效的故障容错技术：GNSS系统中及时有效的故障容错技术使导航系统具有自监控能力，在故障诊断条件下，及时将故障设备进行隔离，并能够将其余设备进行重构，从而使GNSS系统能够正常或降低性能地安全运行。因此，配合多数据多方法融合的智能故障诊断技术，能够根据自身故障体系自动地调动信息资源，对硬件故障采用主动重构，对软件故障采用被动鲁棒的混合智能化、自动化容错技术，及时有效地消除故障对系统的影响，保证系统的健康运行。

4 结束语

随着卫星导航的快速发展，其精度和可靠性日益受到关注，而快速有效的故障诊断及容错技术是提高导航系统性能的重要保障。本文分析了卫星导航系统故障诊断方法及研究现状，主要包括解析模型故障诊断法、信号处理故障诊断法以及人工智能故障诊断法等，并总结出各种方法的优缺点；分层次介绍了主动容错方法和被动容错方法在卫星导航领域的研究；最后指出未来GNSS故障诊断的发展趋势体现在多星多站多层级的综合诊断技术、多方法融合的智能故障诊断技术、及时有效的故障容错技术等研究方向上。

[1] 张玲霞.导航系统故障检测与诊断及其相关理论问题的研究[D].西安：西北工业大学，2004.

[2] 程洪炳，黄国荣，刘华伟.导航系统故障检测与诊断技术综述[J].传感器与微系统，2010，29(3)：1-4.

[3] 王耀才.智能故障诊断技术的现状与展望[J].徐州建筑职业技术学院学报，2003，3(1)：37-39.

[4] 高为广，杜燕，王楠.模型误差对χ2统计检验算法的影响分析[J].测绘科学，2009，34(1)：141-143.

[5] DA R，LIN C F.Failure detection and isolation structure for global positioning system autonomous integrity monitoring[J].Journal of Guidance，Control，and Dynamics，2012，18(2)：291-297.

[6] GAYLOR D E，LIGHTSEY E G.GPS/INS Kalman filter design for spacecraft operating in the proximity of the international space station [EB/OL].[2017-01-18].https：//www.researchgate.net/profile/David_Gaylor/publication/242369422_GPSINS_Kalman_Filter_Design_for_Spacecraft_Operating_in_the_Proximity_of_the_International_Space_Station/links/5407191c0cf23d9765a8373f.pdf?inViewer=0&pdfJsDownload=0&origin=publication_detail.

[7] 孙学磊.基于滤波残差的组合导航系统故障检测研究[J].计测技术，2009，29(2)：5-8.

[8] LI F.GPS integrity monitoring algorithms based on tightly-coupled GPS/INS integrated system[J].Information Science and Engineering(ICISE)，2011，17(1)：6654-6657.

[9] 高关根，程农.改进的残差检验法在组合导航系统故障检测中的应用[J].系统仿真学报，2009，20(增刊2)：341-344.

[10] 王凌轩，隋立芬，向民志，等.GPS动态导航接收机自主完好性监测算法[J].测绘科学，2015，40(12)：130-134.

[11] SINPYO H，MAN H L.Observability of error state in GPS/INS integration[J].IEEE Transactions on Vehicular Technology，2005，54(2)：102-106.

[12] MALLAT S.信号处理的小波导引[M].杨力华，戴道清，黄文良，等译.2版.北京：机械工业出版社，2002：15-22.

[13] 田晓东，韦锡华.小波分析在多传感器组合导航故障检测中的应用[J].青岛大学学报，2002，17(4)：66-68.

[14] 徐胜红，吴进华，胡志强，等.组合导航系统故障检测的小波变换方法研究[J].宇航学报，2003，24(1)：111-114.

[15] 林雪原，王杰，骆卉子.基于小波辅助的GPS/SINS组合导航系统故障检测与信息融合算法[J].兵工自动化，2012，31(2)：52-56.

[16] QIAN Huaming，MA Jichen，LI Zhongyu.Navigation sensors fault diagnosis based on wavelet transformation and neural Network[C]//IEEE.Proceedings of the 8th International Conference on Electronic Measurement and Instruments.Xi’an：IEEE Inc.，2007：592-595.

[17] 范继伟，沈学强，杨成伟.小波故障检测在脉冲星组合导航中的应用[J].兵工自动化，2016，35(5)：46-50.

[18] 孙丽.基于神经网络的故障诊断专家系统的研究[D].长春：东北师范大学，2007：21-27.

[19] 孙增国.神经网络和模糊专家系统在故障诊断中的应用[D].大连：大连理工大学，2004：22-28.

[20] JIANG B，STAROSWIECKI M，COCQUEMPOT V.Fault accommodation for a class of nonlinear systems[J].IEEE Trans on Automatic Control，2006，51(9)：1578-1583.

[21] 金亮亮.基于故障树的航天器故障诊断专家系统[D].南京：南京航空航天大学，2008：9-14.

[22] 王芳，刘刚.惯性/GPS组合导航系统的故障树分析法[J].工程与技术，2004(4)：38-40.

[23] YUAN Dongli，YAN Jianguo，XI Qingbiao.A study of fault detection and system reconfiguration for UAV navigation system based on RBF neural network[C]//IEEE.Proceedings of the 7th World Congress on Intelligent Control and Automation(WCICA 2008).Chongqing：IEEE Inc.，2008：55-58.

[24] HE Ming，LIU Guangbin，ZHAO Dawei.Fault tolerant integrated navigation system based on neural network information fusion[C]//SPIE.Proceedings of International Conference on Space Information Technology.Wuhan：SPIE，2005：59853W，1-5.

[25] 张彦霞，肖清泰，徐建新，等.基于经验模态分解的小波神经网络预测模型[J].计算机应用与软件，2016，33(10)：284-287.

[26] 金晓明.基于模糊神经网络的综合导航系统故障检测与诊断技术[J].导航，2007(3)：73-78.

[27] WALID A H.Accuracy enhancement of integrated MEMS-IMU/GPS systems for land vehicle navigation applications [D].Canada：University of Calgary，2004：1-35.

[28] MEZENTSEV O，LU Y，LACHAPELLE G，et al.Vehicle navigation in urban canyons using a high sensitivity GPS receiver augmented with a low cost rate gyro[C]// The Institute of Navigation.Proceedings of ION GNSS+ conference.Virginia：The Institute of Navigation，2002：1-12.

[29] 邢琰，吴宏鑫，王晓磊，等.航天器故障诊断与容错控制技术综述[J].宇航学报，2003，24(3)：221-226.

[30] JIANG J，YU X.Fault-tolerant control systems：a comparative study between active and passive approaches[J].Annual Reviews in Control，2012，36：60-72.

[31] CHEN J，PATTON R.Robust model-based fault diagnosis for dynamic systems[M].MA：Kluwer Publishers Norwell，1999.

[32] ZHANG Y M，JIANG J.Bibliographical review on reconfigurable fault-tolerant control system[J].Annual Reviews in Control，2008，32：229-252.

[33] VOLZHIN A S，VIAZMIKIN A A，ZEENICH V S，et al.Integrated system able to measure errors of satellite navigation system receivers[J].IEEE Aerospace and Electronic Systems Magazine，2005，20(8)：13-15.

[34] WANG J L，PIETER B O.On the availability of fault detection and exclusion in GNSS receiver autonomous integrity monitoring[J].The Journal of Navigation，2009，62(2)：251-261.

[35] CARLSON N A，BERARDUCCI M L.Federated Kalman filter simulation results[J].Journal of the Institute of Navigation，1994，41(3)：297- 321.

[36] XIAO B，HU Q，FRISWELL M I.Active fault-tolerant attitude control for flexible spacecraft with loss of actuator effectiveness[J].International Journal of Adaptive Control and Signal Processing，2013，27(11)：925-943.

[37] BERTONI G，CASTALDI P，MIMMO N，et al.Active fault tolerant control system for a high accuracy planet-image and stellar-pointing satellite[J].Automatic Control in Aerospace，2010，43(15)：422-427.

[38] 徐景硕，王维江.容错多传感器组合导航系统发展综述[J].航空电子技术，2006，37(3)：25-28.

[39] 曹梦龙，崔平远.高精度自主导航系统重构方案研究与实现[J].系统工程与电子技术，2008，30(5)：893-897.

[40] 马云峰.MSINS/GPS组合导航系统及其数据融合技术研究[D].南京：东南大学，2005.

[41] 程建华，李明月.基于小波分析的容错组合导航系统故障检测算法研究[J].宇航学报，2012，33(4)：420-425.

[42] LOU X，WILLSKY A S，VERGHESE G C.Optimally robust redundaney relations for failure detection in uncertain systems[J].Automatica，1986，32(3)：333-344.

[43] DING X，JEISEH T.A characterization of parity space and its application to robust fault detection[J].Automation Control，1999，44(2)：337-343.

[44] 杨春，张磊，郭健，等.采用双状态传播卡方检验和模糊自适应滤波的容错组合导航算法[J].控制理论与应用，2016，33(4)：500-511.

[45] XIAO B，HU Q L，MA G F.Robust fault tolerant attitude control for spacecraft under partial loss of actuator effectiveness[J].Control & Decision，2011，34(3)：263-268.

[46] CAI W C，LIAO X H，SONG D Y.Indirect robust adaptive fault-tolerant control for attitude tracking of spacecraft[J].Journal of Guidance，Control and Dynamics，2012，31(5)：1456-1463.