基于测发数据链路的运载火箭故障诊断技术实现
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于测发数据链路的运载火箭故障诊断技术实现范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要 提出一种新的基于测发数据链路的运载火箭故障诊断技术，该技术从故障数据报警点出发，通过对报警点设备状态判定及当前设备上游设备的状态判定的递归，实现对整个运载火箭系统的故障诊断与监测。与其他运载火箭的故障诊断方法相比，该诊断方法以运载火箭各设备或系统间的物理连接为依据，能有效的避免其他诊断方法对运载火箭模型建立、知识规则提取等困难；诊断过程直观简洁且故障源判定结果真实准确。同时通过对各分系统测发数据链路的组合可实现对运载火箭全箭的故障诊断系统的建立。
关键词 测发数据链路；故障诊断；神经网络
中图分类号V1 文献标识码A 文章编号 1674-6708（2011）45-0151-02
A New Launch Vehicle Fault Diagnosis Method Based on Testing and Launching Data Link
Abstract A new fault diagnosis method which is based on testing and launching data link was proposed. The method starting from the fault data alarm point and judge the current device is running normally through the sample value of current device or its upstream devices. Through the recursive a launch vehicle fault diagnosis system can be established. This launch vehicle fault diagnosis method can avoid the difficult of launch vehicle modeling and knowledge rule extracting and the fault diagnosis process is clearly and accurate. Through the combination of testing and launching data link of subsystem a fault diagnosis system of whole launch vehicle can be stabled.
Keywords testing and launching data link；fault diagnosis；neural networks
0 引言
航天器由于其昂贵的造价和其唯一性，对其可靠性提出了很高的要求。有资料表明，从1959年8月至1995年底，在美国及前苏联/俄罗斯进行的249次载人航天发射飞行中，共出现故障166起[1]。因此开展航天器故障诊断技术研究对保障航天器安全可靠降低其发射成本具有重要意义。美国在这方面作了大量的研究， 据文献[2]报道，近几年美国投入大量的资金用于航天器系统故障诊断及其健康管理技术研究。我国航天器系统监测及故障诊断技术研究尚处于起步阶段[3]。
现阶段航天器的故障诊断研究主要集中于基于规则的专家系统诊断、基于故障树的故障诊断、基于神经网络的故障诊断、基于多元信息融合的故障诊断和基于Agent的故障诊断等方法[4]，上述各种方法在使用过程中均需对运载火箭系统模型进行模型的建立。而运载火箭由于其复杂的设备间关系，导致其模型的建立非常困难[5]。基于此本文提出一种新的基于运载火箭测发数据链路的诊断方法。
1 基于测发数据链路的故障诊断技术介绍
1.1 测发数据链路定义
运载火箭测发数据链路以运载火箭中以各设备或参数间物理逻辑连接关系为依据，以图形化方式为手段而形成的各设备或参数间的网状结构描述。运载火箭测发数据链路是对运载火箭各箭载设备物理逻辑关系的直接体现，其是基于数据的故障诊断的主要依据，在实际过程中常常以实际测试项目为基础完成数据链路的编制，因此常常每一个测试项目对应于一条测试链路。往往一个大的测试项目可分为有限数目的较小的测试项目，通过较小的测试项目的聚合完成对复杂测试项目的分解，同理可实现数据链路的拆分。
1.2 测发数据链路诊断流程
基于测发数据链路的运载火箭离线故障诊断的核心思想是测发数据链路的生成和设备的状态监测。通过对当前报警点设备的运行状态进行判定和对其上游设备或参数的状态进行判定，以此递推完成对整个测发数据链路设备状态的监测，通过对设备状态的判定而达到离线故障诊断的目的。其故障定位过程如图1所示：
整个故障诊断是一个逐级递归的过程。在递归过程中整个系统以数据链路为依据，从故障数据报警点出发，对其对应设备状态信息进行判定，若当前设备为故障原因，则停止故障的排查，若否则对其上游设备的运行状态进行检测，以此类推完成对整个数据链路的排查。
基于测发数据链路的故障诊断方法主要分为故障的初步判定、测发数据链路的生成和故障分析定位3个步骤：
1） 故障的初步判定
故障数据初步判定主要对报警点设备状态监测。当能确定当前报警设备为故障源时，可不执行后续判定。如果设备状态或测试状态错误，则故障初步定位，并显示该故障设备和测试状态信息。
2）测发数据链路的生成
测发数据链路的生成以测试项目为基本生成单元。测发数据链路的生成从测试项目信号或激励发出设备开始，寻找其直接影响的设备或参数（非测试设备、非信号转换设备、非连接线），然后再以新确认的设备或参数为出发点，继续查找直接影响的设备或参数。如此往复，以形成整个测试项目的测发数据链路描述。
3） 故障分析定位
在实际应用过程中，整个故障诊断是一个逐级递归的过程。在递归过程中整个系统以数据链路为依据，从故障数据报警点出发，对其对应设备状态信息进行判定，若当前设备为故障原因，则停止故障的排查，若不是则通过对其上游设备的状态信息进行检测，以此类推完成对整个数据链路的排查。
2 诊断系统时间及实例验证
2.1诊断系统实现
以某型号运载火箭三级二次关机过程为例，对该故障诊断方法的正确性进行验证。
2.1.1 测发数据链路建立
针对某型号运载火箭低温加注及点火起飞建立测发数据链路，如下所示：
2.1.2设备运行状态检测
神经网络技术由于其独特的容错、联想、推测、记忆、自学习和处理复杂非线性多模式等优点被广泛应用于设备的故障诊断中。在本系统中采用神经网络技术对设备的运行状态进行检测。
在系统中需对测发数据链路中所有所涉及设备建立神经网络模型，以8K40-3A电源为例讲述设备运行状态监测神经网络的建立。将8K40-3A电源关联参数3Ujsd、3Untp和3Upjw作为神经网络的输入，将3Ujsd、3Untp和3Upjw参数的异常及各参数的组合异常作为该神经网络的输出。利用Matlab神经网络工具箱完成对该神经网络的建立。
2.2诊断实例
以三级二次关机末修关机推迟故障为例，进行基于测发数据链路的故障诊断方法有效性进行验证。运行系统，数据评估中心捕获三级二次关机末修关机推迟故障报警，开始当前故障的自动诊断。诊断结果如下图所示。
部分诊断流程如下：
运载火箭故障诊断系统
人机交互及结果输出：（退出请按X）
发生故障报警：三级二次关机末修关机推迟
是否开始故障诊断（Y/N）：Y
开始故障诊断...
8K40-3A电源故障诊断中...
调入8K40-3A运行状态监测神经网络
设备诊断结束：设备异常
开始上游设备诊断
……
调入三级发动机状态监测神经网络
设备诊断结束：设备正常
无上游设备
诊断结束
故障源：三级冷氦减压器
故障原因：3Pht参数超差
是否保存本次诊断结果（Y/N）:Y
诊断结果保存完毕
由诊断结果知，系统成功完成对三级二次关机的故障诊断，诊断结果与故障排查人员现场故障排查结果相一致。
3 结论
本文提出了一种新的基于运载火箭测发数据链路的故障诊断新方法。该方法以运载火箭测发数据链路为基础，从当前数据报警点出发，通过对测发数据链路的检索并辅以神经网络技术实习对箭载设备的运行状态判定，从而实现对整个测试项所关联设备的状态检测，实现故障源的定位。通过三级二次关机末修关机推迟故障诊断实例的检测，证明该方法切实有效，且定位准确。借助计算机网络和神经网络技术可实现对运载火箭系统的快速准确定位。
参考文献
[1]龙兵，宋立辉，荆武兴，等.航天器故障诊断技术回顾与展望[J].导弹与航天运载技术，2003(3)：31-32.
[2]Stephen Cook,Dianel Dumbacher.NASA’s integrated s pace transportation plan[J].A cta Astronautica，2001，48 (5-12)：869-883.
[3]隆莹. 基于信息融合的多Agent故障诊断系统及在航天器上的应用：硕士学位论文].西安: 西北工业大学，2005.
[4]Fox Jack J,et al.Informed maintenance for next generation reusable launch system s[J].A cta Astronautic，2001，48(5-12)：439-449.
[5]李文钊.飞行器健康监控技术实验室方案及验证模型.西安：西北工业大学，2004.
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文