CN104503435B - 一种用于航天动力系统实时故障检测的综合决策方法 - Google Patents

Abstract

本发明公开了一种用于航天动力系统实时故障检测的综合决策方法，包括以下步骤：步骤一：统计各种故障检测算法在离线考核验证过程中的先验结果信息；步骤二：计算综合决策结果:对于试车试验中应用多种故障检测算法的结果，利用步骤一中的先验结果信息估计最优结果，给出决策结果；步骤三：估计故障时间:通过试验得到各种故障检测算法的时间样本，对时间样本进行偏差分析计算诊断时间概率进而对故障诊断时间进行估计。本发明的方法具有提高实时故障检测的准确性和可靠性的优点。

Description

一种用于航天动力系统实时故障检测的综合决策方法

技术领域

本发明具体涉及航天动力系统故障检测领域，特指一种应用于航天动力系统工作过程实时故障检测的综合决策方法。

背景技术

发展航天，动力先行，航天动力系统是运载火箭等航天运输工具以及卫星、空间站等航天器系统的动力装置，其安全可靠运行对确保航天发射任务成功以及顺利开展载人航天、探月工程等大型航天活动，至关重要。

航天动力系统结构工况复杂，机械-流体-热动力多种工作形式高度非线性耦合，而且由于高温、高压、强腐蚀、高密度能量释放的恶劣极致工作条件，其具有故障易发难控、发生发展速度快、破坏性大等特点。根据文献《液体火箭推进增压输送系统》的统计，发动机作为运载火箭的核心动力装置，由其故障造成的航天任务失败占到22％。

航天动力系统实时故障检测是提高航天动力系统可靠性和安全性，确保航天任务成功的重要前提和基础。其一方面可基于航天动力系统工作过程中实际测量的数据信息，对动力系统是否发生故障做出及时、可靠的判断，另一方面其结果是采取紧急关机、调节工作状态等故障控制措施的重要决策依据。

航天动力系统实时故障检测主要包括信号处理、数学模型、人工智能三种类型。然而，上述方法由于其基本原理、适用范围以及建立的判断准则等的不同，其对航天动力系统故障检测的结果(包括检测到故障的时间以及对是否发生故障做出的判断)也不尽相同，因而很难为航天动力系统工作状态的判断以及是否采取故障控制措施提供一致有用的决策信息。为此，文献《O’Reilly D.System for Anomaly and Failure Detection(SAFD)System Development(Final Report)》(NASA CP-193907,1993)采用一种联合应用多种故障检测方法的综合状态决策方法。但该方法主要采用投票表决的方式，即多种故障检测方法以少数服从多数的方法进行表决。文献《液体火箭发动机实时故障检测与报警原型系统的设计与实现》(火箭推进,2005,31(8):21-25)对投票方法进行了改进，以红线关机方法作为最底限，即当红线关机方法检测到故障时，不管其余方法是否已经检测出故障，均判断发动机出现故障。可以看出，该方法一方面赋予了红线关机方法极高的表决权力，因此，一旦红线关机方法给出错误结果，则整个综合状态决策方法也将做出错误的判断；另一方面，则对其余方法赋予了同等的表决权力，而并未考虑这些方法在应用过程中的实际表现和能力。

发明内容

为克服现有方法的不足，本发明提供一种提高实时故障检测的准确性和可靠性的应用于航天动力系统工作过程实时故障检测的综合决策方法。

一种用于航天动力系统实时故障检测的综合决策方法，包括以下步骤：

步骤一：统计各种故障检测算法在离线考核验证过程中的先验结果信息；

步骤二：计算综合决策结果:对于试车试验中应用多种故障检测算法的结果，利用步骤一中的先验结果信息估计最优结果，给出决策结果；

步骤三：估计故障时间:通过试验得到各种故障检测算法的时间样本，对时间样本进行偏差分析计算诊断时间概率进而对故障诊断时间进行估计。

优选地，步骤一中统计各种故障检测算法在离线考核验证过程中的先验结果信息的过程如下:

a、其中共计使用m组航天动力系统的历史数据对检测方法X_i进行离线考核验证，其中，有m_i1组考核验证结果属于Y₁，有m_i2组考核验证结果属于Y₂，有m_i3组考核验证结果属于Y₃，有m_i4组考核验证结果属于Y₄，(m_i1+m_i2+m_i3+m_i4＝m)，在检测结果中，计算得到属于Y₁的百分比为记为R(Y₁|X)，属于Y₂的百分比为记为R(Y₂|X)，属于Y₃的百分比为记为R(Y₃|X)，属于Y₄的百分比为记为R(Y₄|X)，并有

R(Y₁|X)+R(Y₂|X)+R(Y₃|X)+R(Y₄|X)＝1 (1)

b、对所有n种故障检测算法分别计算其结果，并写成矩阵的形式，有：

式(2)中，第i(i＝1,...,n)行的元素表示了在检测方法X_i的离线考核验证结果中，属于Y₁、Y₂、Y₃、Y₄的比例分布；第j(j＝1,2,3,4)列的元素则表示了各故障检测算法的考核验证结果在情形Y_j中的比例分布情况；

其中当系统工作状态正常，检测方法的故障检测结果也为“正常”，此类情形表示检测方法对航天动力系统的正常工作状态没有做出错误判断，记为Y₁；

当系统工作状态正常，而故障检测算法的故障检测结果为“故障”，此类情形表示故障检测算法对航天动力系统的正常工作状态做出了错误判断，即“误检”，记为Y₂；

当系统工作过程中出现故障，而故障检测算法的故障检测结果为“正常”，此类情形表示故障检测算法未能检测到航天动力系统工作过程中的故障，即“漏检”，记为Y₃；

当系统工作过程中出现故障，故障检测算法的故障检测结果也为“故障”，此类情形表示故障检测算法能正确检测到航天动力系统工作过程中的故障，记为Y₄。

优选地，步骤二中所述的计算综合决策结果的过程如下：

对式(2)中的矩阵每列元素相乘有

由式(1)中各个所求的值有下述方程：

对方程求解可得α的值，代入式(4)

其中，j＝1,2,3，4，计算出最大修正值，与之相对应的Y_j即为综合决策的结果。

优选地，步骤三中所述估计故障时间的过程：

同时应用n种故障检测方法X₁,X₂,…,X_n，经过k次试验方法X₁检测出故障的时间为T1₁、T1₂、…、T1_k，方法X₂检测出故障的时间为T2₁、T2₂、…、T2_k，以此类推方法X_n检测出故障的时间为Tn₁、Tn₂、…、Tn_k，当其中某种方法没有检测出故障时，设其时间为0，由检测时间组成的时间向量为 设由检测时间组成的矩阵表示为：

对于矩阵T中的每一个列向量找出最大的一个元素，例如T1₁≤T2₁≤…≤Tn₁则构造新的列向量这样可以得到一个新的偏差矩阵

对T进行归一化处理可以得到矩阵：

对于某一次故障检测，设X₁方法检测出故障的时间为t₁，X₂方检测出故障的时间为t₂，…，X_n方检测出故障的时间为t_n，其中t₁≤t₂≤…≤t_n，构造矩阵

对于矩阵t第一行1，0，…，0表示方法X₁在t₁时刻监测到故障，此时方法X₂、X₃、…、X_n没有检测出故障用0表示，同样道理矩阵t第二行1,1，…，0表示t₂时刻方法X₁与X₂检测到故障方法其他方法没有检测到故障，t的第三行1,1,1，0，…，0表示在t₃时刻X₁、X₂、X₃三种方法都检测到了故障，其它方法没有检测到故障，矩阵t其它各行情况以此类推；

设向量对x的每一行求和可以得到新的向量归一化有则故障发生时间估计值为

与现有技术相比，本发明的有益效果是：

本发明的方法有机综合了不同故障检测方法在实际应用和考核过程中的误检率、漏检率以及检测到故障的时间等先验知识，对航天动力系统工作过程中是否发生故障以及故障发生的时间做出综合决策，提高航天动力系统实时故障检测的准确性和可靠性，因而可广泛应用于航天动力系统地面试车、飞行过程中的实时状态判断，对提高航天动力系统工作过程中的可靠性和安全性、保护人员、设备和财产的安全具有重要的作用和意义。

为了更进一步了解本发明的特征及技术内容，请参阅以下有关本发明的详细说明和附图，然而所附图仅提供参考与说明，并非用来对本发明加以限制。

附图说明

图1为本发明的方法流程示意图。

具体实施方式

如图1所示，本实施例的假设共有n种检测方法，记为方法集合X＝{X₁,X₂,…,X_n}，则在航天动力系统的实时故障检测过程中，方法X_i对航天动力系统工作状态的判断为一个二元集合，记为x_i＝{0，1}(i＝1,2,3，…,n)。其中，“0”表示该方法的故障检测结果为“正常”，即判断航天动力系统当前的工作状态为“正常”；“1”表示该方法的故障检测结果为“故障”，即判断航天动力系统当前的工作状态为“故障”。

然而，在实际应用中，每种故障检测方法均有可能会做出错误的判断。因此，综合航天动力系统的实际工作状态和检测方法的故障检测结果，有四种可能的情形：

I、系统工作状态正常，检测方法的故障检测结果也为“正常”，此类情形表示检测方法对航天动力系统的正常工作状态没有做出错误判断，记为Y₁；

II、系统工作状态正常，而检测方法的故障检测结果为“故障”，此类情形表示检测方法对航天动力系统的正常工作状态做出了错误判断，即“误检”，记为Y₂；

III、系统工作过程中出现故障，而检测方法的故障检测结果为“正常”，此类情形表示检测方法未能检测到航天动力系统工作过程中的故障，即“漏检”，记为Y₃；

IV、系统工作过程中出现故障，检测方法的故障检测结果也为“故障”，此类情形表示检测方法能正确检测到航天动力系统工作过程中的故障，记为Y₄。

基于上述分析，本发明主要分为两个阶段。首先是数据准备阶段，统计故障检测算法在历史试验数据考核过程中的先验信息；第二阶段是综合决策阶段，即在航天动力系统的实际工作过程中，基于故障检测算法的实际检测结果，结合第一阶段统计得到的先验信息，给出航天动力系统工作状态判断和故障发生时刻的估计。具体包括下述步骤：

第一步：统计检测算法在离线考核验证过程中的先验结果信息

a.假设共计使用m组航天动力系统的历史数据对检测方法X_i进行离线考核验证，其中，有m_i1组考核验证结果属于Y₁，有m_i2组考核验证结果属于Y₂，有m_i3组考核验证结果属于Y₃，有m_i4组考核验证结果属于Y₄(m_i1+m_i2+m_i3+m_i4＝m)。在检测结果中，计算得到属于Y₁的百分比为(记为R(Y₁|X))，属于Y₂的百分比为(记为R(Y₂|X))，属于Y₃的百分比为(记为R(Y₃|X))，属于Y₄的百分比为(记为R(Y₄|X))，并有

R(Y₁|X)+R(Y₂|X)+R(Y₃|X)+R(Y₄|X)＝1(1)

b.类似地，对所有n种检测算法分别计算其结果，并写成矩阵的形式，有：

式(2)中，第i(i＝1,...,n)行的元素表示了在检测方法X_i的离线考核验证结果中，属于Y₁、Y₂、Y₃、Y₄的比例分布；第j(j＝1,2,3,4)列的元素则表示了各检测方法的考核验证结果在情形Y_j中的比例分布情况。

第二步：修正矩阵，计算综合决策结果

对矩阵每列元素相乘有

由式(1)中各个所求的值有下述方程，

对方程求解可得α的值，代入式(4)

其中，j＝1,2,3，4，计算出最大修正值，与之相对应的Y_j即为综合决策的结果。(例如，代入Y₄所得到的修正值最大，则决策结果为Y₄)

第三步：综合决策阶段，估计故障时间

同时应用n种故障检测方法X₁,X₂,…,X_n，经过k次试验方法X₁检测出故障的时间为T1₁、T1₂、…、T1_k，方法X₂检测出故障的时间为T2₁、T2₂、…、T2_k，以此类推方法X_n检测出故障的时间为Tn₁、Tn₂、…、Tn_k，当其中某种方法没有检测出故障时，设其时间为0,由检测时间组成的时间向量为 设由检测时间组成的矩阵表示为

对于矩阵T中的每一个列向量找出最大的一个元素，例如T1₁≤T2₁≤…≤Tn₁则构造新的列向量这样可以得到一个新的偏差矩阵

对T进行归一化处理可以得到矩阵

对于某一次故障检测，设X₁方法检测出故障的时间为t₁，X₂方检测出故障的时间为t₂，…，X_n方检测出故障的时间为t_n，为了便于说明不妨设t₁≤t₂≤…≤t_n(若没有检测出故障则认为t为0这里为了便于说明设t₁≠0)，构造矩阵

对于矩阵t第一行1，0，…，0表示方法X₁在t₁时刻监测到故障，此时方法X₂、X₃、…、X_n没有检测出故障用0表示。同样道理，矩阵t第二行1,1，…，0表示t₂时刻方法X₁与X₂检测到故障方法其他方法没有检测到故障，t的第三行1,1,1，0，…，0表示在t₃时刻X₁、X₂、X₃三种方法都检测到了故障，其他方法没有检测到故障，矩阵t其他各行情况以此类推。

设向量对x的每一行求和可以得到新的向量归一化有则故障发生时间估计值为

选取50组试验数据作为试验样本，提取4种检测方法的结果，此时特征空间为X＝(x₁,x₂,x₃,x₄)，利用选取数据按照第一步和第二步的方法求出统计信息。

以属于情况Y₄的一个样本X＝(0,0,1,1)为例说明决断过程。X＝(0,0,1,1)表示检测方法X₁和X₂判断发动机工作正常，检测方法X₃和X₄判断发动机出现故障，利用投票方法无法给出发动机是否出现故障。

综合决策过程如下：求得的先验信息表示为P(Y₁)＝0.2，P(Y₂)＝0.125，P(Y₃)＝0.05，P(Y₃)＝0.625。

由公式

其中j＝1,2,3，4，代入第二步所得到的条件概率有：

α(0.2×0.6+0.125×0.1+0.05×0.3+0.625×1.1)＝1,则α＝1.1976，结果代入公式(4)，可以得到4种状态的估计信息，见下表。利用表1中的数据，得出可知该测试样本检测结果属于Y₄即发动机出现故障，其中检测方法X₁和X₂判断结果有误，检测方法X₃和X₄正确判断出发动机发生故障，综合决策结果正确。

表1检测结果的估计信息

对于Y₄的一个检测样本(0，0，1，1)有检测出故障的时间为0、0、103s、105s，利用步骤四的计算方法可以得到故障发生的估计时间为

结果表明，该方法能够有效提高检测正确率。以此方法为基础，可以应用于其它系统的故障检测，具有较好的应用价值。

综上所述，虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明，任何本领域普通技术人员，在不脱离本发明的精神和范围内，当可作各种更动与润饰，因此本发明的保护范围当视权利要求书界定的范围为准。

Claims (1)

1.一种用于航天动力系统实时故障检测的综合决策方法，其特征在于，包括以下步骤：

步骤一：统计各种故障检测算法在离线考核验证过程中的先验结果信息；

a、其中共计使用m组航天动力系统的历史数据对检测方法X_i进行离线考核验证，其中，有m_i1组考核验证结果属于Y₁，有m_i2组考核验证结果属于Y₂，有m_i3组考核验证结果属于Y₃，有m_i4组考核验证结果属于Y₄，其中：m_i1+m_i2+m_i3+m_i4＝m，在检测结果中，计算得到属于Y₁的百分比为记为R(Y₁|X)，属于Y₂的百分比为记为R(Y₂|X)，属于Y₃的百分比为记为R(Y₃|X)，属于Y₄的百分比为记为R(Y₄|X)，并有

R(Y₁|X)+R(Y₂|X)+R(Y₃|X)+R(Y₄|X)＝1 (1)

b、对所有n种故障检测算法分别计算其结果，并写成矩阵的形式，有：

$R(Y,X)=\left[\begin{array}{cccc}R\left(Y_1\right|X_1)& R\left(Y_2\right|X_1)& R\left(Y_3\right|X_1)& R\left(Y_4\right|X_1)\\ R\left(Y_1\right|X_2)& R\left(Y_2\right|X_2)& R\left(Y_3\right|X_2)& R\left(Y_4\right|X_2)\\ ...& ...& ...& ...\\ R\left(Y_1\right|X_n)& R\left(Y_2\right|X_n)& R\left(Y_3\right|X_n)& R\left(Y_4\right|X_n)\end{array}\right]---\left(2\right)$

式(2)中，i＝1,...,n，第i行的元素表示了在检测方法X_i的离线考核验证结果中，属于Y₁、Y₂、Y₃、Y₄的比例分布；j＝1,2,3,4，第j列的元素则表示了各故障检测算法的考核验证结果在情形Y_j中的比例分布情况；

其中当系统工作状态正常，检测方法的故障检测结果也为“正常”，此类情形表示检测方法对航天动力系统的正常工作状态没有做出错误判断，记为Y₁；

当系统工作状态正常，而故障检测算法的故障检测结果为“故障”，此类情形表示故障检测算法对航天动力系统的正常工作状态做出了错误判断，即“误检”，记为Y₂；

当系统工作过程中出现故障，而故障检测算法的故障检测结果为“正常”，此类情形表示故障检测算法未能检测到航天动力系统工作过程中的故障，即“漏检”，记为Y₃；

当系统工作过程中出现故障，故障检测算法的故障检测结果也为“故障”，此类情形表示故障检测算法能正确检测到航天动力系统工作过程中的故障，记为Y₄；

步骤二：计算综合决策结果:对于试车试验中应用多种故障检测算法的结果，利用步骤一中的先验结果信息估计最优结果，给出决策结果，过程如下

对式(2)中的矩阵每列元素相乘有

$R(Y,X)=\left[\begin{array}{cccc}\underset{i=1}{\overset{n}{\Π}}R\left(Y_1\right|X_i)& \underset{i=1}{\overset{n}{\Π}}R\left(Y_2\right|X_i)& \underset{i=1}{\overset{n}{\Π}}R\left(Y_3\right|X_i)& \underset{i=1}{\overset{n}{\Π}}R\left(Y_4\right|X_i)\end{array}\right]---\left(3\right)$

由式(1)中各个所求的值有下述方程：

$1=\mathrm{\α}\left[\begin{array}{cccc}\underset{i=1}{\overset{n}{\Π}}R\left(Y_1\right|X_i)& \underset{i=1}{\overset{n}{\Π}}R\left(Y_2\right|X_i)& \underset{i=1}{\overset{n}{\Π}}R\left(Y_3\right|X_i)& \underset{i=1}{\overset{n}{\Π}}R\left(Y_4\right|X_i)\end{array}\right]\left[\begin{array}{c}R\left(Y_1\right|X)\\ R\left(Y_2\right|X)\\ R\left(Y_3\right|X)\\ R\left(Y_4\right|X)\end{array}\right]$

对方程求解可得α的值，代入式(4)

${\hat{Y}}_{opt}=max\{\underset{i=1}{\overset{n}{\Π}}R\left(Y_j\right|X_i)\·R\left(Y_k\right|X)\}---\left(4\right)$

其中，j＝1,2,3，4，计算出最大修正值，与之相对应的Y_j即为综合决策的结果；

步骤三：估计故障时间:通过试验得到各种故障检测算法的时间样本，对时间样本进行偏差分析计算诊断时间概率进而对故障诊断时间进行估计，过程如下：

同时应用n种故障检测方法X₁,X₂,…,X_n，经过k次试验方法X₁检测出故障的时间为T1₁、T1₂、…、T1_k，方法X₂检测出故障的时间为T2₁、T2₂、…、T2_k，以此类推，方法X_n检测出故障的时间为Tn₁、Tn₂、…、Tn_k，当其中某种方法没有检测出故障时，设其时间为0，由检测时间组成的时间向量为 设由检测时间组成的矩阵表示为：

$T=\left[\begin{array}{c}{T}_{X_1}\\ T_{X_2}\\ \·\\ \·\\ \·\\ T_{X_n}\end{array}\right]={\left[\begin{array}{cccc}T{1}_1& T{1}_2& ...& T{1}_k\\ T{2}_1& T{2}_2& ...& T{2}_k\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ {\mathrm{Tn}}_1& {\mathrm{Tn}}_2& ...& {\mathrm{Tn}}_k\end{array}\right]}_{n\×k}---\left(5\right)$

对于矩阵T中的每一个列向量找出最大的一个元素，例如T1₁≤T2₁≤…≤Tn₁则构造新的列向量这样可以得到一个新的偏差矩阵

$\mathrm{\Δ}T={\left[\begin{array}{cccc}\mathrm{\Δ}T{1}_1& \mathrm{\Δ}T{1}_2& ...& \mathrm{\Δ}T{1}_k\\ \mathrm{\Δ}T{2}_1& \mathrm{\Δ}T{2}_2& ...& \mathrm{\Δ}T{2}_k\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ {\mathrm{\ΔTn}}_1& {\mathrm{\ΔTn}}_2& ...& {\mathrm{\ΔTn}}_k\end{array}\right]}_{n\×k}---\left(6\right)$

对ΔT进行归一化处理可以得到矩阵：

$\mathrm{\Δ}\stackrel{\‾}{T}=\mathrm{\Δ}T={\left[\begin{array}{cccc}\mathrm{\Δ}\stackrel{\‾}{T}{1}_1& \mathrm{\Δ}\stackrel{\‾}{T}{1}_2& ...& \mathrm{\Δ}\stackrel{\‾}{T}{1}_k\\ \mathrm{\Δ}\stackrel{\‾}{T}{2}_1& \mathrm{\Δ}\stackrel{\‾}{T}{2}_2& ...& \mathrm{\Δ}\stackrel{\‾}{T}{2}_k\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \mathrm{\Δ}\stackrel{\‾}{T}{n}_1& \mathrm{\Δ}\stackrel{\‾}{T}{n}_2& ...& \mathrm{\Δ}\stackrel{\‾}{T}{n}_k\end{array}\right]}_{n\×k}---\left(7\right)$

对于某一次故障检测，设X₁方法检测出故障的时间为t₁，X₂方检测出故障的时间为t₂，…，X_n方检测出故障的时间为t_n，其中t₁≤t₂≤…≤t_n，构造矩阵

$t={\left[\begin{array}{cccc}1& 0& ...& 0\\ 1& 1& ...& 0\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ 1& 1& 1& 1\end{array}\right]}_{m\×m}---\left(8\right)$

对于矩阵t第一行1，0，…，0表示方法X₁在t₁时刻监测到故障，此时方法X₂、X₃、…、X_n没有检测出故障用0表示，同样道理矩阵t第二行1,1，…，0表示t₂时刻方法X₁与X₂检测到故障方法其他方法没有检测到故障，t的第三行1,1,1，0，…，0表示在t₃时刻X₁、X₂、X₃三种方法都检测到了故障，其它方法没有检测到故障，矩阵t其它各行情况以此类推；

设向量对x的每一行求和可以得到新的向量归一化有则故障发生时间估计值为