CN110032790A - 一种非侵入式微小卫星在轨自主健康状态监测方法 - Google Patents

Abstract

本发明提供了一种非侵入式微小卫星在轨自主健康状态监测方法，包括如下步骤：(1)提出需要采集的健康状态信息；(2)采集卫星各分系统的健康状态信息；(3)提取健康状态信息的健康特征；(4)根据健康特征进行卫星健康初判；(5)健康状态数据存储；(6)健康状态数据遥测下发。本发明可以有效降低和避免地面控制人员事后判读滞后性以及误判漏判高发的风险。另一方面，该发明采用单向读取卫星平台健康信息策略，可以有效避免增加健康管理模块带来的卫星综合控制平台耦合度和复杂度增大的问题。

Description

一种非侵入式微小卫星在轨自主健康状态监测方法

技术领域

本发明涉及卫星在轨健康状态监测技术，具体涉及一种非侵入式微小卫星在轨自主健康状态监测方法，属于微小卫星软件测试验证技术领域。

背景技术

随着航天技术的快速发展，微小卫星的应用领域不断拓展，在遥感、通信、深空探测、空间科学研究等诸多方面无不涉及。同时，由于航天技术的发展，小卫星在这些应用领域也可以完成更加复杂的任务，使得卫星平台和载荷的结构和功能也变得更加复杂，卫星各个分系统之间的耦合度也越来越大。虽然卫星发射前在地面开展了大量的软件测试、系统联试、各种大型环境试验等进行充分验证，但是，由于卫星研制成本和研制周期都有严格的限制，再有空间未知的恶劣环境等众多不确定因素，卫星发射入轨后依然可能出现各种异常，包括部分/全部功能失效、性能指标下降等。随着卫星长寿命、自主运行的发展趋势，卫星系统需要具备自主健康状态监测/自主故障监测功能，以对卫星系统进行严格地故障监测和诊断，以保证卫星在轨自主运行时的高可靠性和高安全性。

目前，设计的健康监测管理系统中缺乏有效充分的信息处理判断能力，大多是对卫星一些离散的关键状态量进行检查判断，而且主要以地面人工判断为主。在遇到异常时，地面测试人员提取数据库中的历史数据进行诊断分析后做决策处理，然后通过上行遥控指令将控制措施上传给在轨卫星，但是存在判断滞后，实时较弱等弊端，导致处置滞后，错过最佳故障修复时机。另外，由于地面工作人员要根据在轨卫星下行遥测数据进行判断，卫星遥测下行数据有时候受到天地链路空间电磁环境干扰会出现一定程度的误码，导致地面测控工作人员误判情况。虽然，现在一些研究人员也提出了智能健康监测思想，但是多停留在方案论证阶段，例如在进行故障诊断/健康状态判断时使用神经网络、贝叶斯网络等需要复杂运算量的人工智能推理技术。实际上，工程实践中能有效被运用的嵌入式在轨自主健康监测方案几乎没有。

目前在轨卫星健康状态的监测，主要是通过地面控制系统解析卫星测控弧段内遥测下行数据和弧段外的延时遥测数据进行。这是一种事后延迟监测系统，也就说如果卫星某个分系统发生异常，要等到星务管理软件采集到相关状态量，遥测处理软件对相关状态量安装遥测格式约定组帧组包，然后按照一定的包周期将此状态量遥测下发，地面长管人员接收到此状态量信息后进行解析判读以监测卫星状态健康与否。

一般来说，即使对于微小卫星，其遥测量也多达上千个。如果没有丰富的先验知识和精确的判据准则，对于异常状态遥测量往往难以及时监测和原因定位。同时，对于卫星部分单机、子系统出现性能下降的“亚健康状态”，这种人工健康状态监测方式难以奏效。所以，这种人工事后监测方式极易漏判错判，从而导致浅故障的深层次转移，最终导致卫星系统不可修复故障。

另一种卫星健康监测技术设计方式，是在卫星总体设计里将健康管理单元挂载到整星系统总线里，这种设计方式虽然具有一定的工程可行性。但是这种设计方式会较大地增加核心主控单元的运算处理开销、复杂度、系统间耦合度等，存在无法满足卫星主要任务的系统设计约束问题，或者带来新的可靠性、安全性问题，所以在低成本、低功耗的卫星平台，尤其是低成本的微小卫星难以适用。

发明内容

为了解决上述技术问题，本发明提供了一种非侵入式微小卫星在轨自主健康状态监测方法，包括如下步骤：

步骤1：提出需要采集的健康状态信息；

步骤2：采集卫星各分系统的健康状态信息；

步骤3：提取健康状态信息的健康特征；

步骤4：根据健康特征进行卫星健康初判；

步骤5：健康状态数据存储；

步骤6：健康状态数据遥测下发。

进一步地，步骤1中，第一方面收集已发射的相关或相似卫星的资料，第二方面收集卫星运行环境方面的资料，第三方面收集卫星总体及各分系统的资料，结合以上三方面收集的各项资料，确定卫星故障模式。

进一步地，步骤1中，从危害度、故障频度、可检测性以及易检测性方面对卫星故障模式进行分析，利用分析结果从卫星故障模式中筛选出星上自主检测的故障模式，并提出需要采集的健康状态信息。

进一步地，步骤2中，对采集到的健康状态信息进行预处理，从而获取有用信息。

进一步地，步骤2中，对于高频的信号采用取中位的方法预处理，对于低频的信号采用FIR滤波的方法预处理。

进一步地，步骤3中，对间接信号中所包含的健康特征进行提取，间接信号是指不能直接用于判断系统健康状态的信号。

进一步地，步骤4包括：步骤(a)对健康监测特征提取的定性信号实现搜索；以及，步骤(b)在轨实时健康状态初判。

进一步地，步骤(a)包括：对卫星分系统健康节点进行故障树排序，当分系统的健康状况异常时可以依照健康节点因果序对系统可能出现故障的模块进行搜索，使健康状态监测装置能够尽快进行故障定位。

进一步地，步骤(b)包括：读取健康监测特征信号，进行基本阈值判断，确定健康状态信息。

进一步地，如果健康状态良好则直接将相关健康信号进行缓存，如果判断健康状态较差，则搜索健康节点序列进行健康评估与初判。

本发明的有益效果：本发明为一种非侵入式微小卫星在轨实时健康状态监测方法，可以根据定制方案实时地非侵入式读取卫星平台的健康状态信号，进行嵌入式在线初判并将定制的健康信号进行数传下行发送。本发明可以有效降低和避免地面控制人员事后判读滞后性以及误判漏判高发的风险。另一方面，本发明采用单向读取卫星平台健康信息策略，可以有效避免在传统设计方案中增加健康管理模块带来的卫星综合控制平台耦合度和复杂度增大的问题。

附图说明

图1是本发明一种非侵入式微小卫星在轨实时健康状态监测方法的总体实施流程图；

图2是本发明一种非侵入式微小卫星在轨实时健康状态监测方法中建立健康节点列表的流程图；

图3是本发明一种非侵入式微小卫星在轨实时健康状态监测方法中在轨实时健康状态判定流程图。

具体实施方式

除非另作定义，本专利的权利要求书和说明书中所使用的技术术语或者科学术语应当为本专利所属技术领域内具有一般技能的人士所理解的通常意义。

本发明是一种微小卫星在轨实时健康状态监测方法。基于卫星特殊运行环境在星上有限的时空资源条件下进行的对星上关键状态进行准确地实时监测，对于发生的异常状态信息及时数传下发。同时，通过采用非侵入式设计，被监测系统核心主控模块不会受到监测模块的干扰以保证被监测系统的正常高效运行。具体方案如下：

步骤1：健康状态信号筛选

对卫星健康状态进行监测，必须采集到能反映系统健康状态的信息，因此首先进行健康信息的筛选，在此过程中应着重考虑信息选取的必要性及完备性。

先收集已发射的相关或相似卫星的FMEA(Failure Mode and Effect Analysis,失效模式和影响分析)、FMECA(Failure Mode Effects and Criticality Analysis, 故障模式、影响及危害性分析)表格，同时收集卫星运行环境方面的资料，包括导航卫星运行空间环境资料(辐射环境、地磁环境等)以及卫星与其它大系统之间的接口信息等。另一方面，深入了解卫星总体及各分系统(包括姿轨控、测控、综合电子、能源、数传等)的设计方案，结合收集的卫星故障信息等资料，确定卫星的故障模式。见下表1。

表1卫星故障模式

从危害度、故障频度、可检测性以及易检测性等几个方面对卫星的故障模式进行分析。利用分析结果从上述故障模式中筛选出星上自主检测的故障模式，并提出需要采集的表征故障信息的信号。

表2星上检测的故障模式及需采集的信号

步骤2：采集星上各分系统健康状态信息

由于各传感器信号采集和传输过程中，信号将受到干扰，其中可能包含野值或被噪声淹没，不能准确反映系统当前的工作状态。因此对采集到的信号采用剔野、滤波等预处理手段从而获取有用信息。针对信号的不同特点，采取相应的处理方法。对于频率较高的信号(如陀螺输出信号)可以采用取中位的方法，对于低频的信号可以采用FIR滤波的方法。

此外，仅通过当前的信号不能完全判断出系统的健康状态，还需用到大量的历史数据。即要实现系统的自主健康必须要完成大量的历史数据在星上的存储，而受到星上资源的限制，必须考虑存储数据的刷新率。

另外，所有待进行健康状态监测的信息(遥测数据、传感器数据)由卫星平台向在健康监测系统的直接单向输入，健康监测系统不从向卫星主控平台输入任何健康信息数据和标志，

步骤3：各健康状态信号的健康特征提取

部分采集信号可以直接用于系统健康状态的判断，例如供电电压、电流以及温度等。另外一部分信号(例如反作用轮转速、卫星姿态信息等)并不能直接用于系统健康状态的判断，需要对信号中所包含的系统健康特征进行提取，之后才能进行系统健康状态的诊断和评估。后一部分信号根据其对应特征模型的输入输出状态又可以分为两类，已知输入输出和已知输出。两类信号采用不同的方法进行特征提取，以姿轨控系统为例，采集信号、故障特征及特征提取方法如下表所示。

表3故障特征及提取方法

序号	采集信号	特征提取方法	故障特征
				1	反作用轮转速\卫星姿态	贝叶斯滤波	反作用轮卡死
2	推进指令\卫星姿态	贝叶斯滤波	推力器泄漏
				3	陀螺输出信号\卫星姿态	独立分量分析	陀螺故障\陀螺性能下降

(a)对于在概率密度函数精确已知的假设，并认为子系统是已知输入已知输出这一情况下，实现特征提取的关键技术是采用贝叶斯滤波的框架理论来进行系统辨识

(b)对于基于盲信号处理的敏感器模型，由于输入未知，所以不能对输入的概率密度函数有任何显式的先验知识，可以使用的假设也就是所有信号之间统计独立、信号组与组之间统计独立、与信号之间不相关。首先是最严格的假设，信号统计独立。并假设有多个传感器同时测量多个量，并假定混合是线性的，采用的关键技术独立分量分析。

步骤4：卫星健康初判

卫星健康初判所要实现的目标是根据健康监测信号对卫星系统进行初步的健康评估和判定。实施步骤包括：

(a)对健康监测特征提取的定性信号实现搜索

对卫星分系统健康节点进行故障树排序，当分系统的健康状况异常时可以依照健康节点因果序对系统可能出现故障的模块进行搜索，使健康状态监测装置能够尽快进行故障定位。建立健康节点列表的流程如图2所示。

(b)在轨实时健康状态初判

读取健康监测特征信号，进行基本阈值判断，确定健康状态信息，如果健康状态良好则直接将相关健康信号进行缓存，如果判断健康状态较差，则搜索健康节点序列进行健康评估与初判，最后缓存健康结果，以供数传通道直接读取相关健康信息下发。如图3所示。

步骤5：健康状态数据存储

健康数据存储实现在线健康状态遥测输入数据缓存、健康状态初判处理结果、数据存储以及核心处理器配置信息的存储。包括健康状态中间结果、最终结果的缓存、核心处理器配置信息的存储等。

步骤6：健康状态遥测下发

卫星数传通道读取健康状态信息存储的数据进行直接下发。地面控制人员每周期解析下行链路下发的健康状态信息结合地面高性能数据处理中心进行综合分析，以进行进一步的卫星健康或者亚健康的判定。

该发明可以极大地减少卫星长期在轨运行期间的人力成本，又可以准确的实时监测到卫星运行状态，阻止故障扩散，防止健康状态恶化，为故障处理提供依据，对微小卫星在轨的综合保障和维护提供有效支撑。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种非侵入式微小卫星在轨自主健康状态监测方法，其特征在于，包括如下步骤：

步骤1：提出需要采集的健康状态信息；

步骤2：采集卫星各分系统的健康状态信息；

步骤3：提取所述健康状态信息的健康特征；

步骤4：根据所述健康特征进行卫星健康初判；

步骤5：健康状态数据存储；

步骤6：健康状态数据遥测下发。

2.根据权利要求1所述的一种非侵入式微小卫星在轨自主健康状态监测方法，其特征在于，步骤1中，第一方面收集已发射的相关或相似卫星的资料，第二方面收集卫星运行环境方面的资料，第三方面收集卫星总体及各分系统的资料，结合以上三方面收集的各项资料，确定卫星故障模式。

3.根据权利要求2所述的一种非侵入式微小卫星在轨自主健康状态监测方法，其特征在于，步骤1中，从危害度、故障频度、可检测性以及易检测性方面对所述卫星故障模式进行分析，利用分析结果从所述卫星故障模式中筛选出星上自主检测的故障模式，并提出所述需要采集的健康状态信息。

4.根据权利要求1所述的一种非侵入式微小卫星在轨自主健康状态监测方法，其特征在于，步骤2中，对采集到的所述健康状态信息进行预处理，从而获取有用信息。

5.根据权利要求4所述的一种非侵入式微小卫星在轨自主健康状态监测方法，其特征在于，步骤2中，对于高频的信号采用取中位的方法预处理，对于低频的信号采用FIR滤波的方法预处理。

6.根据权利要求1所述的一种非侵入式微小卫星在轨自主健康状态监测方法，其特征在于，步骤3中，对间接信号中所包含的健康特征进行提取，所述间接信号是指不能直接用于判断系统健康状态的信号。

7.根据权利要求1所述的一种非侵入式微小卫星在轨自主健康状态监测方法，其特征在于，步骤4包括：步骤(a)对健康监测特征提取的定性信号实现搜索；以及，步骤(b)在轨实时健康状态初判。

8.根据权利要求7所述的一种非侵入式微小卫星在轨自主健康状态监测方法，其特征在于，步骤(a)包括：对卫星分系统健康节点进行故障树排序，当分系统的健康状况异常时可以依照健康节点因果序对系统可能出现故障的模块进行搜索，使健康状态监测装置能够尽快进行故障定位。

9.根据权利要求7所述的一种非侵入式微小卫星在轨自主健康状态监测方法，其特征在于，步骤(b)包括：读取健康监测特征信号，进行基本阈值判断，确定健康状态信息。

10.根据权利要求9所述的一种非侵入式微小卫星在轨自主健康状态监测方法，其特征在于，如果健康状态良好则直接将相关健康信号进行缓存，如果判断健康状态较差，则搜索健康节点序列进行健康评估与初判。