CN112152698B - 一种遥感卫星地面站健康监控系统及方法 - Google Patents

Abstract

本发明提供一种遥感卫星地面站健康监控系统及方法，其中的监控系统包括数据采集处理单元，故障诊断单元，全生命周期管理单元，健康状态监测单元和健康状态预测单元，能实现对遥感卫星地面站中各类监测数据的采集、测试、故障和性能分析，从而完成遥感卫星地面站设备级、系统级和地面站级的健康管理。本发明的以上方案，能够形成通用化遥感卫星地面站的故障诊断方案，实现设备故障全生命周期管理、系统的健康监测和预测能力，保证系统处于良好的状态，进而达到减小遥感卫星地面站系统维护工作量和复杂度，提高运行效率的目的。

Description

一种遥感卫星地面站健康监控系统及方法

技术领域

本发明涉及遥感卫星数据接收技术领域，具体地，涉及一种遥感卫星地面站健康监控系统及方法。

背景技术

遥感卫星向高分辨率和空间组网发展，随之而来的是遥感卫星数量和对地数传数据量及传输速率的大幅提高。为了满足遥感卫星的数据下传需求，遥感卫星地面站的规模日益庞大，进而导致站内系统的复杂度呈几何级增长，系统维护难度加大。此外，遥感卫星地面站包含各类专业设备，如天伺馈系统涉及机械、自动化、信号处理等专业；信道系统涉及通信、电子等专业，遥感卫星地面站的操作人员很难具备对全部系统的维护能力，进一步加大了系统维护的难度。

目前国内遥感卫星地面站普遍采用故障诊断系统辅助系统的维护，即通过对故障经验的整理分析，形成专家知识，然后通过专家系统来完成系统的故障诊断。故障诊断系统为遥感卫星地面站的维护提供了很大的便利，但是由于其局限性，导致其无法满足现阶段遥感卫星地面站的需求，主要体现在以下三个方面：

1、目前的故障诊断系统为定制系统，通用性较差，仅仅针对特定系统的故障进行知识提取和诊断，而面对遥感卫星地面站规模快速增长，设备数量和复杂度快速提高的情况，需要对其进行改造之后才能使用。

2、目前缺少对设备和故障的全生命周期管理能力，无法有效的监测设备投入使用后的运行维护状态，也无法有效追踪各类故障的处置情况。

3、故障诊断系统仅仅具备事后的故障辅助分析能力，无法全面的监测遥感卫星地面站的健康状态，如：设备的磨损老化，电子器件工作不稳定带来的潜在风险，也无法分析系统健康状态对系统和运行带来的影响和相应的处置建议。

基于上述原因，需要对遥感卫星地面站的健康监控方式进行改进。

发明内容

本发明实施例旨在提供一种遥感卫星地面站健康监控系统和方法，搭建遥感卫星地面站健康监控体系，以解决现有技术中的遥感卫星地面站健康监控方式通用性差、维护困难且运行效率低的技术问题。

为此，本发明提供一种遥感卫星地面站健康监控系统，包括：

数据采集处理单元，用于采集遥感卫星地面站的各类监测数据，并对所述监测数据进行解析处理以形成结构化数据；

故障诊断单元，用于基于所述结构化数据和知识库中各类故障诊断方法完成遥感卫星地面站中任务和设备的故障诊断并形成诊断结果；

全生命周期管理单元，用于依据不同时间点的诊断结果对遥感卫星地面站的任务和设备故障进行追踪管理，同时追踪设备生命周期内的各关键节点状态，形成设备全生命周期的追踪管理结果；

健康状态监测单元，用于对遥感卫星地面站中的设备进行建模形成健康模型，所述健康模型包括设备级健康模型、系统级健康模型和站级健康模型；依据不同级健康监测模型和所述结构化数据对相应的设备、系统和地面站进行健康监测，并按需进行健康体检，进而完成遥感卫星地面站的健康状态监测；

健康状态预测单元，用于通过遥感卫星地面站的健康状态监测结果对遥感卫星地面站的健康状态进行趋势分析和健康状态预测，并提供维修决策支持。

可选地，上述的遥感卫星地面站健康监控系统，所述数据采集处理单元包括：

数据采集模块，用于实时采集遥感卫星地面站各设备产生的各类监测数据；

数据解析模块，用于按照预定的协议格式将所述各类监测数据解析为对应的物理参数；

数据预处理模块，用于对解析得到的物理参数进行预处理，得到标准化监测数据；预处理包括但不限于量纲统一、时标修正和差分处理；

特征提取模块，用于从所述标准化监测数据中提取关键监测数据，根据实际需求将多类关键监测数据融合得到与实际需求相符合的关键特征参数；

数据格式化模块，用于将所述关键特征参数按时间对齐，形成标准化特征矢量作为所述结构化数据；

数据存储分发模块，用于存储所述标准化特征矢量，并依需求分发所述标准化特征矢量。

可选地，上述的遥感卫星地面站健康监控系统，所述故障诊断单元包括：

自动化测试模块，用于自动化配置和调度各类功能和性能测试，并采集分析测试数据，生成测试结果；

知识库模块，用于实现知识库中各类故障诊断方法的检索、增加、删除、编辑以及备份操作；

设备故障诊断模块，用于根据故障诊断方法、所述结构化数据以及所述测试结果，对设备进行实时故障诊断，并生成设备故障诊断结果；

任务故障诊断模块，用于自动分析任务的执行状态，对于发现故障的任务进行诊断分析，并生成任务故障诊断结果，所述任务故障诊断结果和设备故障诊断结果形成所述诊断结果。

可选地，上述的遥感卫星地面站健康监控系统，所述全生命周期管理单元包括：

故障追踪模块，用于对任务故障诊断结果和设备故障诊断结果进行跟踪，包括但不限于故障上报、故障处置流程和故障处置结果；

故障知识提取模块，用于统计、分析和提炼任务故障诊断结果和设备故障诊断结果中的故障信息并得到与故障信息对应的处置方法，形成故障案例、故障树和专家知识；

设备维管模块，用于对设备的整个生命周期的关键节点管理，并统计分析设备的关键指标以形成设备全生命周期的追踪管理结果；其中，关键节点包括但不限于投入使用、升级、维修和报废，关键指标包括但不限于对设备的运行状态、性能和故障率。

可选地，上述的遥感卫星地面站健康监控系统，健康状态监测单元包括：

健康模型管理模块，用于构建和管理设备级健康模型、系统级健康模型和站级健康模型；

健康评估模块，用于根据各类监测数据、设备级健康模型、系统级健康模型及站级健康模型，采用预设权重策略及评估算法对设备、系统和地面站的健康状态进行评估得到健康评估结果；

性能评估模块，用于根据所述健康状态评估结果和关键性能指标定量评估设备、系统和遥感卫星地面站的性能并得到性能评估结果；

健康体检模块，用于定期或根据所述健康评估结果和性能评估结果自动完成设备、系统和地面站的健康状态评估，并形成健康体检报告；

健康状态展示模块，用于展示所述系统健康状态。

可选地，上述的遥感卫星地面站健康监控系统，所述健康状态预测单元包括：

趋势分析模块，用于连续监测设备工作状态和系统关键性能指标，形成设备状态和系统性能的趋势分析报告，比对同型号和同类型非同型号设备的设备状态得到横向趋势分析结果；

能力预测模块，用于预先诊断设备或系统的健康状态得到健康状态监测结果，预测设备或系统正常运行的时间，同时预测设备或系统对未来任务的执行能力；

维修决策模块，用于根据设备或系统的健康状态，同时结合设备或系统对未来任务的执行能力，提供维修决策支持。

本发明还提供一种遥感卫星地面站健康监控方法，包括如下步骤：

采集遥感卫星地面站的各类监测数据，并对所述监测数据进行解析处理以形成结构化数据；

基于所述结构化数据和知识库中各类故障诊断方法完成遥感卫星地面站中任务和设备的故障诊断并形成诊断结果；

依据不同时间点的诊断结果对遥感卫星地面站的任务和设备故障进行追踪管理，同时追踪设备生命周期内的各关键节点状态，形成设备全生命周期的追踪管理结果；

对遥感卫星地面站中的任务和设备的健康状态进行建模形成健康模型，所述健康模型包括设备级健康模型、系统级健康模型和站级健康模型；依据不同级健康监测模型和所述结构化数据对相应的设备、系统和地面站进行健康监测，并按需进行健康体检，进而完成遥感卫星地面站的健康状态监测；

通过遥感卫星地面站的健康状态监测结果对遥感卫星地面站的健康状态进行趋势分析和健康状态预测，并提供维修决策支持。

可选地，上述的遥感卫星地面站健康监控方法：

采集遥感卫星地面站的各类监测数据，并对所述监测数据进行解析处理以形成结构化数据的步骤具体包括：实时采集遥感卫星地面站各设备产生的各类监测数据；按照预定的协议格式将所述各类监测数据解析为对应的物理参数；对解析得到的物理参数进行预处理，得到标准化监测数据；预处理包括但不限于量纲统一、时标修正和差分处理；从所述标准化监测数据中提取关键监测数据，根据实际需求将多类关键监测数据融合得到与实际需求相符合的关键特征参数；将所述关键特征参数按时间对齐，形成标准化特征矢量作为所述结构化数据；存储所述标准化特征矢量，并依需求分发所述标准化特征矢量；

基于所述结构化数据和知识库中各类故障诊断方法完成遥感卫星地面站中任务和设备的故障诊断并形成诊断结果的步骤具体包括：自动化配置和调度各类功能和性能测试，并采集分析测试数据，生成测试结果；实现知识库内各类故障诊断方法的检索、增加、删除、编辑以及备份操作；根据故障诊断方法、所述结构化数据以及所述测试结果，对设备进行实时故障诊断，并生成设备故障诊断结果；自动分析任务的执行状态，对于发现故障的任务进行诊断分析，并生成任务故障诊断结果，所述任务故障诊断结果和设备故障诊断结果形成所述诊断结果。

可选地，上述的遥感卫星地面站健康监控方法：

依据不同时间点的诊断结果对遥感卫星地面站的任务和设备故障进行追踪管理，同时追踪设备生命周期内的各关键节点状态，形成设备全生命周期的追踪管理结果的步骤具体包括：对任务故障诊断结果和设备故障诊断结果进行跟踪，包括但不限于故障上报、故障处置流程和故障处置结果；统计、分析和提炼任务故障诊断结果和设备故障诊断结果中的故障信息并得到与故障信息对应的处置方法，形成故障案例、故障树和专家知识；对设备的整个生命周期的关键节点管理，并统计分析设备的关键指标以形成设备全生命周期的追踪管理结果；其中，关键节点包括但不限于投入使用、升级、维修和报废，关键指标包括但不限于对设备的运行状态、性能和故障率；

对遥感卫星地面站中的设备进行建模形成健康模型，所述健康模型包括设备级健康模型、系统级健康模型和站级健康模型；依据不同级健康监测模型和所述结构化数据对相应的设备、系统和地面站进行健康监测，并按需进行健康体检，进而完成遥感卫星地面站的健康状态监测的步骤具体包括：构建和管理设备级健康模型、系统级健康模型和站级健康模型；根据各类监测数据、设备级健康模型、系统级健康模型及站级健康模型，采用预设权重策略及评估算法对设备、系统和地面站的健康状态进行评估得到健康评估结果；根据所述健康状态评估结果和关键性能指标定量评估设备、系统和遥感卫星地面站的性能并得到性能评估结果；定期或根据所述健康评估结果和性能评估结果自动完成设备、系统和地面站的健康状态评估，并形成健康体检报告；展示所述系统健康状态。

可选地，上述的遥感卫星地面站健康监控方法：

通过遥感卫星地面站的健康状态监测结果对遥感卫星地面站的健康状态进行趋势分析和健康状态预测，并提供维修决策支持的步骤具体包括：

连续监测设备工作状态和系统关键性能指标，形成设备状态和系统性能的趋势分析报告，比对同型号和同类型非同型号设备的设备状态得到横向趋势分析结果；

预先诊断设备或系统的健康状态得到健康状态监测结果，预测设备或系统正常运行的时间，同时预测设备或系统对未来任务的执行能力；

根据设备或系统的健康状态，同时结合设备或系统对未来任务的执行能力，提供维修决策支持。

本发明实施例提供的上述技术方案与现有技术相比，至少具有如下技术效果：

本发明实施例提供的遥感卫星地面站健康监控系统及方法，能够形成通用化遥感卫星地面站的故障诊断方案，实现设备故障全生命周期管理、系统的健康监测和预测能力，保证系统处于良好的状态，进而达到减小遥感卫星地面站系统维护工作量和复杂度，提高运行效率的目的。

附图说明

图1为遥感卫星地面站系统组成示意图；

图2为本发明一个实施例所述的遥感卫星地面站健康监控系统结构示意图；

图3为本发明一个实施例所述的数据采集处理单元框图；

图4为本发明一个实施例所述的故障诊断单元框图；

图5为本发明一个实施例所述的全生命周期管理单元框图；

图6为本发明一个实施例所述的健康状态监测单元框图；

图7为本发明一个实施例所述的健康状态预测单元框图；

图8为本发明一个实施例所述的遥感卫星地面站健康监控方法的流程示意图。

具体实施方式

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个组件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

如图1所示，遥感卫星地面站可包括多个系统，如天伺馈系统、信道系统、记录系统、技术支持系统和测试系统，其中每一系统中均包括多个设备，如天伺馈，光端机、变频器、解调器、各种开关、记录器、气象站、调制器等等。

本发明一个实施例提供一种遥感卫星地面站健康监控系统，如图2 所示，包括：

数据采集处理单元110，用于采集、解析和处理各类监测数据，形成结构化数据供健康监控系统使用，是整个健康监控系统的数据层。

故障诊断单元120，用于基于结构化的数据和知识库中各类可自定义的故障处置方法完成任务和设备的故障诊断，该单元是在传统的故障诊断技术的基础上，通过使用结构化数据和插件化诊断算法实现故障诊断的灵活定制化。

全生命周期管理单元130，用于任务、设备故障和设备的全生命周期追踪管理，通过人工录入和自动采集，完成设备的全生命周期监测，同时提供故障追踪平台，完成故障的追踪处理。

健康状态监测单元140，用于对设备和系统进行健康建模形成健康模型，所述健康模型包括设备级健康模型、系统级健康模型和站级健康模型；依据不同级健康监测模型和所述结构化数据对相应的设备、系统和地面站进行健康监测，并进行健康体检，完成系统的健康状态监测，是健康数据的产生和展示层。

健康状态预测单元150，用于通过系统的健康状态完成系统趋势分析和能力预测，并针对系统健康问题提供维修决策支持，是健康数据的应用层。

本实施例提供的以上方案能够形成通用化遥感卫星地面站的故障诊断方案，实现设备故障全生命周期管理、系统的健康监测和预测能力，保证系统处于良好的状态，进而达到减小遥感卫星地面站系统维护工作量和复杂度，提高运行效率的目的。

优选地，如图3所示，数据采集处理单元110包括数据采集模块111、数据解析模块112、数据预处理模块113、特征提取模块114、数据格式化模块115和数据存储分发模块116。具体地：

数据采集模块111用于实时采集遥感卫星地面站各系统产生的各类监测数据。在本发明实例中的一些方案中，数据采集模块111通过TCP/IP 和UDP协议采集各类设备状态信息，状态信息采用Protocol Buffers数据结构协议封装，具体包括温度、电流、电压等设备硬件信息以及光功率、信噪比等设备专业参数，此外，数据采集模块111还通过FTP协议采集任务计划信息、任务过程数据等XML文件数据。

数据解析模块112，用于按照协议格式，将数据采集模块111采集到的各类监测数据解格式，并解析为对应的物理参数。在本发明实例中，数据解析模块112解析ProtocolBuffers数据结构，并按照设备类型将解析出的结果与设备监控协议逐一对应，得到其物理量；同时数据解析模块112使用XMLParser完成任务计划信息、任务过程数据等XML文件的解析。

数据预处理模块113，用于对解析得到的物理参数进行量纲统一、时标修正、差分等预处理，得到标准化的监测数据；在本发明实例中，将各类物理参数的量纲统一，例如：电流统一为mA，电压统一为mV，信号电平统一为dBm等；对时标进行修正，对采集到时标不为整数秒的数据进行时标修正，将其映射到整数秒；对于关注变化量的状态，对其做差分处理，得到变化值。

特征提取模块114，用于从标准化监测数据中选取关键特征参数，并根据需要融合多类参数，计算得到关键特征参数；在本发明实例中，从设备状态信息中提取信噪比、失锁计数等关键特征参数，同时综合各类参数计算得到跟踪进度、指向精度、信号强度曲线等综合关键特征参数。

数据格式化模块115，用于将提取出的特征参数按时间对齐，形成标准化的特征矢量；在本发明实例中，将同一时刻的各类状态参数按照信号流向形成一维状态矢量。

数据存储分发模块116，用于存储和按需分发标准化特征矢量。将格式化得到的状态矢量以时标为主键存入MYSQL数据库中，同时将状态矢量发布到RocketMQ中，供其他模块使用。

进一步优选地，如图4所示，故障诊断单元包括自动化测试模块121、知识库模块122、设备故障诊断模块123和任务故障诊断模块124。其中：

自动化测试模块121用于自动化配置、调度完成各类功能和性能测试，并采集分析测试数据，生成测试结果，在本发明实例中，自动化测试模块121根据设备故障诊断模块123、任务故障诊断模块124和健康状态监测单元140的测试申请，自动生成并执行各类测试，主要包括：天线运动范围测试、G/T值测试、链路性能测试、信道平坦度测试、误码率测试等。

知识库模块122，用于实现知识库中各类故障诊断方法如故障诊断所需的阈值、标准知识、故障树和专家知识等的检索、增加、删除、编辑、备份。在本发明实例中，知识抽象为数据结构，在数据库中存储管理，其中：故障诊断所需的阈值以Key-Value键值对的形式存放在数据库中，可以通过对数据库的操作完成阈值知识的管理；标准知识主要包括天线运动范围指标、G/T值指标、平坦度指标、解调理论值等，同样通过数据库管理；故障树则抽象为故障树节点和连接之间的关系，并在数据库中存储管理。

设备故障诊断模块123，用于根据预设阈值、故障树、专家知识和测试结果，对设备进行实时故障诊断，并生成设备故障诊断报告；在本发明实例中，对于简单的参数，如温度、电流、电压等采用阈值判断的方式，当超出阈值范围时，判定为设备故障；对于其他参数，采用故障树的方式进行诊断，以数据采集处理单元110分发的状态矢量为底事件，依据对应的故障树，通过对底事件的各种逻辑运算(与、或等)，可推导出设备单元或模块的故障，在必要的情况下，还可发起自动化测试申请，进一步结合测试结果，完成设备的故障诊断。

任务故障诊断模块124，用于自动分析任务的执行状态，对于发现故障的任务，通过自动化测试等进行进一步的诊断分析，并生成任务故障诊断报告。在本发明实例中，任务故障诊断首先通过专家知识对任务中的任务执行步骤、跟踪情况、接收情况、监测点告警情况、关键日志等各类检查项进行分析检查，生成接收情况报告；对于接收异常的任务，通过故障树，进一步分析判断异常的原因，并在必要的情况下，发起自动化测试，通过测试结果定位分析故障原因，生成任务故障诊断报告。

进一步地，如图5所示，全生命周期管理单元130包括故障追踪模块131、故障知识提取模块132和设备维管模块133。具体的：

故障追踪模块131用于任务和设备故障信息的交互，包括故障上报、故障处置流程、故障处置结果等信息。在本发明实例中，故障追踪模块 131基于成熟的开源bug追踪系统Mantis Bug Tracker进行二次开发，故障追踪模块131包含用户、专家和管理员三类角色，用户将系统运行过程中出现的问题及相应的日志等信息分发给指定专家，由专家给予解答，最后由管理员确认闭环。

故障知识提取模块132用于统计、分析和提炼故障信息及处置方法，形成故障案例、故障树和专家知识。在本发明实例中，故障知识提取模块132统计分析故障追踪模块131中记录的故障处置信息，形成和具体业务联密切，可用于系统整体分析诊断的知识集，对于典型的故障还可以将其知识集归纳为故障案例和故障树，供故障诊断单元使用。

设备维管模块133用于对设备从投入使用、升级、维修到报废处理的整个生命周期的关键节点管理，同时统计分析设备的运行状态、性能、故障率等关键指标。在本发明实例中，设备维管模块133自动将设备投入使用、升级、维修、报废各个阶段的信息存入数据库，同时统计分析各类设备运行时间、故障的频次及故障原因等信息，定期生成设备维管报告。

较佳地，如图6所示，健康状态监测单元140包括健康模型管理模块141、健康评估模块142、性能评估模块143、健康体检模块144和健康状态展示模块145。具体的：

健康模型管理模块141用于构建和管理设备级、系统级和站级健康模型。在本发明实例中，将设备的监测点按类别、模块以故障树的形式构建模型，计算每个节点值与理论阈值之间的关系得到向上级节点的转移权重，即为设备的健康模型；系统级和站级健康模型则是以设备健康模型为叶节点，综合系统和站内的架构设计，得到的故障树即为其健康模型。

健康评估模块142用于根据各类监测数据和健康模型等进行综合分析，采用合适的权重策略及评估算法对设备、系统和遥感卫星地面站的健康状态进行评估。在本发明实例中，利用健康模型管理模块构建的健康模型，结合各类监测数据，完成健康状态的评估。系统健康状态分为健康、亚健康、故障和失效四个等级，其中：健康表示设备所有监测点状态均正常；亚健康表示设备部分监测点异常，但是对设备未造成影响；故障表示设备部分监测点异常，并导致部分模块异常，但是该模块有备份或者不影响设备其它模块正常工作；失效表示设备已无法正常工作。以上权重策略和评估算法可以由专家给出或依据历史经验确定。

性能评估模块143用于根据系统关键性能指标定量评估设备、系统和遥感卫星地面站的系统性能。在本发明实例中，针对关键设备如天线和解调器，进行天线运动范围和解调器解调损耗性能评估，针对系统和遥感卫星地面站，进行G/T值、跟踪精度、指向精度、带内平坦度、链路性能等性能评估。

健康体检模块144用于定期或根据健康评估和性能评估结果自动组织完成系统测试，并形成健康体检报告。在本发明实例中，当健康体检模块144侦测到系统健康状态或系统性能发生变化时，会自动发起相应的测试，并结合健康模型形成健康体检报告。

健康状态展示模块145，用于以图形和表格的形式展示系统健康状态。在本发明实例中，使用柱状图展示每台设备的健康状态，使用拟合曲线展示各性能指标的状态，同时提供综合界面，展现健康体检的结果。

进一步优选地，如图7所示，健康状态预测单元150包括趋势分析模块151、能力预测模块152和维修决策模块153。更具体地：

趋势分析模块151用于连续监测设备的工作状态和系统的关键性能指标，形成设备状态和系统性能的纵向趋势分析，同时完成同型号和同类型非同型号设备之间的横向趋势分析。在本发明实例中，纵向趋势分析为时间序列趋势分析，通过统计分析一定周期内同频段、同角度、同环境等同一影响因素下所有任务的指向偏差和跟踪精度，得到天线的指向精度、跟踪精度的趋势分析；通过统计分析一定周期内同一影响因素下所有任务的某一仰角下时的Eb/N0值，得到信噪比的趋势分析；横向趋势分析为同类设备趋势分析，通过对比分析同一任务中同型号和不同信号设备间载波偏移、信噪比等关键指标，得到不同设备之间的横向趋势分析。

能力预测模块152用于预先诊断设备或系统的健康状态，预测设备或系统正常运行的时间，同时用于预测对未来任务的执行能力。在本发明实例中，采用基于数据驱动的能力预测技术，其不需要设备和系统精确地物理模型和先验知识，以采集的历史数据为基础，通过机器学习、神经网络等数据分析处理方法挖掘其中的隐含信息进行预测。

维修决策模块153用于根据系统健康和性能评估结果，同时结合能力预测情况，综合判断给出维修决策支持。在本发明实例中，维修决策模块实时采集健康状态监测单元产生的系统健康信息和能力评估结果，结合预设的专家知识，给出维修决策建议，同时还根据趋势分析和能力预测的结果，对可能出现的故障预先告警，并提供维保建议。

在本发明的一些实施例中还提供一种遥感卫星地面站健康监控方法，如图8所示，可包括如下步骤：

S1:采集遥感卫星地面站的各类监测数据，并对所述监测数据进行解析处理以形成结构化数据；形成的结构化数据供健康监控系统使用。

S2:基于所述结构化数据和知识库中各类故障诊断方法完成遥感卫星地面站中任务和设备的故障诊断并形成诊断结果；在传统的故障诊断技术的基础上，通过使用结构化数据和插件化诊断算法实现故障诊断的灵活定制化。

S3:依据不同时间点的诊断结果对遥感卫星地面站的任务和设备故障进行追踪管理，同时追踪设备生命周期内的各关键节点状态，形成设备全生命周期的追踪管理结果；通过人工录入和自动采集，完成设备的全生命周期监测，同时提供故障追踪平台，完成故障的追踪处理。

S4:对遥感卫星地面站中的任务和设备的健康状态进行建模形成健康模型，所述健康模型包括设备级健康模型、系统级健康模型和站级健康模型；依据不同级健康监测模型和所述结构化数据对相应的设备、系统和地面站进行健康监测，并按需进行健康体检，进而完成遥感卫星地面站的健康状态监测。

S5:通过遥感卫星地面站的健康状态监测结果对遥感卫星地面站的健康状态进行趋势分析和健康状态预测，并提供维修决策支持。

优选地，以上的步骤S1可以包括：

步骤S11：实时采集遥感卫星地面站各设备产生的各类监测数据。通过TCP/IP和UDP协议采集各类设备状态信息，状态信息采用Protocol Buffers数据结构协议封装，具体包括温度、电流、电压等设备硬件信息以及光功率、信噪比等设备专业参数，通过FTP协议采集任务计划信息、任务过程数据等XML文件数据。

步骤S12：按照预定的协议格式将所述各类监测数据解析为对应的物理参数。解析Protocol Buffers数据结构，并按照设备类型将解析出的结果与设备监控协议逐一对应，得到其物理量；使用XMLParser完成任务计划信息、任务过程数据等XML文件的解析。

步骤S13：对解析得到的物理参数进行预处理，得到标准化监测数据，预处理包括但不限于量纲统一、时标修正和差分处理。例如：电流统一为mA，电压统一为mV，信号电平统一为dBm等；对时标进行修正，对采集到时标不为整数秒的数据进行时标修正，将其映射到整数秒；对于关注变化量的状态，对其做差分处理，得到变化值。

步骤S14：从所述标准化监测数据中提取关键监测数据，根据实际需求将多类关键监测数据融合得到与实际需求相符合的关键特征参数。从设备状态信息中提取信噪比、失锁计数等关键特征参数，同时综合各类参数计算得到跟踪进度、指向精度、信号强度曲线等综合关键特征参数。

步骤S15：将所述关键特征参数按时间对齐，形成标准化特征矢量作为所述结构化数据。将同一时刻的各类状态参数按照信号流向形成一维状态矢量。

步骤S16：存储所述标准化特征矢量，并依需求分发所述标准化特征矢量。将格式化得到的状态矢量以时标为主键存入MYSQL数据库中，同时将状态矢量发布到RocketMQ中。

较佳地，步骤S2可以包括：

S21：自动化配置和调度各类功能和性能测试，并采集分析测试数据，生成测试结果。各类测试，主要包括：天线运动范围测试、G/T值测试、链路性能测试、信道平坦度测试、误码率测试等。

S22：实现知识库内各类故障诊断方法的检索、增加、删除、编辑以及备份操作。故障诊断所需的阈值以Key-Value键值对的形式存放在数据库中，可以通过对数据库的操作完成阈值知识的管理；标准知识主要包括天线运动范围指标、G/T值指标、平坦度指标、解调理论值等，同样通过数据库管理；故障树则抽象为故障树节点和连接之间的关系，并在数据库中存储管理。

S23：根据故障诊断方法、所述结构化数据以及所述测试结果，对设备进行实时故障诊断，并生成设备故障诊断结果。对于简单的参数，如温度、电流、电压等采用阈值判断的方式，当超出阈值范围时，判定为设备故障；对于其他参数，采用故障树的方式进行诊断，以S11步骤分发的状态矢量为底事件，依据对应的故障树，通过对底事件的各种逻辑运算(与、或等)，可推导出设备单元或模块的故障，在必要的情况下，还可发起自动化测试申请，进一步结合测试结果，完成设备的故障诊断。

S24：自动分析任务的执行状态，对于发现故障的任务进行诊断分析，并生成任务故障诊断结果，所述任务故障诊断结果和设备故障诊断结果形成所述诊断结果。任务故障诊断首先通过专家知识对任务中的任务执行步骤、跟踪情况、接收情况、监测点告警情况、关键日志等各类检查项进行分析检查，生成接收情况报告；对于接收异常的任务，通过故障树，进一步分析判断异常的原因，并在必要的情况下，发起自动化测试，通过测试结果定位分析故障原因，生成任务故障诊断报告。

进一步优选地，步骤S3可以包括：

S31：对任务故障诊断结果和设备故障诊断结果进行跟踪，包括但不限于故障上报、故障处置流程和故障处置结果。基于成熟的开源bug追踪系统Mantis Bug Tracker进行二次开发，用户将系统运行过程中出现的问题及相应的日志等信息分发给指定专家，由专家给予解答，最后由管理员确认闭环。

S32：统计、分析和提炼任务故障诊断结果和设备故障诊断结果中的故障信息并得到与故障信息对应的处置方法，形成故障案例、故障树和专家知识。统计分析故障处置信息，形成和具体业务联密切，可用于系统整体分析诊断的知识集，对于典型的故障还可以将其知识集归纳为故障案例和故障树，供故障诊断单元使用。

S33：对设备的整个生命周期的关键节点管理，并统计分析设备的关键指标以形成设备全生命周期的追踪管理结果；其中，关键节点包括但不限于投入使用、升级、维修和报废，关键指标包括但不限于对设备的运行状态、性能和故障率。自动将设备投入使用、升级、维修、报废各个阶段的信息存入数据库，同时统计分析各类设备运行时间、故障的频次及故障原因等信息，定期生成设备维管报告。

以上方案中的步骤S4可以包括：

S41：构建和管理设备级健康模型、系统级健康模型和站级健康模型。将设备的监测点按类别、模块以故障树的形式构建模型，计算每个节点值与理论阈值之间的关系得到向上级节点的转移权重，即为设备的健康模型；系统级和站级健康模型则是以设备健康模型为叶节点，综合系统和站内的架构设计，得到的故障树即为其健康模型。

S42：根据各类监测数据、设备级健康模型、系统级健康模型及站级健康模型，采用预设权重策略及评估算法对设备、系统和地面站的健康状态进行评估得到健康评估结果。利用健康模型管理模块构建的健康模型，结合各类监测数据，完成健康状态的评估。系统健康状态分为健康、亚健康、故障和失效四个等级，其中：健康表示设备所有监测点状态均正常；亚健康表示设备部分监测点异常，但是对设备未造成影响；故障表示设备部分监测点异常，并导致部分模块异常，但是该模块有备份或者不影响设备其它模块正常工作；失效表示设备已无法正常工作。以上权重策略和评估算法可以由专家给出或依据历史经验确定。

S43：根据所述健康状态评估结果和关键性能指标定量评估设备、系统和遥感卫星地面站的性能并得到性能评估结果。针对关键设备如天线和解调器，进行天线运动范围和解调器解调损耗性能评估，针对系统和遥感卫星地面站，进行G/T值、跟踪精度、指向精度、带内平坦度、链路性能等性能评估。

S44：定期或根据所述健康评估结果和性能评估结果自动完成设备、系统和地面站的健康状态评估，并形成健康体检报告。侦测到系统健康状态或系统性能发生变化时，会自动发起相应的测试，并结合健康模型形成健康体检报告。

S45：展示所述系统健康状态。以图形和表格的形式展示系统健康状态。使用柱状图展示每台设备的健康状态，使用拟合曲线展示各性能指标的状态，同时提供综合界面，展现健康体检的结果。

进一步地，步骤S5可以包括：

S51：连续监测设备工作状态和系统关键性能指标，形成设备状态和系统性能的趋势分析报告，比对同型号和同类型非同型号设备的设备状态得到横向趋势分析结果；纵向趋势分析为时间序列趋势分析，通过统计分析一定周期内同频段、同角度、同环境等同一影响因素下所有任务的指向偏差和跟踪精度，得到天线的指向精度、跟踪精度的趋势分析；通过统计分析一定周期内同一影响因素下所有任务的某一仰角下时的 Eb/N0值，得到信噪比的趋势分析；横向趋势分析为同类设备趋势分析，通过对比分析同一任务中同型号和不同信号设备间载波偏移、信噪比等关键指标，得到不同设备之间的横向趋势分析。

S52：预先诊断设备或系统的健康状态得到健康状态监测结果，预测设备或系统正常运行的时间，同时预测设备或系统对未来任务的执行能力。采用基于数据驱动的能力预测技术，其不需要设备和系统精确地物理模型和先验知识，以采集的历史数据为基础，通过机器学习、神经网络等数据分析处理方法挖掘其中的隐含信息进行预测。

S53：根据设备或系统的健康状态，同时结合设备或系统对未来任务的执行能力，提供维修决策支持。维修决策模块实时采集健康状态监测单元产生的系统健康信息和能力评估结果，结合预设的专家知识，给出维修决策建议，同时还根据趋势分析和能力预测的结果，对可能出现的故障预先告警，并提供维保建议。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种遥感卫星地面站健康监控系统，其特征在于，包括：

数据采集处理单元，用于采集遥感卫星地面站的各类监测数据，并对所述监测数据进行解析处理以形成结构化数据；

故障诊断单元，用于基于所述结构化数据和知识库中各类故障诊断方法完成遥感卫星地面站中任务和设备的故障诊断并形成诊断结果；

全生命周期管理单元，用于依据不同时间点的诊断结果对遥感卫星地面站的任务和设备故障进行追踪管理，同时追踪设备生命周期内的各关键节点状态，形成设备全生命周期的追踪管理结果；

健康状态监测单元，用于对遥感卫星地面站中的设备进行建模形成健康模型，所述健康模型包括设备级健康模型、系统级健康模型和站级健康模型；依据不同级健康监测模型和所述结构化数据对相应的设备、系统和地面站进行健康监测，并按需进行健康体检，进而完成遥感卫星地面站的健康状态监测；

健康状态预测单元，用于通过遥感卫星地面站的健康状态监测结果对遥感卫星地面站的健康状态进行趋势分析和健康状态预测，并提供维修决策支持；

所述数据采集处理单元包括：

数据采集模块，用于实时采集遥感卫星地面站各设备产生的各类监测数据；

数据解析模块，用于按照预定的协议格式将所述各类监测数据解析为对应的物理参数；

数据预处理模块，用于对解析得到的物理参数进行预处理，得到标准化监测数据；预处理包括但不限于量纲统一、时标修正和差分处理；

特征提取模块，用于从所述标准化监测数据中提取关键监测数据，根据实际需求将多类关键监测数据融合得到与实际需求相符合的关键特征参数；

数据格式化模块，用于将所述关键特征参数按时间对齐，形成标准化特征矢量作为所述结构化数据；

数据存储分发模块，用于存储所述标准化特征矢量，并依需求分发所述标准化特征矢量；

所述健康状态预测单元包括：

趋势分析模块，用于连续监测设备工作状态和系统关键性能指标，形成设备状态和系统性能的趋势分析报告，比对同型号和同类型非同型号设备的设备状态得到横向趋势分析结果；

能力预测模块，用于预先诊断设备或系统的健康状态得到健康状态监测结果，预测设备或系统正常运行的时间，同时预测设备或系统对未来任务的执行能力；

维修决策模块，用于根据设备或系统的健康状态，同时结合设备或系统对未来任务的执行能力，提供维修决策支持。

2.根据权利要求1所述的遥感卫星地面站健康监控系统，其特征在于，所述故障诊断单元包括：

自动化测试模块，用于自动化配置和调度各类功能和性能测试，并采集分析测试数据，生成测试结果；

知识库模块，用于实现知识库中各类故障诊断方法的检索、增加、删除、编辑以及备份操作；

设备故障诊断模块，用于根据故障诊断方法、所述结构化数据以及所述测试结果，对设备进行实时故障诊断，并生成设备故障诊断结果；

任务故障诊断模块，用于自动分析任务的执行状态，对于发现故障的任务进行诊断分析，并生成任务故障诊断结果，所述任务故障诊断结果和设备故障诊断结果形成所述诊断结果。

3.根据权利要求1所述的遥感卫星地面站健康监控系统，其特征在于，所述全生命周期管理单元包括：

故障追踪模块，用于对任务故障诊断结果和设备故障诊断结果进行跟踪，包括但不限于故障上报、故障处置流程和故障处置结果；

故障知识提取模块，用于统计、分析和提炼任务故障诊断结果和设备故障诊断结果中的故障信息并得到与故障信息对应的处置方法，形成故障案例、故障树和专家知识；

设备维管模块，用于对设备的整个生命周期的关键节点管理，并统计分析设备的关键指标以形成设备全生命周期的追踪管理结果；其中，关键节点包括但不限于投入使用、升级、维修和报废，关键指标包括但不限于对设备的运行状态、性能和故障率。

4.根据权利要求1所述的遥感卫星地面站健康监控系统，其特征在于，健康状态监测单元包括：

健康模型管理模块，用于构建和管理设备级健康模型、系统级健康模型和站级健康模型；

健康评估模块，用于根据各类监测数据、设备级健康模型、系统级健康模型及站级健康模型，采用预设权重策略及评估算法对设备、系统和地面站的健康状态进行评估得到健康评估结果；

性能评估模块，用于根据所述健康状态评估结果和关键性能指标定量评估设备、系统和遥感卫星地面站的性能并得到性能评估结果；

健康体检模块，用于定期或根据所述健康评估结果和性能评估结果自动完成设备、系统和地面站的健康状态评估，并形成健康体检报告；

健康状态展示模块，用于展示所述系统健康状态。

5.一种遥感卫星地面站健康监控方法，其特征在于，包括如下步骤：

采集遥感卫星地面站的各类监测数据，并对所述监测数据进行解析处理以形成结构化数据；

基于所述结构化数据和知识库中各类故障诊断方法完成遥感卫星地面站中任务和设备的故障诊断并形成诊断结果；

依据不同时间点的诊断结果对遥感卫星地面站的任务和设备故障进行追踪管理，同时追踪设备生命周期内的各关键节点状态，形成设备全生命周期的追踪管理结果；

对遥感卫星地面站中的任务和设备的健康状态进行建模形成健康模型，所述健康模型包括设备级健康模型、系统级健康模型和站级健康模型；依据不同级健康监测模型和所述结构化数据对相应的设备、系统和地面站进行健康监测，并按需进行健康体检，进而完成遥感卫星地面站的健康状态监测；

通过遥感卫星地面站的健康状态监测结果对遥感卫星地面站的健康状态进行趋势分析和健康状态预测，并提供维修决策支持；包括：连续监测设备工作状态和系统关键性能指标，形成设备状态和系统性能的趋势分析报告，比对同型号和同类型非同型号设备的设备状态得到横向趋势分析结果；预先诊断设备或系统的健康状态得到健康状态监测结果，预测设备或系统正常运行的时间，同时预测设备或系统对未来任务的执行能力；根据设备或系统的健康状态，同时结合设备或系统对未来任务的执行能力，提供维修决策支持；

采集遥感卫星地面站的各类监测数据，并对所述监测数据进行解析处理以形成结构化数据的步骤具体包括：实时采集遥感卫星地面站各设备产生的各类监测数据；按照预定的协议格式将所述各类监测数据解析为对应的物理参数；对解析得到的物理参数进行预处理，得到标准化监测数据；预处理包括但不限于量纲统一、时标修正和差分处理；从所述标准化监测数据中提取关键监测数据，根据实际需求将多类关键监测数据融合得到与实际需求相符合的关键特征参数；将所述关键特征参数按时间对齐，形成标准化特征矢量作为所述结构化数据；存储所述标准化特征矢量，并依需求分发所述标准化特征矢量。

6.根据权利要求5所述的遥感卫星地面站健康监控方法，其特征在于：

基于所述结构化数据和知识库中各类故障诊断方法完成遥感卫星地面站中任务和设备的故障诊断并形成诊断结果的步骤具体包括：自动化配置和调度各类功能和性能测试，并采集分析测试数据，生成测试结果；实现知识库内各类故障诊断方法的检索、增加、删除、编辑以及备份操作；根据故障诊断方法、所述结构化数据以及所述测试结果，对设备进行实时故障诊断，并生成设备故障诊断结果；自动分析任务的执行状态，对于发现故障的任务进行诊断分析，并生成任务故障诊断结果，所述任务故障诊断结果和设备故障诊断结果形成所述诊断结果。

7.根据权利要求5所述的遥感卫星地面站健康监控方法，其特征在于：

依据不同时间点的诊断结果对遥感卫星地面站的任务和设备故障进行追踪管理，同时追踪设备生命周期内的各关键节点状态，形成设备全生命周期的追踪管理结果的步骤具体包括：对任务故障诊断结果和设备故障诊断结果进行跟踪，包括但不限于故障上报、故障处置流程和故障处置结果；统计、分析和提炼任务故障诊断结果和设备故障诊断结果中的故障信息并得到与故障信息对应的处置方法，形成故障案例、故障树和专家知识；对设备的整个生命周期的关键节点管理，并统计分析设备的关键指标以形成设备全生命周期的追踪管理结果；其中，关键节点包括但不限于投入使用、升级、维修和报废，关键指标包括但不限于对设备的运行状态、性能和故障率；

对遥感卫星地面站中的设备进行建模形成健康模型，所述健康模型包括设备级健康模型、系统级健康模型和站级健康模型；依据不同级健康监测模型和所述结构化数据对相应的设备、系统和地面站进行健康监测，并按需进行健康体检，进而完成遥感卫星地面站的健康状态监测的步骤具体包括：构建和管理设备级健康模型、系统级健康模型和站级健康模型；根据各类监测数据、设备级健康模型、系统级健康模型及站级健康模型，采用预设权重策略及评估算法对设备、系统和地面站的健康状态进行评估得到健康评估结果；根据所述健康状态评估结果和关键性能指标定量评估设备、系统和遥感卫星地面站的性能并得到性能评估结果；定期或根据所述健康评估结果和性能评估结果自动完成设备、系统和地面站的健康状态评估，并形成健康体检报告；展示所述系统健康状态。

Images