彭漁露，張賢敏

(1.重慶大學(xué)自動(dòng)化學(xué)院，重慶 400030;2.西昌衛(wèi)星發(fā)射中心，四川西昌 615000)

航天測控系統(tǒng)是航天工程的重要組成部分，既是航天運(yùn)載器和航天器發(fā)射、在軌及返回段的重要支持保障系統(tǒng)，又是運(yùn)行大回路中的重要環(huán)節(jié)。隨著航天科技的快速發(fā)展，測控系統(tǒng)的可靠性工程越來越受到重視［1］。如何快速?zèng)Q策整個(gè)測控系統(tǒng)的狀態(tài)，保障航天活動(dòng)的順利完成，是該領(lǐng)域的一個(gè)重要課題。目前在該領(lǐng)域中，將專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)以及模糊理論等多種智能技術(shù)結(jié)合起來進(jìn)行決策評(píng)估，是國內(nèi)外智能化診斷研究的一個(gè)發(fā)展趨勢。

由于國內(nèi)外測控體制的區(qū)別，國外測控系統(tǒng)的決策方法和經(jīng)驗(yàn)無法直接應(yīng)用到國內(nèi)，而國內(nèi)的相關(guān)文獻(xiàn)資料也比較缺乏，但針對(duì)測控設(shè)備的決策評(píng)估和火箭安全性等內(nèi)容有一些研究，如針對(duì)測控設(shè)備保障體系的評(píng)估［2］和測控設(shè)備軟件質(zhì)量控制［3］都有保證設(shè)備可靠性的方法。文獻(xiàn)［4］則研究了對(duì)測控系統(tǒng)離線式的診斷決策方法，沒有對(duì)實(shí)時(shí)情況進(jìn)行決策。文獻(xiàn)［5］則提出建立航天試驗(yàn)裝備指揮輔助決策系統(tǒng)的結(jié)構(gòu);文獻(xiàn)［6－8］則是針對(duì)裝備決策架構(gòu)及火箭本身安全性的決策和診斷，并不針對(duì)測控系統(tǒng)本身。

本文基于不確定性推理的專家系統(tǒng)理論，利用聯(lián)調(diào)中測控設(shè)備發(fā)送的信息進(jìn)行分析計(jì)算，提出對(duì)測控系統(tǒng)進(jìn)行實(shí)時(shí)決策的方法。

1 測控系統(tǒng)的特點(diǎn)分析

1.1 測控設(shè)備特征分析

測控系統(tǒng)聯(lián)調(diào)活動(dòng)通常由控制中心和各測控設(shè)備共同參與完成。在聯(lián)調(diào)過程中，各測控設(shè)備向控制中心發(fā)送各類信息，控制中心對(duì)接收到的信息進(jìn)行處理和分析。

測控設(shè)備發(fā)送的信息通常包含2種類型，一是自身工作狀態(tài)的信息，二是對(duì)外部目標(biāo)進(jìn)行測量的信息。由于第2類信息只在有真實(shí)目標(biāo)的情況下才具有意義，所以本文只考慮第1類信息。

本文用一組無序的數(shù)組元素來描述設(shè)備自身狀態(tài)信息，將狀態(tài)表示成向量(或序列、集合)的形式。一般地，采集設(shè)備的m個(gè)狀態(tài)，每個(gè)狀態(tài)用E描述。

1.2 決策對(duì)象層次劃分

測控系統(tǒng)是由多級(jí)層次組成的，較低層的設(shè)備可以集合成較高層的系統(tǒng)，較高層的系統(tǒng)也可以分解。按照測控系統(tǒng)的層次性特點(diǎn)，首先將航天測控系統(tǒng)劃分為若干系統(tǒng)，然后再根據(jù)各系統(tǒng)本身的功能特性及層次性，劃分為若干分系統(tǒng)、子系統(tǒng)和功能單元，分系統(tǒng)、子系統(tǒng)和功能單元包含了測控設(shè)備。因此，測控設(shè)備是基本的決策對(duì)象。

2 決策模型的建立

2.1 知識(shí)表示

可信度方法是肖特里菲(E.H.Shortliffe)等在確定性理論的基礎(chǔ)上，結(jié)合概率論等提出的一種不確定性推理方法(又稱CF模型)?？尚哦仁且粋€(gè)為了將相信和不相信合成一個(gè)主觀系數(shù)，用這個(gè)系數(shù)來表示證據(jù)對(duì)結(jié)論為真的支持程度，用來處理信任與不信任的問題［9］。

系統(tǒng)中的規(guī)則可以用如下形式的規(guī)則R表示:

其中:E表示狀態(tài)向量組的前提條件;H表示結(jié)論;CF(H，E)表示產(chǎn)生式規(guī)則 R的可信度(CF∈［0，1］)，該規(guī)則可以解釋為當(dāng)前提條件或狀態(tài)E發(fā)生了，結(jié)論H可信程度為CF(H，E)，值越大可信度越大。

根據(jù)以上理論，設(shè)備狀態(tài)向量采用適當(dāng)?shù)牧炕Ｐ?，可以將?1)轉(zhuǎn)換為一組可信度的向量，該向量表示設(shè)備各個(gè)狀態(tài)正常的可以信任的程度，表達(dá)式為

在聯(lián)調(diào)中，由于測量設(shè)備所處的環(huán)境、通信線路質(zhì)量等因素都會(huì)造成傳遞信息的錯(cuò)誤，為了減少此類情況對(duì)結(jié)果的影響和不確定因素的傳遞，引入可信度閾值［10－12］?？尚哦乳撝涤忙吮硎荆姚恕剩?，1］。于是，產(chǎn)生式規(guī)則的形式可以表示為

設(shè)備自身狀態(tài)可信度向量，表示為

2.2 權(quán)重引入

在此前的基于規(guī)則的專家系統(tǒng)中，大多都是在假定前提條件之間，具有相同重要性的基礎(chǔ)上實(shí)現(xiàn)的。然而在測控設(shè)備狀態(tài)可信度向量中，因設(shè)備自身狀態(tài)重要程度的不同，不能一概而論。為此，根據(jù)文獻(xiàn)［13］在推理規(guī)則的前提條件中引入加權(quán)因子，不同狀態(tài)對(duì)應(yīng)不同的權(quán)值，體現(xiàn)測控設(shè)備自身狀態(tài)之間的重要程度。設(shè)權(quán)值為ω，規(guī)則為

設(shè)備自身狀態(tài)可信度向量，表示為

根據(jù)文獻(xiàn)［13］，得到多個(gè)條件下可信度的計(jì)算方法。例如有2個(gè)相同結(jié)論的產(chǎn)生式規(guī)則同時(shí)被觸發(fā)時(shí)，計(jì)算公式為

通過以上方法，可以計(jì)算出設(shè)備自身狀態(tài)的可信度CFm。但可信度是采用統(tǒng)計(jì)的方法獲得的概率形式，在復(fù)合條件的可信度計(jì)算中，需要排除前提條件可信度之間的相對(duì)相互重迭。為此，采用文獻(xiàn)［14－15］中相對(duì)權(quán)重的方法進(jìn)行計(jì)算。具體改進(jìn)算法為:

在式(7)中，取設(shè)備自身狀態(tài)權(quán)重的最大值ωmax=max{ω1，ω2，…，ωm}，則條件 E1相對(duì)權(quán)重為ω1/ωmax，條件 E2相對(duì)權(quán)重為 ω2/ωmax，條件 Em相對(duì)權(quán)重為 ωm/ωmax。

條件E1與條件E2可信度之間的近似相對(duì)重迭條件E1與條件E3可信度之間的近似相對(duì)重迭為，以此類推則復(fù)合條件的可信度為

3 系統(tǒng)建模與分析

3.1 系統(tǒng)建模

根據(jù)本文描述的對(duì)象層級(jí)模型，假設(shè)測控系統(tǒng)的結(jié)構(gòu)如圖1所示。

圖1 測控系統(tǒng)模型

整個(gè)測控系統(tǒng)的狀態(tài)由子系統(tǒng)和設(shè)備C決定，子系統(tǒng)的狀態(tài)由設(shè)備A和設(shè)備B的狀態(tài)決定，要決策整個(gè)測控系統(tǒng)的工作狀態(tài)，只需按照自底向上的順序先決策設(shè)備自身狀態(tài)，后決策系統(tǒng)狀態(tài)。

現(xiàn)隨機(jī)產(chǎn)生圖1中設(shè)備和子系統(tǒng)的狀態(tài)信息，如表1至表4所示，其中表1至表3的閾值表示可信度超過閾值后有效，表4的閾值表示可信度超過閾值后設(shè)備或子系統(tǒng)的狀態(tài)是正常的。

表1 設(shè)備A信息

表2 設(shè)備B信息

表3 設(shè)備C信息

表4 測控系統(tǒng)信息

3.2 數(shù)據(jù)仿真

根據(jù)式(7)，設(shè)備A、B和C的狀態(tài)向量為:

設(shè)備A、B、C和子系統(tǒng)權(quán)重分別為

通過改變某個(gè)不同權(quán)重的可信度，將未包含權(quán)重和包含權(quán)重的可信度的計(jì)算結(jié)果的變化趨勢進(jìn)行對(duì)比，驗(yàn)證計(jì)算結(jié)果的正確性。使用CFA這組可信度向量進(jìn)行計(jì)算。

3.2.1 改變單個(gè)權(quán)重的仿真

①改變單個(gè)權(quán)重較小的可信度

由圖2可知，有權(quán)重的計(jì)算方法在計(jì)算時(shí)，明顯受到了權(quán)重值的影響，含權(quán)重小的曲線變化范圍明顯小于不包含權(quán)重的曲線，符合實(shí)際情況。

圖2 單個(gè)權(quán)重較小的可信度仿真結(jié)果

②改變單個(gè)權(quán)重較大的可信度

由圖3可知，當(dāng)輸入的可信度增加時(shí)，含有權(quán)重的可信度增加幅度大于不含權(quán)重的可信度，與事實(shí)相符。

圖3 單個(gè)權(quán)重較大的可信度仿真結(jié)果

3.2.2 改變2個(gè)權(quán)重的仿真

仿真①:改變2個(gè)權(quán)重較小的可信度，輸入可信度1和輸入可信度2對(duì)應(yīng)CFA的狀態(tài)2和狀態(tài)5。

仿真②:改變2個(gè)權(quán)重較大的可信度，輸入可信度1和輸入可信度2對(duì)應(yīng)CFA的狀態(tài)1和狀態(tài)4。

仿真③:分別改變一個(gè)權(quán)重大的和權(quán)重小的可信度，輸入可信度1和輸入可信度2對(duì)應(yīng)CFA的狀態(tài)4和狀態(tài)5。

圖4 不含權(quán)重的可信度

在仿真②和③中，未包含在權(quán)重的可信度仿真計(jì)算中，結(jié)果與圖4類似。

由以上仿真結(jié)果可知:

1)在①中輸入可信度1與輸入可信度2均為較小權(quán)重的可信度，它們的改變對(duì)結(jié)果的影響較小，且可信度1對(duì)應(yīng)的權(quán)重大于可信度2對(duì)應(yīng)的權(quán)重，可信度1增長幅度大于可信度2;

2)在②中輸入可信度1與輸入可信度2均為較大權(quán)重，它們的改變對(duì)結(jié)果的影響較大，且的輸入可信度2的權(quán)重大于輸入可信度1對(duì)應(yīng)的權(quán)重，可信度2增長幅度大于可信度1;

3)在③輸入的可信度1的權(quán)重遠(yuǎn)遠(yuǎn)大于輸入可信度2對(duì)應(yīng)的權(quán)重，從仿真結(jié)果可以看出，在混合不同大小權(quán)重的可信度后，權(quán)重大的可信度對(duì)結(jié)果影響非常明顯。

在改變更多的輸入可信度個(gè)數(shù)后，同樣可以得出上述仿真結(jié)果。

3.3 計(jì)算與決策

使用式(10)的計(jì)算方法，計(jì)算出圖1中的測控系統(tǒng)模型中各設(shè)備、子系統(tǒng)的可信度:

由于CFC小于正常狀態(tài)的閾值，故設(shè)備C是異常的，令CFC=0并代入圖1模型進(jìn)行計(jì)算:

子系統(tǒng)可信度為

測控系統(tǒng)可信度為

結(jié)果小于表4中測控系統(tǒng)正常狀態(tài)的閾值，決策結(jié)果為測控系統(tǒng)異常。

4 結(jié)束語

將使用基于不確定性推理的專家系統(tǒng)理論實(shí)現(xiàn)整個(gè)系統(tǒng)的實(shí)時(shí)決策。該方法能夠?qū)⑼评磙D(zhuǎn)化為一系列的代數(shù)計(jì)算，滿足實(shí)時(shí)決策的需求，同時(shí)區(qū)別對(duì)待了不同狀態(tài)的重要程度，符合真實(shí)情況。根據(jù)狀態(tài)的重要程度賦予不同的權(quán)重，無需考慮其大小、含義，適合航天測控系統(tǒng)這種大規(guī)模的復(fù)雜系統(tǒng)，在實(shí)際運(yùn)用中取得了較好的效果。

［1］曲衛(wèi)，賈鑫.我國航天測控系統(tǒng)體制與技術(shù)現(xiàn)狀以及發(fā)展［J］.科技信息，2010(4):481－482.

［2］曹裕華，廖興禾，胡曉楓等.航天測控設(shè)備保障體系綜合能力評(píng)估研究［J］.裝備指揮技術(shù)學(xué)院學(xué)報(bào)，2009，20(5):45 －49.

［3］張靈，張瑞國，邢偉.測控設(shè)備軟件現(xiàn)狀及其質(zhì)量控制［J］.飛行器測控學(xué)報(bào)，2007，26(5):88 －90.

［4］楊奕飛，周江，周承斌.航天測控設(shè)備智能故障診斷系統(tǒng)設(shè)計(jì)［J］.電視技術(shù)，2009，49(8):54 －59.

［6］李婭，張建勛，楊欣.不確定推理模型的火箭安全決策系統(tǒng)［J］.重慶大學(xué)學(xué)報(bào)，2010，33(10):118 －123.

［7］李偉，李婭.基于知識(shí)的火箭安控決策研究［J］.微計(jì)算機(jī)信息，2007(26):276－278.

［8］陳璐璐，劉成瑞，張慶振，等.分布式故障診斷專家系統(tǒng)在運(yùn)載火箭發(fā)射決策中的應(yīng)用研究［J］.航天控制，2009，27(1):80 －93.

［9］秦映波.不確定性推理［J］.邵陽學(xué)院學(xué)報(bào):自然科學(xué)版，2007(3):8－10.

［10］吳泉源，劉江寧.人工智能與專家系統(tǒng)［M］.長沙:國防科技大學(xué)出版社，1995.

［11］陸汝鈴.人工智能［M］.北京:科學(xué)出版社，2000.

［12］尹朝慶，尹皓.人工智能與專家系統(tǒng)［M］.北京:北京水利水電出版社，2002:224－228.

［13］葉清，吳曉平，宋業(yè)新.引入權(quán)重因子的證據(jù)合成方法［J］.火力與指揮控制，2007，6(32):21 －24.

［14］吳英，蔣雯，王棟，等.一種最優(yōu)沖突證據(jù)組合方法［J］.電機(jī)與控制學(xué)報(bào)，2009，11(13):178 －182.

［15］鄧勇，施文康，朱振福.一種有效處理沖突證據(jù)的組合方法［J］.紅外與毫米波學(xué)報(bào)，2004，23(2):27－32.

［16］熊慶輝，張幽彤，劉光聰，等.高壓共軌壓電堆執(zhí)行器測控系統(tǒng)開發(fā)研究［J］.壓電與聲光，2011，33(1):79－83.

［17］陳里里，甘平，胡雪，等.基于普通USB采集卡的血管壁動(dòng)態(tài)信息遠(yuǎn)程測控系統(tǒng)［J］.激光雜志，2009，30(1):49－50.

［18］楊慶江.基于模糊PID技術(shù)的壓電式氣體壓力測控系統(tǒng)［J］.壓電與聲光，2008，30(5):652 －654.