劉盛銘，馮書興

(裝備學(xué)院a.研究生管理大隊(duì)； b. 訓(xùn)練部，北京　101416)

?

基于貝葉斯網(wǎng)的空天飛行器航天試驗(yàn)風(fēng)險(xiǎn)分析

劉盛銘a，馮書興b

(裝備學(xué)院a.研究生管理大隊(duì)； b. 訓(xùn)練部，北京101416)

空天飛行器是世界各軍事強(qiáng)國競相研發(fā)的航天裝備之一。針對空天飛行器開展航天試驗(yàn)所面臨的風(fēng)險(xiǎn)問題，首先對空天飛行器航天試驗(yàn)進(jìn)行了風(fēng)險(xiǎn)分析，按照試驗(yàn)任務(wù)確定風(fēng)險(xiǎn)因素，然后在此基礎(chǔ)上建立了BN風(fēng)險(xiǎn)模型，輸入相關(guān)數(shù)據(jù)得到了各個(gè)試驗(yàn)任務(wù)及試驗(yàn)總?cè)蝿?wù)的失敗概率，最后對風(fēng)險(xiǎn)因素進(jìn)行敏感度分析。結(jié)果表明，空天飛行器航天試驗(yàn)總?cè)蝿?wù)對試驗(yàn)指揮和在軌試驗(yàn)的任務(wù)失敗較為敏感。以上工作旨在為空天飛行器開展航天試驗(yàn)提供參考和借鑒。

空天飛行器；航天試驗(yàn)；風(fēng)險(xiǎn)分析；風(fēng)險(xiǎn)因素；貝葉斯網(wǎng)絡(luò)；敏感度分析

0　引言

能夠穿越大氣層，往返于地球與外層空間并具備軌道機(jī)動、可重復(fù)使用等能力的空天飛行器，已是世界各軍事強(qiáng)國競相研發(fā)的航天裝備之一。作為一項(xiàng)系統(tǒng)工程，空天飛行器航天試驗(yàn)涉及人員、設(shè)備較多，跨越地域較廣，具有規(guī)模大、綜合性強(qiáng)、不確定因素多等特點(diǎn)，試驗(yàn)過程將面臨一系列風(fēng)險(xiǎn)因素。為安全順利完成任務(wù)，迫切需要對空天飛行器航天試驗(yàn)所面臨的風(fēng)險(xiǎn)進(jìn)行研究。

1　現(xiàn)狀分析

空天飛行器是指集飛機(jī)、運(yùn)載器、航天器等多重功能于一身，既能在大氣層內(nèi)飛行又能進(jìn)入太空并執(zhí)行維修、補(bǔ)給、替換等軌道操作任務(wù)的新型飛行器[1-2]。近10年來，美、俄、歐、印等世界強(qiáng)國和地區(qū)研究提出了各種各樣的空天飛行器，并開展了一系列的航天試驗(yàn)[3-4]。2013年，俄羅斯用于可重復(fù)使用空天飛行系統(tǒng)(俄文首字母是MAKS)軌道飛行器等研究設(shè)計(jì)工作的累積花費(fèi)已超過15億美元[5]。2015年2月，歐洲航天局的過渡性試驗(yàn)飛行器(intermediate experimental vehicle，IXV)在法屬圭亞那庫魯航天中心發(fā)射升空，成功地進(jìn)行了再入大氣層試驗(yàn)。2015年5月，美國的軌道試驗(yàn)飛行器(orbital test vehicle，OTV)X37B在佛羅里達(dá)卡納維拉爾角發(fā)射升空，執(zhí)行第4次在軌飛行任務(wù)，試驗(yàn)內(nèi)容對外保持高度機(jī)密。除此之外，印度航天研究組織已宣布將在2015年中期進(jìn)行可重復(fù)使用航天器的首次試飛。

由概率、統(tǒng)計(jì)及圖論結(jié)合發(fā)展起來的貝葉斯網(wǎng)(Bayesian network，BN)，通過圖形直觀表達(dá)了隨機(jī)變量之間的概率關(guān)系，并利用數(shù)據(jù)間的因果關(guān)系進(jìn)行結(jié)果預(yù)測，已被廣泛地應(yīng)用于多個(gè)領(lǐng)域工程項(xiàng)目的風(fēng)險(xiǎn)分析之中[6]，成為風(fēng)險(xiǎn)分析概率統(tǒng)計(jì)模型代表之一[7]。在航天領(lǐng)域中，文獻(xiàn)[8]在航天飛機(jī)航電系統(tǒng)升級過程中，提出了一種基于BN評價(jià)機(jī)制用于選擇性能優(yōu)越的商業(yè)實(shí)時(shí)操作系統(tǒng)，力求節(jié)省成本，降低風(fēng)險(xiǎn)。文獻(xiàn)[9]為進(jìn)一步改進(jìn)航天發(fā)射工程風(fēng)險(xiǎn)管理，基于BN推理、證據(jù)合成理論建立了持續(xù)風(fēng)險(xiǎn)管理模型，并以“挑戰(zhàn)者”號航天飛機(jī)發(fā)射爆炸為例進(jìn)行驗(yàn)證。文獻(xiàn)[10]研究了航天器電力系統(tǒng)錯(cuò)誤診斷，基于BN開發(fā)了超過1 000個(gè)變量的大規(guī)模診斷系統(tǒng)。文獻(xiàn)[11]利用遙測數(shù)據(jù)與專家知識，基于BN開發(fā)了一種用于衛(wèi)星編隊(duì)飛行的系統(tǒng)層次故障診斷法，以降低此類任務(wù)受到的風(fēng)險(xiǎn)影響。以上有關(guān)BN的應(yīng)用研究有力說明了該方法用于風(fēng)險(xiǎn)分析是卓有成效的。本文首先對空天飛行器航天試驗(yàn)進(jìn)行風(fēng)險(xiǎn)識別，然后在此基礎(chǔ)上建立了BN風(fēng)險(xiǎn)模型，最后對風(fēng)險(xiǎn)因素進(jìn)行敏感度分析，研究框架如圖1所示。

圖1　研究框架Fig.1　Research framework

2　風(fēng)險(xiǎn)識別

空天飛行器航天試驗(yàn)是指圍繞空天飛行器入軌、在軌、返回等試驗(yàn)任務(wù)而在一定約束條件下開展的航天試驗(yàn)活動，其試驗(yàn)概念圖如圖2所示，圖中實(shí)線代表實(shí)體之間的通信關(guān)系，虛線代表實(shí)體之間的任務(wù)關(guān)系。

在圖2基礎(chǔ)上，結(jié)合試驗(yàn)需求、試驗(yàn)環(huán)境、試驗(yàn)資源、體系結(jié)構(gòu)等內(nèi)容，空天飛行器航天試驗(yàn)主要任務(wù)可歸納為火箭發(fā)射、測量控制、在軌試驗(yàn)、返回著陸、試驗(yàn)指揮等。按照圖1所示的研究框架，首先根據(jù)空天飛行器相關(guān)資料初步確定風(fēng)險(xiǎn)因素，形成風(fēng)險(xiǎn)因素候選集合，然后針對集合元素之間可能存在的包含、交叉、互斥等關(guān)系，通過面談、問卷、電話等形式與院校、研究所、試驗(yàn)基地等相關(guān)人員進(jìn)行調(diào)查，運(yùn)用模糊逼近理想解排序法(technique for order preference by similarity to ideal solution，TOPSIS)對得到的風(fēng)險(xiǎn)因素語言變量評分結(jié)果進(jìn)行處理，獲得風(fēng)險(xiǎn)元素重要度排序并進(jìn)行篩選、提煉，最終得到空天飛行器航天試驗(yàn)風(fēng)險(xiǎn)因素如表1所示。

在表1中，風(fēng)險(xiǎn)因素的影響將體現(xiàn)在空天飛行器航天試驗(yàn)任務(wù)之中，這些試驗(yàn)任務(wù)是否順利完成對整個(gè)航天試驗(yàn)是否成功具有直接影響。

圖2　試驗(yàn)概念圖Fig.2　Concept view of test

表1　空天飛行器航天試驗(yàn)風(fēng)險(xiǎn)因素

Table 1　 Risk factors of aerospace test for aerospace vehicle

試驗(yàn)任務(wù)火箭發(fā)射測量控制在軌試驗(yàn) 返回著陸試驗(yàn)指揮風(fēng)險(xiǎn)因素1.設(shè)備檢測不到位2.產(chǎn)品交接不清楚3.火箭吊裝事故4.星箭對接問題5.組合體運(yùn)轉(zhuǎn)不暢6.聯(lián)調(diào)線路不暢7.逃逸系統(tǒng)故障8.燃料加注不到位1.測量誤差較大2.測量時(shí)間不夠3.目標(biāo)失聯(lián)4.遙測失靈5.傳輸鏈路問題6.數(shù)據(jù)處理錯(cuò)誤7.姿態(tài)控制不靈敏8.軌道控制不靈敏1.目標(biāo)捕獲慢2.變軌誤差較大3.變軌速度不當(dāng)4.機(jī)械手故障5.在軌釋放時(shí)機(jī)不佳6.電池燃料問題7.空間碎片威脅8.電磁干擾1.制動不及時(shí)2.通信“黑障”3.熱防護(hù)問題4.著陸架故障1.試驗(yàn)規(guī)劃不周2.試驗(yàn)建設(shè)緩慢3.組織實(shí)施不連貫4.決策不及時(shí)

3　風(fēng)險(xiǎn)建模

BN是由節(jié)點(diǎn)、有向弧段和條件概率分布組成的有向非循環(huán)網(wǎng)絡(luò)[12]，節(jié)點(diǎn)代表不確定環(huán)境中的變量，可以是連續(xù)型變量或離散型變量，有向弧段代表節(jié)點(diǎn)之間的因果關(guān)系。當(dāng)BN節(jié)點(diǎn)是離散型變量時(shí)，每一變量的狀態(tài)之間將是相互排斥的。設(shè)有節(jié)點(diǎn)變量Xi，其父節(jié)點(diǎn)是B1，B2，…，Bn，條件概率表(conditional probability table，CPT)是P(Xi|B1，B2，…，Bn)，則BN中X1，X2，…，Xn可由式(1)計(jì)算得到，其中Parent(Xi)是變量Xi的父節(jié)點(diǎn)集合。

(1)

圖3給出了1個(gè)簡單的BN和CPT實(shí)例，BN各個(gè)節(jié)點(diǎn)都有Yes/No 2種狀態(tài)，P1～P16是概率數(shù)值。

圖3　BN和CPT實(shí)例Fig.3　An example of BN and CPT

BN構(gòu)建過程是一個(gè)復(fù)雜任務(wù)，需要知識工程師和領(lǐng)域?qū)＜覅⑴c，但內(nèi)容一般可分為3步[13-14]：首先對網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行定性分析，確定節(jié)點(diǎn)之間因果關(guān)系和條件獨(dú)立關(guān)系，然后對網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行定量分析，確定每個(gè)節(jié)點(diǎn)相對于其父節(jié)點(diǎn)的條件概率表，最后輸入節(jié)點(diǎn)的先驗(yàn)概率。根據(jù)表1確定的風(fēng)險(xiǎn)因素，充分利用專家知識和相關(guān)領(lǐng)域研究人員的工作經(jīng)驗(yàn)，基于AgenaRisk軟件建立空天飛行器航天試驗(yàn)風(fēng)險(xiǎn)的BN模型并輸入相關(guān)數(shù)據(jù)，結(jié)果如圖4所示。

在圖4中，各個(gè)根節(jié)點(diǎn)的變量發(fā)生概率由風(fēng)險(xiǎn)發(fā)生概率等級×風(fēng)險(xiǎn)嚴(yán)重程度等級確定[15]。按照式(1)經(jīng)過BN推理后，可得到各個(gè)試驗(yàn)任務(wù)、試驗(yàn)總?cè)蝿?wù)的失敗概率，在某種程度上為空天飛行器開展航天試驗(yàn)提供了計(jì)劃與決策的依據(jù)。由圖4可知，在軌試驗(yàn)(失敗概率18.546%)、測量與控制(失敗概率14.167%)帶來的風(fēng)險(xiǎn)因素導(dǎo)致任務(wù)失敗的概率較大，這2項(xiàng)任務(wù)相對于其他任務(wù)而言，需要試驗(yàn)人員更加關(guān)注其風(fēng)險(xiǎn)因素的管控。

圖4　空天飛行器航天試驗(yàn)風(fēng)險(xiǎn)的BN模型Fig.4　Bayesian network model of aerospace test for aerospace vehicle

4　敏感度分析

敏感度分析是為了從影響空天飛行器航天試驗(yàn)成敗的眾多不確定風(fēng)險(xiǎn)因素中找出對結(jié)果有重要影響的風(fēng)險(xiǎn)因素，并分析、評測、計(jì)算其對結(jié)果的影響程度。借助AgenaRisk軟件設(shè)置總的失敗風(fēng)險(xiǎn)為目標(biāo)節(jié)點(diǎn)，設(shè)置表1所列出的風(fēng)險(xiǎn)因素為感應(yīng)節(jié)點(diǎn)，敏感度分析結(jié)果如圖5所示。

在圖5中，縱軸顯示的是各風(fēng)險(xiǎn)因素，橫軸顯示的是概率水平，柱狀圖顯示的是各風(fēng)險(xiǎn)因素的敏感度，AgenaRisk已對各風(fēng)險(xiǎn)因素的敏感度大小進(jìn)行了排序，其結(jié)果如縱軸所示。

從圖5可知，在影響程度排名前8的風(fēng)險(xiǎn)因素中，以試驗(yàn)指揮和在軌試驗(yàn)的風(fēng)險(xiǎn)因素居多。這一結(jié)果與圖4進(jìn)行比較可得到以下結(jié)論：

(1) BN推理計(jì)算可得到空天飛行器航天試驗(yàn)各個(gè)試驗(yàn)任務(wù)、試驗(yàn)總?cè)蝿?wù)的失敗概率，而敏感度分析則能夠揭示各個(gè)試驗(yàn)任務(wù)對試驗(yàn)總?cè)蝿?wù)成敗的影響程度。圖5結(jié)果表明，空天飛行器航天試驗(yàn)總?cè)蝿?wù)成敗對試驗(yàn)指揮和在軌試驗(yàn)的任務(wù)成敗較為敏感，而在試驗(yàn)指揮的風(fēng)險(xiǎn)因素中，C4影響程度排名第一，這反映了決策在整個(gè)試驗(yàn)任務(wù)中發(fā)揮著關(guān)鍵作用。

(2) 試驗(yàn)指揮與測量控制、在軌試驗(yàn)相比，風(fēng)險(xiǎn)因素中更多考慮了人的作用。由于空天飛行器航天試驗(yàn)責(zé)任重大，各級指揮員在任務(wù)開始前都要經(jīng)過選拔、訓(xùn)練和演練，以最大程度避免試驗(yàn)實(shí)施過程中出現(xiàn)意外，因此在圖4中，試驗(yàn)指揮失敗概率低于測量控制、在軌試驗(yàn)的失敗概率，而后兩者風(fēng)險(xiǎn)因素更多考慮了環(huán)境、設(shè)備等可控程度較弱的客觀條件，任務(wù)失敗概率較高。

以上結(jié)論可為空天飛行器航天試驗(yàn)的開展及風(fēng)險(xiǎn)管理提供一定的參考和借鑒。

圖5　敏感度分析結(jié)果(局部)Fig.5　Results of sensitivity analysis (part)

5　結(jié)束語

本文首先研究了空天飛行器航天試驗(yàn)中存在的風(fēng)險(xiǎn)因素，然后在此基礎(chǔ)上基于AgenaRisk建立了BN風(fēng)險(xiǎn)模型，輸入相關(guān)數(shù)據(jù)得到各個(gè)試驗(yàn)任務(wù)、試驗(yàn)總?cè)蝿?wù)的失敗概率，最后對風(fēng)險(xiǎn)因素進(jìn)行敏感度分析。結(jié)果表明，空天飛行器航天試驗(yàn)總?cè)蝿?wù)成敗對試驗(yàn)指揮和在軌試驗(yàn)的任務(wù)成敗較為敏感。

[1]沈海軍,程凱,楊莉.近空間飛行器[M].北京:航空工業(yè)出版社,2011:184-185.

SHEN Hai-jun, CHENG Kai, YANG Li. Near Space Aerocraft[M]. Beijing: Aviation Industry Press, 2011:184-185.

[2]梁金登,李東旭.空天飛行器軌道攔截策略研究[J].彈箭與制導(dǎo)學(xué)報(bào),2008,28(5):165-168.

LIANG Jin-deng, LI Dong-xu. The Study on Strategies for Orbit Interception of Aerospace Vehicle[J]. Journal of Projectiles，Rockets，Missiles and Guidance,2008,28(5):165-168.

[3]李智,張占月,李新洪,等.美國空間對抗技術(shù)試驗(yàn)研究[M].長沙:國防科技大學(xué)出版社,2011:1-2.

LI Zhi, ZHANG Zhan-yue, LI Xin-hong, et al.Experimental Study on the Technology of Space Countermeasure in the United States[M]. Changsha: National University of Defense Technology Press,2011:1-2.

[4]于小紅,王杰娟.新型空間平臺發(fā)展模式探析[J].裝備學(xué)院學(xué)報(bào),2012,23(4):7-10.

YU Xiao-hong, WANG Jie-juan.Analysis on Developming Modes of New Space-Based Platforms[J].Journal of Academy of Equipment, 2012,23(4):7-10.

[5]王春生,趙苿秋.“X-37斯基”高調(diào)回歸(上)[J].環(huán)球軍事,2013(3):55-57.

WANG Chun-sheng, ZHAO Mo-qiu. X-37-Vsky is Coming back[J]. Global Military,2013(3):55-57.

[6]Pourret Oliver, Naim Patrick, Marcot Bruce. Baysesian Networks: A Practical Guide to Applications[M].England: John Wiley & Son, Ltd, 2008.

[7]Haimes Yacov. Risk Modeling, Assessment and Management[M]. USA: John Wiley&Son, Inc, 2004: 500-501.

[8]Morris Aterry, Beling Peter. Space Shuttle Rtos Bayesian Network[C]∥IEEE. Proceedings of the 20th Digital Avionics Systems Conference. Daytona Beach, FL: IEEE, 2001:1-12.

[9]陸晉榮,董學(xué)軍,信聰.基于信息融合的航天發(fā)射風(fēng)險(xiǎn)管理[J].載人航天,2013,19(2):17-24.

LU Jin-rong, DONG Xue-jun, XIN Cong. Research on Risk Management Methods of Spacecraft Launch[J]. Manned Spaceflight,2013,19(2):17-24.

[10]KNOX W, MENGSHOEL O. Diagnosis and Reconfiguration Using Bayesian Networks: An Electrical Power System Case Study[EB/OL].[2015-07-09].http://www.cs.utexas.edu/～bradknox/papers/ijcaisympSAS09.pdf.

[11]BARUA A. Hierarchical Fault Diagnosis and Health Monitoring in Satellites Formation Flight[EB/OL].[2015-07-09].http://spectrum.library.concordia.ca/974135/1/barua_khorasani09SMCC_final.pdf

[12]李海軍,馬登武,劉霄,等.貝葉斯網(wǎng)絡(luò)理論在裝備故障診斷中的應(yīng)用[M].北京:國防工業(yè)出版社,2009:58-59.

LI Hai-jun, MA Deng-wu, LIU Xiao, et al. Applications of Bayesian Network Theory in Fault Equipment Diagnosis[M]. Beijing: National Defence Industry Press,2009:58-59.

[13]MAGLOGIANNIS I, ZAFIROPOULOS E, PLATIS A, et al. Risk Analysis of a Patient Monitoring System Using Bayesian Network Modeling[J].Journal of Biomedical Informatics, 2006,39(6): 637-647.[14]Money Eric, Reckhow Kenneth, Wiesner Mark. The Use of Bayesian Networks for Nanoparticle Risk Forecasting: Model Formulation and Baseline Evaluation[J]. Science of the Total Environment,2012,426(1):437-438.

[15]賀兆澤,莫俊文.基于貝葉斯網(wǎng)絡(luò)的住宅防水風(fēng)險(xiǎn)研究[J].工程管理學(xué)報(bào),2015,29(1):86-90.

HE Zhao-ze, MO Jun-wen. Housing Water Proof Risk Based on Bayesian Network[J]. Journal of Engineering Management,2015,29(1):86-90.

Risk Analysis of Aerospace Test for Aerospace Vehicle Based on Bayesian Network

LIU Sheng-minga, FENG Shu-xingb

(Equipment Academy, a. Graduate Management Department； b. Training Department, Beijing 101416, China)

The aerospace vehicle is a kind of aerospace equipment which has been developed by the world's military powers. A research on the risk problem of performing aerospace test for aerospace vehicle is conducted. First, risk factors are identified according to the missions of aerospace test for aerospace vehicle. Second, a risk model is established with the tools of Bayesian network. With relevant data, the failure probability of various test missions can be obtained as well as the failure probability of whole test process. Finally, the sensitivity analysis of risk factors is conducted, which indicates that the whole test process is more sensitive to the mission of test command and in-orbit testing. The whole work will provide reference of performing aerospace test for aerospace vehicle.

aerospace vehicle;aerospace test;risk analysis;risk factors;Bayesian network;sensitivity analysis

2015-07-28；

2015-09-21

有

劉盛銘(1986-)，男，湖南永州人。博士生，研究方向?yàn)楹教煸囼?yàn)指揮。

通信地址：101416北京懷柔雁棲鎮(zhèn)3380信箱172號E-mail：my163beijing@163.com

10.3969/j.issn.1009-086x.2016.04.020

V57

A

1009-086X(2016)-04-0124-05